최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of Korea Water Resources Association = 한국수자원학회논문집, v.47 no.2, 2014년, pp.207 - 221
Recently, due to global warming, climate change has affected short time concentrated local rain and unexpected heavy rain which is increasingly causing life and property damage. Therefore, this paper studies the characteristic of localized heavy rain and flash flood in Nakdong basin study area by ap...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
처음 신경망 이론에 대한 연구는 언제 시작되었는가?? | 한편 신경망 이론은 MuCulloch와 Pitts가 1943년 인간의 두뇌를 모델로 하여 단순한 논리 연산이 가능한 연구에서 시작되었다. MuCulloch와 Pitts의 연구가 뉴런에 대하여 단순히 논리구현에 그쳤던 반면에 Hebb (1949)는 최초의 신경망 학습 방법을 제안했으며, 1957년 Rosenblatt가 인식자(Perceptron)란 최초의 신경망 모형을 발표하면서 입력층과 출력층을 가진 신경망에 대한 여러 연구가 시작되었다. | |
Lapedes and Farber의 신경망 이론의 특징은 무엇인가? | 외국의 경우 1980년대 중반에 이르러 PDP(Parallel Distributed Processing) 모임에 의해 다층 인식자를 학습시킬 수 있는 역전파 학습 알고리즘이 발표되었고, Lapedes and Farber (1987)은 시계열자료를 다층인식자에 적용하여 오차 역전파 알고리즘에 의해 학습시킨 것으로 관측치에 대한 적합도 및 예측치가 기존의 계량적 방법보다 우수하다고 한 신경망 이론을 처음 도입하였다. 신경망의 수문학적 예측에 이용한 연구는 1990년 이후부터 진행되기 시작했으며 French et al. | |
홍수위 예측기법 수행 시 필요한 하천의 유출량 파악이 어려운 이유는 무엇인가? | 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시공간적 분포가 다르며 수많은 변수들과 비선형적이고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석을 하는데 어려움이 있다. 이에 최근 인공지능 분야에서 신호처리, 패턴인식, 지능제어 등의 수단으로 이용되는 신경망 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되어 하나의 시스템을 비선형적으로 구성하여 활용할 수 있어 수자원 분야에서 다방면으로 적용되고 있다. |
Ahn, S.S., and Kim, S.W. (1997). "A Stochastic Nonlinear Analysis of Daily Runoff Discharge Using Artificial Intelligence Technique." Journal of Korean Society Agricultural Engineers, Vol. 39, No. 6, pp. 54-66.
Amein, M. (1966). "Streamflow Routing on Computer by Characteristics."Water Resource. Res., Vol. 2, No. 1, pp. 123-130.
Amein, M., and Fang, C.S. (1970). "Implicit Flood Routing in Natural Channels." Journal of. Hydraul. Div. Amer. Soc. Civil Eng., 96 (HY12), pp. 2481-2500.
Barkau, R.L. (1993). UNET One-Dimensional Unsteady Flow Through a Full Network of Open Channels User's Manual, U.S. Army Corps of Engineers, Davis.
Choi, B.H., Ko, J.S., and Ann, I.J. (1995). "An Implicit Numerical Model of the Han River." Journal of Korean Society of Ocean Engineering, Vol. 7, No. 4, pp. 346-354.
Cooley, R.L., and Moin, S.A. (1976). "Finite Element Solution of Saint-Venant Equations." Journal of Hydrology Div., ASCE, Vol. 102, No. HYDR. Div., ASCE, Vol. 102, No. HY6, pp. 759-775.
Cunge, J.A., Holly, F.M., and Verwey, A. (1980). Practical Aspects of Computational River Hydraulics, Pittman.
Fread, D.L., and Lewis, J.M. (1998). The NWS FLDWAV Model Quick Users Guide, NOAA, Silver Spring.
French, M.N., Krajewski, W.F., and Cuykendal, R.R. (1992). "Rainfall Forecasting in Space & Time Using a Neural Network." Journal of Hydrology, Vol. 137, Issues 1-4, pp. 1-31.
Garrett, J.H., Ghaboussi, J., Xu, X., and Ranjuthan, S. (1992). Neural Networks and Their Application to Civil Engineering, Allen, R.H. (Eds.), Expert systems in civil engineering-knowledge representation.
Hwang, E.J., and Jun, K.S. (1997). "Unsteady Flow Model for the Main Reach of the Han River : Calibration." Journal of Korea Water Resources Association, Vol. 30, No. 5, pp. 459-559.
Kang, K.W., Park, C.Y., and Kim, J.H. (1992). "Nonlinear Prediction of Streamflow by Applying Pattern Recognition Method." Journal of Korea Water Resources Association, Vol. 25, No. 3, pp. 105-113.
Kim, D.G., Kim, W., and Kim, S. (2001). "Applying UNET model for flow Analysis of the Lower Han River." Proceedings of the Korea Water Resources Association Conference, KWRA, pp. 673-678.
Kim, W., and Kim, C.W. (1999). The Characteristics of the Han River FlowConsidering the Effect of Singok Submerged Weir and Tidal Motions, Proceedings of the Korea Water Resources Association Conference, KWRA.
Kim, W., and Woo, H.S. (1996). "Analysis of Flood Flow Characteristics of the Han River using 1-Dimensional St. Venant Equations." Journal of Korea Water Resources Association, Vol. 29, No. 1, pp. 163-179.
Lapedes, A.S., and Farber, R. (1987). Non-Linear Signal Processing using Neural Networks : Prediction and System Modeling, Los Alamos National Laboratory report, LA-UR-87-2662.
Lee, J.H. (2011). Flood Forecasting Techniques for Intelligent U-River System Operation, Department of Civil Engineering, Yeungnam University Master Thesis
Minns, A.W., and Hall, M.J. (1996). "Artificial Neural Networks as Rainfall-Runoff Models." Journal of Hydrology, Vol. 41, pp. 399-417.
MLIT. (2009). Nakdong River Master Plan.
Oh, N.S. (1996). Comparative Study on Rainfall Prediction by Neural Network and Kalman Filter, Department of Civil Engineering, Seoul University Ph.D. Thesis.
Schaffranek, R.W. (1987). FlowModel for Open Channel Reach of Network : U.S. Geological Survey Professional Paper 1384, U.S. Government Printing Office, Washington.
WMO. (1975). Intercomparison of Conceptual Models Used in Operational Hydrological Forecasting, WMO Operational Hydrology.
Yeo, W.K. (2011). Development of Web-Based Flood Disaster Prevention System; Development of Flood Forecasting and Warning System Using Internet GIS at Medium and Small River, Department of Civil Engineering, Yeungnam University Ph.D. Thesis.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.