선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 6)로 제시되는데 최대의 적합도가 나타나는 침수예상도 차원이 배수분구 별로 상이하게 나타나, 최대의 예측력을 구현하는데에 적합한 차원을 파악하고자 한다. 24개의 배수분구에 대한 침수예측 모형의 선행적 결과 검토를 통해 추후 다른 배수분구에 대하여 개선된 침수예측 모형을 구축하기 위한 기초자료로서 사용하고자 한다.
- 시계열 형태의 외생변수를 이용한 선형 자기회귀모형에 기반 하였으며, 시계열 형태의 입력 자료에 대해 높은 학습력을 가진다. 각 배수분구에서 강우사상에 따른 맨홀 지점별 누적월류량을 예측하기 위하여 사용되었다. 이뿐만 아니라 추가적인 업데이트 과정을 통하여 각 배수 분구 별 월류가 빈번히 발생하는 주요 맨홀 지점을 탐색하는 기능을 탑재하였다.
- 즉 주어진 자료를 군집 (cluster) 이라는 그룹으로 나누는 작업으로 볼 수 있다. 동일한 군집에 있는 자료는 매우 유사한 특성 또는 패턴을 보이며, 상이한 군집에 있는 자료 간에는 구분이 되도록 자료를 나누는 것이 주요 목표이다. 군집 분석에 대한효과는 자료에 대한 처리 목표에 따라 크게 달라질 수 있다.
- 본 연구에서 24개 배수분구에 대한 침수예측모형의 예측력을 파악하고자 하였다. 또한 SOM을 통한 최적의 침수예상도 차원은 3가지(4 < 4, 5 ■: 5, 6 . 6)로 제시되는데 최대의 적합도가 나타나는 침수예상도 차원이 배수분구 별로 상이하게 나타나, 최대의 예측력을 구현하는데에 적합한 차원을 파악하고자 한다. 24개의 배수분구에 대한 침수예측 모형의 선행적 결과 검토를 통해 추후 다른 배수분구에 대하여 개선된 침수예측 모형을 구축하기 위한 기초자료로서 사용하고자 한다.
- 본 연구에서 24개 배수분구에 대한 침수예측모형의 예측력을 파악하고자 하였다. 또한 SOM을 통한 최적의 침수예상도 차원은 3가지(4 < 4, 5 ■: 5, 6 .
- 본 연구에서 SOMe 2차원 침수지도를 예측하기 위한 최적의 차원을 가지는 침수예상도 데이터셋을 구성하기 위하여 사용되었다. 최적의 침수 예상도 차원은 4 - 4, 5 - 5 그리고 6 .
- 자기조직화 신경망 결과들을 이용하여, 다양한 강우 조건을 고려하여 연구 대상 지역 내에서 분류된 최적 2차원 침수지도 데이터 세트를 구성하였고, 이 작업과 병렬적으로 수행 되어진 지점별 누적월류량 예측 결과와 연계하여 2차원 내수 침수예측을 실시하고자 하였다. 2010년 9월 21일 집중호우와 2011년 7월 27일의 집중호우에 대하여 2차원 내수침수 예측을 실시하였다.
가설 설정
- (1) 입력벡터 자료가 어느 곳에 편중이 될 경우, 출력벡터 자료역시 편중되어 나온다. 예를 들어 유출량 입력 자료가 홍수기에 편중이 될 경우, 사용자가 지정한 차원 내에서 출력벡터 역시 홍수기에 편중 되어 나타난다.
- (2) 입력벡터 자료 수가 충분해야 한다. 그렇지 못하면 사용자가 원하는 출력벡터의 차원에 한계가 생긴다.
- (2) 특정 벡터가 주어지면 어떤 차원에서도 사용이 된다. 즉, 고차원에서 저차원뿐만 아니라 저차원에서 고차원의 자료를 구성 할 수 있다.
- (3) 각 자료간에 가중치는 동일하다고 가정된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.