http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
기상정보 및 태풍특성을 고려한 계절 강수량의 확률론적 모형 구축
권현한(Kwon Hyun-Han),문영일(Moon Young-Il) 대한토목학회 2007 대한토목학회논문집 B Vol.27 No.1B
최근 연구에 의하면 기상 등의 외부적 요인이 수문학적 빈도를 변화시킨다고 알려지고 있다. 그러나 전통적인 수문학적 빈도해석은 자료의 정상성을 전제로 하기 때문에 어떤 외부인자의 따른 영향을 고려할 수 없다. 이러한 관점에서 본 연구에 서는 계절강수량에 영향을 줄 수 있는 인자를 고려함과 동시에 이들 인자를 조건부로 하는 10년 빈도 강수량의 발생 확률을 계층적 Bayesian 다중 Logistic 분석을 통해 제시하였다. 해수면온도, GCM 예측 강수량, 태풍 특성치를 주요 외부인자로 고려하였으며 10년 빈도 이상의 계절강수량(5월-10월)과 본 연구에서 이용된 기상인자에 대해서 통계적으로 유의한 상관관계를 추정할 수 있었다. Bayesian 방법으로 추정된 사후분포를 토대로 판단해보면 서울 및 목포 지점 모두에서 상대적으로 열대성 저기압 지속시간과 해수면온도가 갖는 중요도가 상대적으로 크게 나타났다. 계층적 Bayesian Logistic 회귀분석을 이용하여 10년 빈도 이상의 강수량이 발생할 확률을 추정하였으며 서울과 목포 2지점 모두에서 93%의 정분류율(right classification rate)을 얻을 수 있었다. lt is now widely acknowledged that climate variability modify hydrological frequency. However, traditional hydrological frequency analysis is not able to consider the effects on the exogenous factors. Because a traditional assumption underlying flood frequency analysis is that the underlying stochastic process is stationary in time. With regard to these points, this study is not only to consider exogenous factors which can influence on seasonal rainfall but also to provide the occurrence probability of a 10-year return period rainfall by employing hierarchical Bayesian multiple logistic regression model. The sea surface temperature, the GCM ensemble rainfall prediction and the characteristics of typhoon which can affect Korea are considered as potential predictors. It was found that those predictors are significantly correlated with exceeding 10-year return period rainfall. Given posterior distributions of parameters from Bayesian approach, the low pressure depression time and the SSTs relatively play an important role in both Seoul and Mokpo. Hierarchical Bayesian logistic model shows good performance in terms of classifying extreme events. The model indicates that the right classification rate is approximately 93% in both Seoul and Mokpo.
권현(Hyun Kwon),김용철(Yongchul Kim) 한국정보보호학회 2021 情報保護學會誌 Vol.31 No.2
이미지 인식, 음성 인식, 텍스트 인식 등에서 딥러닝 모델이 좋은 성능을 보여주고 있다. 하지만 이러한 딥러닝 모델은 적대적 사례에 대하여 취약점을 갖고 있다. 적대적 사례는 원본 데이터에 최적의 노이즈를 추가하여 생성되며 사람이 보기에는 문제가 없지만 딥러닝 모델에 의해서 잘못 오인식되는 데이터를 의미한다. 적대적 사례에 대한 연구는 인공지능 분야와 보안 분야에서 관심을 받고 있으며 이미지, 음성, 텍스트 등으로 다양하게 연구가 진행 되고 있다. 이 연구에서는 적대적 사례에 대한 전반적인 기술 동향에 대해서 살펴보고자 한다.