$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 가우시안 프로세스 회귀분석을 이용한 지하수위 추세분석 및 장기예측 연구
Groundwater Level Trend Analysis for Long-term Prediction Basedon Gaussian Process Regression 원문보기

지하수토양환경 = Journal of soil and groundwater environment, v.21 no.4, 2016년, pp.30 - 41  

김효건 (경북대학교 지질학과) ,  박은규 (경북대학교 지질학과) ,  정진아 (경북대학교 지질학과) ,  한원식 (연세대학교 지구시스템과학과) ,  김구영 (한국지질자원연구원)

Abstract ▼ AI-Helper 아이콘AI-Helper

The amount of groundwater related data is drastically increasing domestically from various sources since 2000. To justify the more expansive continuation of the data acquisition and to derive valuable implications from the data, continued employments of sophisticated and state-of-the-arts statistica...

주제어

#Gaussian process regression (GPR)   #Machine learning   #Groundwater level trend analysis   #National Groundwater Monitoring Network (NGMN)   #Han River basin  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 지속가능한 지하수 이용·관리 측면에서 하강의 지하수위 변동 추세가 지속되는 지점에 대해서는 향후 그 기작에 대한 분석을 토대로 체계적인 관리가 이루어져야한다. 따라서 본 연구에서는 지하수위 변동에 영향을 미치는 대표적비-인위 요인으로 시간에 따른 강수량의 변화를 검토하였다. GPR 기법을 적용하여 산정된 지하수위와 강수량 각각의 월별 평균 변화율을 토대로 연중 변동 양상을 비교· 분석한 결과, 상호 간 변동 양상은 대체로 유사하나 일부 관측지점에서 낮은 상관성을 보이는 것으로 분석되었다.
  • 강수량에 대한 추세분석을 실시하였다. 본 연구에서는 GPR 기법을 적용하여 산정된 각 관측 지점별 지하 수위와 강수량의 월별 변화율을 기초로 변동 경향을 제시하였다. 두 인자간의 상관관계를 검토하기 위하여 상관분석을 실시하였으며, 산정된 피어슨 상관계수(Pearson correlation coefficient, r)를 토대로 아래와 같이 상관관계의 단계를 부여하였다(Evans, 1996).
  • 본 연구에서는 GPR 기법의 지하수위 관측자료 적용을 통하여 기법의 적용성 및 적용을 통한 다양한 예측 가능성을 보였다. GPR 기법은 기계학습 및 빅데이터 기술의 핵심 기법 중 하나로 다양한 자료 유형 및 추세 형태에 대하여 적용 가능한 유연성을 가진다.
  • 본 연구에서는 GPR 분석 결과 산정된 선형의 예측 추세선을 토대로 월별 지하수위 변화율의 표준편차를 활용한 변동유형의 분류 기준을 제안하였다. 해당 분류 기준을 한강권역에 위치하는 29개 국가지하수관측망(58개 관측정)에 적용하여 월별 지하수위 변동유형을 분류한 결과, 전반적으로 하강 추세가 우세하게 나타났다.
  • 본 연구에서는 GPR을 이용하여 한강권역에 속하는 국가지 하수관측망의 지하수위에 대한 회귀분석을 실시하고 그 적용성을 분석하였다. 분석에 이용된 지하수위 관측 자료들은 비교적 선형의 추세를 잘 따르는 것으로 판단되어선 형의 평균값 모델을 이용한 추세분석을 실시하였다.
  • GPR 기법의 활용성을 검토하기 위하여국가지하수정보센터(National Groundwater Information Management and Service Center, GIMS)에서 관리 및제공하는 지하수 관측자료 중 한강권역에 위치하고 있는국가지하수관측망의 지하수위 자료를 이용하여 분석에 적용하였다. 이러한 적용을 통하여 빅데이터 기법의 지하수자료 적용에의 다양한 시사점을 도출하고자 한다.
  • 일평균 수위자료는 극단적 기후요인과 수리간섭요인에의한 변동성이 크므로 본 연구에서는 장기적인 평균수위를 기초로 하고자 월평균 지하수위 자료를 이용하였다. GPR 기법을 토대로 선형의 예측 평균추세와 불확실성을의미하는 신뢰구간을 산정하였으며, 이와 함께 지하수위의 비정상 인지를 위하여 예측 평균추세에 일정 표준편차이격선을 활용하는 방법을 제안하였다.

가설 설정

  • 로지스틱 회귀분석, 인공신경망, 지지기반 벡터 등)과 유사한 구조적 특성을 갖는다. 특정 지하수 수위 (H*)를 오차를 포함하는 확률변수(i.e. H*=H+ε)라고 가정하였을 경우, 오차를 제거한 기대 수위는 평균과 공분산의 함수로 표현될 수 있으며, 다시 공분산은 커널 함수로 해석될 수 있다고 가정한다. 또한 GPR 기법은 분석에 적용할 대상 자료의 추이에 따라 상수, 선형모델, 비선형모델 등 다양한 평균값 모델을 활용할 수 있다.
본문요약 정보가 도움이 되었나요?

참고문헌 (30)

  1. Bazi, Y., Alajlan, N., and Melgani, F., 2012, Improved estimation of water chlorophyll concentration with semisupervised gaussian process regression, IEEE Transactions on Geoscience and Remote Sensing, 50(7), 2733-2743. 

    상세보기 crossref

  2. Cha, K., Cheong, T.S., and Ko, I., 2007, Validation of the surface-ground waters interaction and water supplying to upper region of geum river basin by optimal method for drought season, J. Korean Soc. Civil Eng. B, 27(5B), 507-513. 

  3. Evans, James D., 1996, Straightforward statistics for the behavioral sciences, Brooks/Cole, 600 p. 

  4. GIMS (National Groundwater Information Management and Service Center), 2015, available at http://www.gims.go.kr. 

  5. Grbić, R., Kurtagić , D., and Slišković, D., 2013, Stream water temperature prediction based on Gaussian process regression Expert Systems with Applications, 40(18), 7407-7414. 

    상세보기 crossref

  6. Jang, S., Hamm, S.Y., Yoon, H., Kim, G.B., Park, J.H., and Kim, M.S., 2015, Predicting long-term change of groundwater level with regional climate model in South Korea, Geosci. J., 19(3), 503-513. 

    상세보기 crossref

  7. Jeong, J.M., Park, Y.C., Jo, Y.J., and Lee, J.Y., 2010, Time series analysis of groundwater level fluctuation data in Cheonjeonri, Chuncheon, Gangwon-do, J. Geol. Soc. Korea, 46(2), 171-176. 

  8. Kim, B.S., Kwon, H.H., and Kim, H.S., 2011, Impact assessment of climate change on drought risk, J. Wetlands Res., 13(1), 1-11. 

  9. Kim, C.R., Kim, Y.O., Seo, S.B., and Choi, S.W., 2013, Water balance projection using climate change scenarios in the Korean Peninsula, J. Korea Water Resources Association, 46(8), 807-819. 

    원문보기 상세보기 crossref

  10. Kim, G., Choi, D., and Shin, S., 2011, Characteristics of groundwater levels fluctuation and quality in Ddan-sum area, J. Korean Geoenviron. Soc., 12(2), 35-43. 

  11. Kim, G.B. and Lee, S.H., 2012, Applicability of logistic regression model of groundwater levels to drought forecast, J. Geological Soc., 48(3), 275-284. 

  12. Kim, G.B. and Yum, B.W., 2007, Classification and characterization for water level time series of shallow wells at the national groundwater monitoring stations, J. Soil Groundw. Environ., 12(5), 86-97. 

  13. Kim, G.B., Yun, H.H., and Kim, D.H., 2006, Relationship between standardized precipitation index and groundwater levels: A proposal for establishment of drought index wells, J. Soil Groundw. Environ., 11(3), 31-42. 

  14. Kim, T.W. and Park, D.H., 2015, Extreme drought response and improvement - Focusing on 2015 drought, J. Korean Soc. Civil Eng., 63(9), 25-35. 

  15. Kim, Y.K., Yoo, J.A., and Chung, E.S., 2012, Water management vulnerability assessment considering climate change in Korea, J. Clim. Change Res., 3(1), 1-12. 

  16. KMA (Korea Meteorological Administration), 2015, available at http://www.kma.go.kr. 

  17. Kwon, H.J. and Kim, S.J., 2007, Methodology of drought assessment using national groundwater monitoring network data, J. Korean Soc. Civil Eng. B, 27(2B), 193-199. 

  18. Lee, B., Hamm, S.Y., Jang, S., Cheong, J.Y., and Kim, G.B., 2014, Relationship between groundwater and climate change in South Korea, Geosci. J., 18(2), 209-218. 

    상세보기 crossref

  19. Lee, B.S., Kim, Y.I., Choi, K.J., Song, S.H., Kim, J.H., Woo, D.K., Seol, M.K., and Park, K.Y., 2014, Rural groundwater monitoring network in Korea, J. Soil Ground. Environ., 19(4), 1-11. 

  20. Lee, J.Y., Yi, M.J., Lee, J.M., Ahn, K.H., Won, J.H., Moon, S.H., and Cho, M., 2006, Parametric and non-parametric trend analysis of groundwater data obtained from national groundwater monitoring stations, J. Soil Groundw. Environ., 11(2), 56-67. 

  21. MOLIT (Ministry of Land, Infrastructure and Transport), 2011, Analysis report for long-term measured data from the national groundwater monitoring network in the Yeongsan and Seomjin River Basins, 211 p. 

  22. MOLIT (Ministry of Land, Infrastructure and Transport), 2014, Annual report for national groundwater monitoring network in Korea, 738 p. 

  23. Park, E., 2012, Delineation of recharge rate from a hybrid water table fluctuation method, Water Resources Research, 48(7), W07503. 

    상세보기

  24. Park, E. and Parker, J.C., 2008, A simple model for water table fluctuations in response to precipitation, J. Hydrol., 365(3-4), 344-349. 

  25. Park, J.Y., Yoo, J.Y., Lee, M., and Kim, T.W., 2012, Assessment of drought risk in Korea: Focused on data-based drought risk map, J. Korean Soc. Civil Eng. B, 32(4B), 203-211. 

    원문보기 상세보기 crossref

  26. Rasmussen, C.E., 2004, Gaussian processes in machine learning. In: Bousquet, O., von Luxburg, U. and Ratsch, G. (eds.), Adv. Lect. Mach. Learn., Springer, Berlin, p. 63-71. 

  27. Rasmussen, C.E. and Williams, C.K.I., 2006, Gaussian Processes for Machine Learning, The MIT Press, Cambridge, 266 p. 

  28. Sun, A.Y., Wang, D., and Xu, X., 2014, Monthly streamflow forecasting using Gaussian Process Regression, J. Hydrol., 511, 72-81. 

    상세보기 crossref

  29. Yang, J.S., Park, J.H., and Kim, N.K., 2012, Development of drought vulnerability index using trend analysis, J. Korean Soc. Civil Eng. B, 32(3), 185-192. 

    원문보기 상세보기 crossref

  30. Yi, M.J., Kim, G.B., Sohn, Y.C., Lee, J.Y., and Lee, K.K., 2004, Time series analysis of groundwater level data obtained from national groundwater monitoring stations, J. Geol. Soc. Korea, 40(3), 305-329. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로