http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : Alert Criteria (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
ANN 기반 도시침수 위험기준 예측 모델 개발 및 학습자료의 확장에 따른 영향 평가
강호선(Kang,Hoseon),조재웅(Cho,Jaewoong),이한승(Lee,Hanseung),황정근(Hwang,Jeonggeun),문혜진(Moon,Hyejin) 한국방재학회 2021 한국방재학회논문집 Vol.21 No.6
도시침수는 단기간 높은 강도의 집중호우에 의해 단시간에 발생하기 때문에 대응을 위해서는 신속하고 정확한 침수 예⋅경보가 필요하다. 선행연구에서 침수피해 통계기반의 도시침수 위험기준 산정 방법을 제시하고 침수 위험기준 예측을 위한 Neuro-Fuzzy 모델을 개발하였다. 최근 인공지능 기술의 발달로 다양한 인공지능 알고리즘의 활용도와 예측 정확성이 향상됨에 따라 도시침수 위험기준 예측에 적용하여 침수 위험기준의 정확성을 향상시키고자 한다. 따라서 본 연구에서는 Artificial Neural Network (ANN) 알고리즘을 이용하여 침수 위험기준을 예측하고;학습자료의 확장 기법 적용을 통한 영향을 분석하였다. ANN 모델의 예측 성능은 RMSE 3.39~9.80 mm;학습자료 확장을 통해 모델 성능은 RMSE 1.08~6.88 mm로 29.8~82.6% 개선되는 것을 확인하였다. Urban flooding occurs during heavy rains of short duration;so quick and accurate warnings of the danger of inundation are required. Previous research proposed methods to estimate statistics-based urban flood alert criteria based on flood damage records and rainfall data;and developed a Neuro-Fuzzy model for predicting appropriate flood alert criteria. A variety of artificial intelligence algorithms have been applied to the prediction of the urban flood alert criteria;and their usage and predictive precision have been enhanced with the recent development of artificial intelligence. Therefore;this study predicted flood alert criteria and analyzed the effect of applying the technique to augmentation training data using the Artificial Neural Network (ANN) algorithm. The predictive performance of the ANN model was RMSE 3.39-9.80 mm;and the model performance with the extension of training data was RMSE 1.08-6.88 mm;indicating that performance was improved by 29.8-82.6%.
-
Neuro-Fuzzy 초기화 함수 및 학습자료 구성에 따른 도시침수 위험기준 예측 모델 개선
강호선(Kang, Hoseon),조재웅(Cho, Jaewoong),이한승(Lee, Hanseung),황정근(Hwang, Jeonggeun) 한국방재학회 2020 한국방재학회논문집 Vol.20 No.1
한국의 대도시는 주거 및 상가의 밀집도와 불투수율이 높고 유역경사가 급한 지형적 특징으로 집중호우 발생 시 단시간에침수가 발생하여 대응시간이 부족하므로 사전에 대비하기 위해서는 정확한 침수위험기준을 활용한 침수 예·경보가 필요하다. 선행연구에서는 피해이력이 없는 지역에 대한 침수위험기준을 예측하기 위해 유역특성을 고려한 Neuro-Fuzzy 모델을 개발하였으며, 실제 침수사상과 비교하여 적용성을 확인하였다. 그러나 학습자료의 수가 27개에 불과하여 모델 평가와 검증이 충분히이루어지지 않았으며, 적용범위에도 한계가 있었다. 본 연구에서는 Neuro-Fuzzy 알고리즘의 초기화함수, 학습자료 추가 구축및 전처리를 통해 모델을 개선하였다. 개선된 모델은 기존 모델에 비해 평균오차는 48.1∼65.4%, RMSE는 50.7∼60.1% 개선되었으며, 실제 침수사상과 비교한 결과에서도 약 0.7~19.1% 정확성이 개선되는 것으로 나타났다. In Korean metropolitan areas, the high density of residential and commercial buildings, highly impervious surfaces, and steep slopes contribute to floods that can occur within a short duration of heavy rainfall. To prepare for this, advance warning measures based on accurate flood alert criteria are needed. In our previous study, we demonstrated the applications of a Neuro-Fuzzy model that considersthe characteristics of the basin to predict flood alert criteria in areas with no damage. However, as the number of learning materials are low, at 27, the evaluation and verification of the model has not been sufficiently accomplished, and its application is limited. Therefore, in this study, we propose an improved model based on the initializing function of the Neuro-Fuzzy algorithm, the construction of training data, and preprocessing. Compared to the existing model, the improved model reduced the average error by 48.1%~65.4% and the RMSE by 50.7%~60.1%. The new model, when applied to actual floods, showed an improvement of 0.7%~19.1% in accuracy.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
