컨테이너 물동량 예측은 항만과 항만의 개발에 있어서 매우 중요하다. 일반적으로 이동평균법, 지수평활법, 회귀분석과 같은 통계적인 방법들은 물동량 예측에서 많이 사용되어졌다. 하지만, 컨테이너 물동량 예측에 영향을 주는 여러 가지 요소들을 고려해 보면 다중병렬처리시스템인 신경망을 이용하는 것이 효과적이다. 본 연구는 신경망의 역전파학습알고리즘을 이용하여 컨테이너 활동량을 예측하였다. 신경망을 이용하여 영향력 있는 요소들을 선별하였으며, 선별된 요소들을 이용하여 물동량 예측을 하였다. 또한 제안된 신경망 알고리즘과 통계적인 방법의 예측들을 비교하였다.

This study was carried out to evaluate the artificial neural network algorithm for water quality forecasting in Chungju lake, north Chungcheong province. Multi-layer perceptron(MLP) was used to train artificial neural networks. MLP was composed of one input layer, two hidden layers and one output layer. Transfer functions of the hidden layer were sigmoid and linear function. The number of node in the hidden layer was decided by trial and error method. It showed that appropriate node number in the hidden layer is 10 for pH training, 15 for DO and BOD, respectively. Reliability index was used to verify for the forecasting power. Considering some outlying data, artificial neural network fitted well between actual water quality data and computed data by artificial neural networks.

수질 인자들은 다양하고 관계가 복잡하여 수질 변화를 예측하는데 많은 어려움이 있다. 따라서 입력과 출력이 비교적 용이하고 비선형 예측에 적합한 신경망 모형을 이용하여 금강유역 공주지점의 DO, BOD, TN에 대한 월수질 예측을 수행하고 ARIMA 모형과 비교하여 적용 가능성을 검토하였다. 사용된 신경망 모형은 학습을 위해 BP(Back Propagation) 알고리즘을 적용하였으며 학습을 향상시키기 위한 모멘트-적응학습율(Moment-Adaptive

본 연구에서는 중소하천수계에서 수문학적 예측을 위하여 Hybrid Neural Networks의 일종인 반경기초함수(RBF) 신경망모형이 적용되었다. RBF 신경망모형은 4종류의 매개변수로 구성되어 있으며, 지율 및 지도훈련과정으로 이루어져있다. 반경기초함수로서 가우스핵함수(GKF)가 이용되었으며, GKF의 매개변수인 중심과 폭은 K-Means 군집알고리즘에 의해 최적화 된다. 그리고 RBF 신경망모형의 매개변수인 중심, 폭, 연결강도와 편차벡터는 훈련

통합저류함수모형을 IHP 대표유역인 위천과 보청천유역 그리고 대유역인 남한강유역과 낙동강유역의 강우-유출사상에 적용하여 모형의 타당성을 검토하였다. 제안된 모형에 의한 예측 결과와 관측치를 비교해 볼 때 전체적인 수문곡선의 재현성 및 첨두홍수량의 예측에 있어서 상당히 우수한 결과를 나타내었다. 그러나 첨두홍수 발생시간에서는 퍼지제어의 효과로 인해 다소 오차가 발생하였다. 또한 상류단 유입량이 잔유역 유입량에 비하여 상당히 큰 경우에는 충분한 예보선행시간

본 논문에서는 홍수유출의 해석·예측을 위한 홍수추적 모형으로서 현재 국내에서 널리 이용되고 있는 저류함수모형을 개선하였다. 유출 해석의 정확성에 가장 큰 영향을 미치는 요인 중의 하나인 매개변수 산정에 최적화기법을 도입하여 기존의 경험식 등에 의한 매개변수 결정의 비객관성을 개선하였으며, 결정된 매개변수들을 시변성으로 취급하고 이의 실시간 자동보정에 퍼지제어를 사용하여 시간에 따른 유역의 변동 특성에 적절히 대응 할 수 있도록 하였다. 또한 홍수유출 해

본 연구에서는 낙동강 진동지점에서 일유출량을 예측하기 위하여 신경망모형이 제시되었다. 신경망모형의 구조는 CASE 1(5-5-1)과 CASE 2(5-5-5-1)로 구성하였으며, 은닉층의 수에 따라 두 가지의 모형으로 분류하였다. 각 신경망모형은 광역최소점과 훈련임계치에 수렴하는데 기존의 역전파훈련 알고리즘(BP) 보다 뛰어난 Fletcher-Reeves 공액구배 역전파훈련 알고리즘(FR-CGBP)과 축적된 공액구배 역전파훈련 알고리즘(SCGBP)을 이용

본 연구는 하천에서 호우의 발생에 따라 하천 유출수문곡선을 예측코자 블랙박스모형의 신경망이론을 적용하여 수문학적인 문제를 규명하고자 하였다. 이를 위해 신경망 이론 중 Levenverg-Marquardt 방법에 의한 오차역전파 알고리즘과 Radial Basis Function Network(RBFN)를 이용하여 IHP 대표유역인 보청청유역에 수문곡선을 적용하여 선행유출량 예측과 미학습 유역의 적용성을 검토하였다. 그 결과 복잡하고 비선형적인 수문계의 강

본 연구의 목적은 하천에서의 실시간 범람위험도 해석을 위해서 DAMBRK 모형과 Kalman filter를 연계한 수치모형을 개발하는데 있다. 본 모형은 1차원 동역학 방정식의 비선형 유한차분 근사해인 음해법을 기본으로 하고 있다. 추계학적 추정법으로서 최적의 갱신 예측치를 얻기 위해 확장된 Kalman filter 기법을 사용하였다. 이 과정은 확정론적 모형에 의한 예측치를 Kalman filter gain factor에 의해 보정된 실시간 관측치와

본 연구는 낙동강수계인 위천 유역의 최하류 군위 지점에 대해 추계학적 모형인 Box-Jenkin의 승법 ARIMA 모형과 상태공간모형 이론적 토대로 하여 계절별 월 유출량을 모의하였다. 다변량 시계열 모형인 상태공간모형의 입력변수로 월 유효우량과 균등기간의 관측된 월 유출량을 사용하여 군위지점의 월 유출량을 예측한 결과 다변량 시계열 모형인 승법 ARIMA모형에 비하여 표준오차가 작게 나타났으므로, 유효우량과 유출량을 함께 이용하는 상태공간 모형을 이용

본 연구의 목적은 물리적 분포형 모형인 TOPMODEL의 국내 단일 유역에서의 홍수예보 능력을 검토하는데 있다. 이를 위해서 소양강댐 상류유역을 선정하였으며, 1990~1996년의 일 및 시 홍수사상을 선택하였다. 모형의 매개변수는 1990년의 일 호우사상을 이용하여 수동보정법으로 추정하였으며, 지형지수의 분포가 유출에 미치는 영향을 해석하였다. 모형의 매개변수 추정에 이용하지 않은 95년 및 96년 일 호우사상 및 90년, 95년, 96년 시 호우사상

수문변량 사이의 관계는 대부분 비선형 관계를 보이고 있다. 일반적으로 이런 비선형 관계는 어떤 선행하는 명백한 하나의 함수적인 형태로 표현할 수 없는 것이 일반적이다. 본 논문에서는, 비매개변수적 다변량 회귀분석 방법을 지역적으로 가중된 다항식을 이용하여 비선형 예상 함수를 추정하였다. 지역적으로 가중된 다항식은 추정치 각 점에서의 인접한 이웃자료를 가지고 목적 함수를 테일러 급수 확장을 통하여 고려하였다. 이런 비매개변수적 회귀분석을 실용성을 Grea

홍수예경보란 홍수예측시 적기에 홍수예경보를 발령하여 홍수피해를 경감시키고자 하는 방재활동의 일환으로 이는 홍수조절과정을 전제로 한다. 유역내에서 홍수조절을 직접 수행할 수 있는 곳은 홍수조절용량을 갖추고 있는 다목적 댐으로 홍수시 다목적 댐의 역할은 매우 중요하다고 할 수 있다. 홍수예경보시스템에서 이러한 다목적 댐의 저수지 운영과 관련된 부분의 바로 저수지 운영모듈이다. 본 연구에서는 한강홍수통제소에 구축된 저수지 운영모듈의 현황과 문제점을 고찰하여

The transfer function was introduced to establish the prediction method for the DO concentration at the intaking point of Kongju Water Works System. In the most cases we analyze a single time series without explicitly using information contained in the related time series. In many forecasting situations, other events will systematically influence the series to be forecasted(the dependent variables), and therefore, there is need to go beyond a univariate forecasting model. Thus, we must build a forecasting model that incorporates more than one time series and introduces explicitly the dynamic characteristics of the system. Such a model is called a multiple time series model or transfer function model. The purpose of this study is to develop the stochastic stream water quality model for the intaking station of Kongju city waterworks in Keum river system. The performance of the multiplicative ARIMA model and the transfer function noise model were examined through comparisons between the historical and generated monthly dissolved oxygen series. The result reveal that the transfer function noise model lead to the improved accuracy.

Statistical SO_2 forecasting technique by multiple regression analysis was designed and developed to predict SO_2 concentration in Wonju City. SO_2 concentration data measured from air pollution monitoring system and meteorological factors data such as : wind speed, atmospheric stability, surface temperature, relative humidity and precipitation were used in Wonju City during the 1996∼1997. As the results, correlation model for forecasting was well fitted with some parameters including minimum temperature, wind speed and the SO_2 concentration of the previous day.

This study was carried out to develop the stream water quality model for the intaking station of Kongju waterworks in the Keum River system. The monthly water quality(total nitrogen and total phosphorus) with periodicity and trend were forecasted by multiplicative ARIMA models and then the applicability of the models was tested based on 7 years of the historical monthly water quality data at Kongju intaking site. The parameter estimation was made with the monthly observed data. The last one year data was used to compare the forecasted water quality by ARIMA model with the observed one. The models are ARIMA(2,0,0)×(0,1,1)_12 for total nitrogen, ARIMA(0,1,1)×(0,1,1)_12 for total phosphorus. The forecasting results showed a good agreement with the observed data. It is implying the applicability of multiplicative ARIMA model for forecasting monthly water quality at the Kongju site.

본 논문의 목적은 다목적 저수지의 홍수유입량 예측을 위한 방법으로 병렬다중결선의 계층구조를 가진 신경망이론에 의하여 홍수시 불확실한 비선형시스템의 특성을 같는 저수지 유입량 예측모형을 개발하는 것이다. 신경망이론을 이용한 예측모형의 개발을 위하여 역전파 학습알고리즘을 사용하였으며 역전파 학습알고리즘 사용시 흔히 대두되는 지역최소값 문제와 수렴속도의 향상을 위해서 최적화기법인 경사하강법을 이용한 모멘트법과 경사하강법과 Gauss-Newton 방법을 이용한