초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

주된 물관리 시설의 신뢰성 있는 운영 계획의 수립을 위하여 충분한 길이의 유입량을 확보하는 것은 중요하나 현실적으로 제한된 관측 자료만 존재한다. 본 연구에서는 충분한 길이의 유입량을 생성하기 위하여 유입량의 모의 방법론을 제안하고자 한다. 제안하는 모형은 크게 3가지의 방법론을 기반으로 한다. 첫 번째는 연 유입량과 월 유입량의 생성단계로 Wavelet 기반으로 Autoregressive-moving-average(ARMA)을 적용할 것이다. 다음으로 일 유입량의 생성에 있어서 과거 관측값을 기반으로 한 Z-Score-based jittering 방법론을 적용할 것이다. 이렇게 각각 생성된 연 유입량, 월 유입량 그리고 일 유입량을 K-Nearest Nedighbors (K-NN) 방법론을 이용하여 최종 유입량을 결정하고자 한다. 생성된 유입량의 유용성을 판단하기 위하여 본 연구에서는 단기와 장기에서의 시계열의 지속성을 허스트 지수와 상관계수를 사용하여 검증할 것이며 이를 과거 관측치와 비교하고자 한다. 또한 각각의 연, 월, 일별의 기준으로 주요 통계치인 평균과 표준편차를 과거 관측 시계열의 통계치와 비교하여 그 유용성을 판단할 것이다.

주된 물관리 시설의 신뢰성 있는 운영 계획의 수립을 위하여 충분한 길이의 유입량을 확보하는 것은 중요하나 현실적으로 제한된 관측 자료만 존재한다. 본 연구에서는 충분한 길이의 유입량을 생성하기 위하여 유입량의 모의 방법론을 제안하고자 한다. 제안하는 모형은 크게 3가지의 방법론을 기반으로 한다. 첫 번째는 연 유입량과 월 유입량의 생성단계로 Wavelet 기반으로 Autoregressive-moving-average(ARMA)을 적용할 것이다. 다음으로 일 유입량의 생성에 있어서 과거 관측값을 기반으로 한 Z-Score-based jittering 방법론을 적용할 것이다. 이렇게 각각 생성된 연 유입량, 월 유입량 그리고 일 유입량을 K-Nearest Nedighbors (K-NN) 방법론을 이용하여 최종 유입량을 결정하고자 한다. 생성된 유입량의 유용성을 판단하기 위하여 본 연구에서는 단기와 장기에서의 시계열의 지속성을 허스트 지수와 상관계수를 사용하여 검증할 것이며 이를 과거 관측치와 비교하고자 한다. 또한 각각의 연, 월, 일별의 기준으로 주요 통계치인 평균과 표준편차를 과거 관측 시계열의 통계치와 비교하여 그 유용성을 판단할 것이다.

이 논문을 인용한 문헌

더보기