최근 몇 년간 전 세계에 걸쳐 폭풍우와 관련한 자연재해는 그 규모와 빈도에 있어서 상당히 증가하고 있는 추세다. 특히, 우리나라는 강수의 대부분이 여름철에 집중되어 있어 이러한 태풍, 폭우 그리고 국지성 집중호우 등과 같은 자연재해로 인한 피해가 더욱 심각하다. 이러한 현상은 대기 중 이산화탄소 농도의 증가로 인한 지구온난화와 엘리뇨 등으로 인하여 앞으로도 더욱 빈번해질 것으로 전망된다. 따라서 이와 같은 폭풍우로 인한 피해를 줄이기 위하여 본 연구에서

GPD 모형은 수문학 극치확률량 해석에 주로 적용되어 왔다. 극치 통계의 주목적은 드문 사상의 예측이며, 주요 문제점으로는 임계값 또는 임계값 초과치들에 대한 정확한 산정방법이 없어 그 추정이 매우 어렵다는 것이다. 본 연구에서는 임계값 또는 임계값 초과치들을 산정하기 위하여 4가지 방법을 적용하였다. 그 비교를 위하여 GPD 모형에 적용하여 7개의 지속시간(1, 2, 3, 6, 12, 18 및 24시간)과 10개의 재현기간(2, 3, 5, 10, 20

본 논문에서는 대수-선형 파손율 모형(log-linear ROCOF)과 와이블 파솔율 모형(Weibull ROCOF)을 이용하여 상수도 주철 배수관로의 파손율을 모형화하고, '수정된 시간 척도'를 이용하여 최적교체시기를 산정할 수 있는 방법이 개발되었다. 두 ROCOF의 모형화를 위하여 개별 관로의 파손시간을 기록한 '파손 시간자료(failure-time data)'와 일정 시간간격 사이에서 발생하는 파손횟수를 기록한 '파손 횟수자료(failure-nu

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성 영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

침식률 측정장치인 SEDFLYME을 사용하여 직접 측정한 침식률 자료를 이용하는 퇴적물 수송에 관한 2차원 모형이 개발되었다. 개발된 모형은 현장 적용성을 높이기 위하여 경계밀착좌표계를 수평방향에 대해 사용하며, 퇴적물 이동 모의시 침식률 산정에서 불확실성을 줄이기 위해 침식률 측정자료를 직접 사용한다. 개발된 모형은 부유사와 소유사 이동을 모두 고려한다. 모형의 정확성을 검토하기 위하여 1차원 수로에서 장갑화 현상을 모의하고 실험자료와 비교하였다. 비

As the tideland reclamation is done on a large scale these days, construction work is active in the coastal areas. Facilities in the coastal areas must be built with the tide characteristics taken into consideration. Thus the tide characteristics affect the overall reclamation plan. The analysis of the tide data boils down to a harmonic analysis of the hourly changes of long-term tide data and extraction of unharmonic coefficients from the results. Since considerable amount of tide data for the West Coast are available, the existing data can be collected and can be used to obtain the temporal changes of the tide by being fitted into the tide prediction model. The goal of this thesis lies in assessing whether the mean sea level used in the field agrees with the analysis results from the long-term observation data obtained with their homogeneity guaranteed. To achieve this goal, the research was conducted as follows. First the present conditions of the observation stations, the land level standard, and the sea level standard were surveyed to derive a vertical standard. Then the causes for the changes in the mean sea level were analyzed to set up a time series model formula for representing them. To secure the homogeneity of the time series, each component was separated. Lastly the mean sea level used in the field was assessed based on the results obtained from the analysis of the time series.

For the prediction of multi-site rainfall with radar data and ground meteorological data, a rainfall prediction model was proposed, which uses the neural network theory, a kind of artifical intelligence technique. The input layer of the prediction model was constructed with current ground meteorological data, their variation, moving vectors of rainfall field and digital terrain of the measuring site, and the output layer was constructed with the predicted rainfall up to 3 hours. In the application of the prediction model to the Pyungchang river basin, the learning results of neural network prediction model showed more improved results than the parameter estimation results of an existing physically based model. And the proposed model comparisonally well predicted the time distribution of rainfall.