The study of lake pollution problems is often related to the dynamic behavior of phosphorus. Several phosphorus models are available that may be suitable to study these problems. Depending on the the management objectives and data availability, some models may be more appropriate than others. Criteria are defined to help modelers choose the most appropriate total phosphorus models for different lakes. These criteria consider in-lake processes such as sediment feedback, stratification, and algal uptake and recycle.

지진예측을 위한 확률론적퍼지모형을 제안하였다. 제안원 모형은 지진발생에 대하여 부작위성 (randomness) 과 퍼 지니스( fuzziness )를 같이 사용하여， 기존의 확률론에 근거한 지진예측방볍을 개선할 수 있도록 하였다. 이 연구의 설과는 (a) 주어진 초과확률에 대한 지반가속도 또는 주어진 지반가속도에 대한 초과확률의 멤벼쉽함수와 (b) 멤써 쉽함수릎 대표할 수 있는 특성값 (characteristic value) 이다. 확률론적퍼지모형을 띠 놔 Utah 주의 Wasatch Front Range 의 자료에 적용하여 서로 다른 연간초파확률， 최대지반가속도에 대하여 지진도른 작성하였다

This study is designed to forecast the characteristics in food consumption patterns under per capita GNP growth. Ordinary least square(OLS)method was employed as analyzing technique. Equation was Y=a0+a1X, in which X was per capita GNP and Y were Engel coefficient, food supply, energy supply, nutrient intake and ratio of self-supply of food. The result obtained indicates that the intake of nutrient such as protein and fat will be increased, and wheat, corn and legume are expected to be imported wholly due to lower ratio of self-supply, and rice will be over-supplied continually. Therefore, the relevant policy of government must be established in the field of supply and demand of food, and the research of sound national health should be done.

항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

세계적인 장기경기침체 속에서 보다 정확한 물동량 예측은 항만정책 수행에 중요하다. 따라서, 본 연구에서는 부산항 컨테이너 물 동량(수출입화물과 환적화물)을 단변량 모형인 ARIMA 뿐만 아니라 인과관계가 있을 것으로 예상되는 경제규모(한국, 중국, 미국의 국내총생산), 금리수준 그리고 경기변동을 고려한 벡터자기회귀모형과 벡터오차수정모형을 활용하여 추정하고 비교하였다. 측정자료는 2014년 1월부터 2019년 8월까지 월별 부산항 컨테이너 물동량이다. 분석결과에 의하면, 수출입물동량 시계열은 비교적 안정적(stationary)이어서 VAR에 의해 추정하였고 환적화물은 불안정적(non-stationary)하지만, 경제규모, 금리 및 경기변동과 공적분(장기적인 균형관계)를 띠고 있어 VEC모형으로 추정하였다. 추정결과, 안정적인 수출입화물 추정에서는 단변량 모형인 ARIMA가 우수하고 추세가 있는 환적화물은 다변량모형인 VEC모형이 보다 예측력이 우수한 것으로 나타나고 있다. 특히 수출입화물은 우리나라 경제규모와 관련이 있고, 환적화물은 중국과 미국 경제규모와 밀접한 관련이 있다. 또한 중국 경제규모가 미국에 비하여 더 밀접하게 나타나고 있어 환적화물 증대전략에 시사점을 주고 있다.

Water resources planning and management are, more and more, becoming important issue for water use and flood control due to the population increase, urbanization, and climate change. In particular, the estimating and the forecasting inflow of dam is the most important hydrologic issue for flood control and reliable water supply. Therefore, this study forecasted monthly inflow of Soyang river dam using VARMA model and 3 machine learning models. The forecasting models were constructed using monthly inflow data in the period of 1974 to 2016 and then the inflows were forecasted at 12- and 24-month ahead lead times. As a result, the forecasted monthly inflows by the models mostly were less than the observed ones, but the peak time and the variation pattern were well forecasted. Especially, the VARMA model showed very good performance in the forecasting. Therefore, the result of this study indicates that the VARMA model can be used efficiently to forecast hydrologic data and also used to establish water supply and management plan.

Since climate change increases the risk of extreme rainfall events, concerns on flood management have also increased. In order to rapidly recover from flood damages and prevent secondary damages, fast collection and treatment of flood debris are necessary. Therefore, a quick and precise estimation of flood debris generation is a crucial procedure in disaster management. Despite the importance of debris estimation, methodologies have not been well established. Given the intrinsic heterogeneity of flood debris from local conditions, a regional-scale model can increase the accuracy of the estimation. The objectives of this study are 1) to identify significant damage variables to predict the flood debris generation, 2) to ascertain the difference in the coefficients, and 3) to evaluate the accuracy of the debris estimation model. The scope of this work is flood events in Ulsan city region during 2008-2016. According to the correlation test and multicollinearity test, the number of damaged buildings, area of damaged cropland, and length of damaged roads were derived as significant parameters. Key parameters seems to be strongly dependent on regional conditions and not only selected parameters but also coefficients in this study were different from those in previous studies. The debris estimation in this study has better accuracy than previous models in nationwide scale. It can be said that the development of a regional-scale flood debris estimation model will enhance the accuracy of the prediction.

운임시장의 심한 변동성과 시계열 데이터의 불안정성으로 해운시황 예측에 대한 연구가 큰 성과를 내지 못하고 있지만 최근 대표적인 비선형 모델인 기계학습모델을 적용한 연구들이 활발히 진행되고 있다. 대부분의 기존 연구가 계량모델의 설계단계에서 입력변수에 해당하는 요인들을 기존 문헌연구와 연구자의 직관에 의존하여 선정했기 때문에 요인선정에 대한 체계적인 연구가 필요하다. 본 연구에서는 케이프선 운임을 대상으로 단계적 회귀모형과 랜덤포레스트모델을 이용하여 중요 영향요인을 분석하였다. 해운시장에서 비교적 단순한 수급구조를 가져 요인파악이 용이한 케이프선 운임을 대상으로 하였으며 총 16개의 수급요인들을 사전 추출하였다. 요인간의 상호관련성을 파악하여 단계적 회귀는 8개 요인, 랜덤포레스트는 10개 요인을 분석대상으로 선정하였으며 선정된 변수를 입력변수로 하여 예측한 결과를 비교하였다. 랜덤포레스트의 예측성능이 아주 우수하였는데 수요요인이 주로 선정된 단계적 회귀분석과는 달리 공급요인이 비중 있게 선정되었기 때문인 것으로 판단된다. 본 연구는 운임예측 연구에 있어 운임결정요인에 대한 과학적인 근거를 마련하였으며 이를 위해 기계학습 기반의 모델을 활용하였다는데 연구적 의의가 있다. 또한 시장정보의 분석에 있어 실무자들이 어떤 변수에 중점을 두어야 하는지에 대해 합리적 근거를 제시한 측면에서 해운기업의 의사결정에 실질적 도움이 될 것으로 기대된다.

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상 으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측 을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축 할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

본 연구는 물리적 수리·수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당 댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교·분석을 수행한 결과, LSTM 모형의 최적의 성능을 내 는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실 측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

Unit load factor, which is used for the quantification of non-point pollution in watersheds, has the limitation that it does not reflect spatial characteristics of soil, topography and temporal change due to the interannual or seasonal variability of precipitation. Therefore, we developed the method to estimate a watershed-scale non-point pollutant load using seasonal forecast data that forecast changes of precipitation up to 6 months from present time for watershed-scale water quality management. To establish a preemptive countermeasure against non-point pollution sources, it is possible to consider the unstructured management plan which is possible over several months timescale. Notably, it is possible to apply various management methods such as control of sowing and irrigation timing, control of irrigation through water management, and control of fertilizer through fertilization management. In this study, APEX-Paddy model, which can consider the farming method in field scale, was applied to evaluate the applicability of seasonal forecast data. It was confirmed that the rainfall amount during the growing season is an essential factor in the non-point pollution pollutant load. The APEX-Paddy model for quantifying non-point pollution according to various farming methods in paddy fields simulated similarly the annual variation tendency of TN and TP pollutant loads in rice paddies but showed a tendency to underestimate load quantitatively.

The stability of the river in the restored river is an important issue in maintenance and management. Bed elevation change simulation can be an effective way to predict the direction of river restoration by predicting long and short term bed elevation change of river. A 2D numerical model (CCHE2D) was implemented to simulate the long-term bed elevation change. The study area is located in the Cheongmi-Cheon Notap-ri and 1.2 km long. The flow scenario was constructed using the flow data that was measured at the water level observatory located upstream at the Janghowon Bridge. The bed elevation change pattern according to restoration of abandoned channel was analyzed and the stability of river was evaluated.

This study used a quantile regression model and a non-homogeneous regression model to calibrate probabilistic forecasts of wind speed. These techniques were applied to the forecasts of wind speed over Pyeongchang area using 51-member European Centre for Medium-Range Weather Forecast (ECMWF). Reliability analysis was carried out by using rank histogram to identify the statistical consistency of ensemble forecasts and corresponding observations. The performances were evaluated by rank histogram, mean absolute error, root mean square error and continuous ranked probability score. The results showed that the forecasts of quantile regression and non-homogeneous regression models performed better than the raw ensemble forecasts. However, the differences of prediction skills between quantile regression and nonhomogeneous regression models were insignificant.

시계열 데이터를 활용하는 모형은 신뢰할 수 있는 자료를 확보한 경우에는 모형 구축이 용이하고 예측 선행 시간 확보를 위해 신속한 모의가 가능한 장점 때문에 규모가 작은 하천의 홍수예측 모형으로 고려할 수 있다. 이 중 Transfer Function Noise (TFN) 모형은 이탈리아, 영국 등 해외에서는 1970년대부터 시간단위 자료를 이용한 하천유량 예측에 적용되었으나, 우리나라에서는 주로 일 단위 혹은 월 단위의 하천유량 모의에 적용되었다. 국내 수문 자료의 품질 향상으로 그동안 축적된 수문자료를 통해 시간단위 자료를 이용한 홍수예측 모형의 구축 기반이 갖추어졌다. 본 연구의 목적은 소규모 하천을 대상으로 외생변수의 반영이 가능하고 동적시스템과 오차항을 결합하여 예측 오차를 줄이는데 용이한 TFN 모형을 구축하고 그 적용성을 검토하는 것이다. 이를 위해 1시간 단위 자료를 이용하여 TFN 모형을 구축하였으며 구축된 모형을 이용한 홍수 예측 결과를 홍수예보 실무에 활용 중인 저류함수모형의 홍수 예측 결과와 비교하였다. 비교 결과 홍수사상에 따라 TFN 모형과 저류함수 모형이 각각 더 나은 결과를 보이는 사상이 있었으며, 실무에서 TFN 모형을 홍수예측 모형으로 활용할 수 있을 것으로 판단하였다.

Purpose – This current study will investigate the average financial ratio of top and failed five-star hotels in the Jeju area. A total of 14 financial ratio variables are utilized. This study aims to; first, assess financial ratio of the first-class hotels in Jeju to establishing variables, second, develop distress prediction model for the first-class hotels in Jeju district by using logit analysis and third, evaluate distress prediction capacity for the first-class hotels in Jeju district by using logit analysis. Research design, data, and methodology – The sample was collected from year 2015 and 14 financial ratios of 12 first-class hotels in Jeju district. The results from the samples were analyzed by t-test, and the independent variables were chosen. This was an empirical study where the distress prediction model was evaluated by logit analysis. This current research has focused on critically analyzing and differentiating between the top and failed hotels in the Jeju area by utilizing the 14 financial ratio variables. Results – The verification result of the accuracy estimated by logit analysis has shown to indicate that the distress prediction model’s distress prediction capacity was 83.3%. In order to extract the factors that differentiated the top hotels in the Jeju area from the failed hotels among the 14 chosen, the analysis of t-black was utilized by independent variables. Logit analysis was also used in this study. As a result, it was observed that 5 variables were statistically significant and are included in the logit analysis for discernment of top and failed hotels in the Jeju area. Conclusions – The distress prediction press’ prediction capability was compared in this research analysis. The distress prediction press prediction capability was shown to range from 75-85% by logit analysis from a previous study. In this current research, the study’s prediction capacity was shown to be 83.33%. It was considered a high number and was found to belong to the range of the previous study’s prediction capacity range. From a practical perspective, the capacity of the assessment of the distress prediction model in the top and failed hotels in the Jeju area was considered to be a prominent factor in applications of future hotel appraisal.

This study suggests the yield forecast model for chilli pepper using artificial neural network. For this, we select the most suitable network models for chilli pepper’s yield and compare the predictive power with adaptive expectation model and panel model. The results show that the predictive power of artificial neural network with 5 weather input variables (temperature, precipitation, temperature range, humidity, sunshine amount) is higher than the alternative models. Implications for forecasting of yields are suggested at the end of this study.

This study suggests the yield forecast models for autumn chinese cabbage and radish using crop growth and development information. For this, we construct 24 alternative yield forecast models and compare the predictive power using root mean square percentage errors. The results shows that the predictive power of model including crop growth and development informations is better than model which does not include those informations. But the forecast errors of best forecast models exceeds 5%. Thus it is important to establish reliable data and improve forecast models.