• AI글쓰기 2.1 업데이트
PARTNER
검증된 파트너 제휴사 자료

신경망모형에 의한 홍수위예측의 신뢰성분석Ⅱ. 입력자료의 불확실성 해석

한국학술지에서 제공하는 국내 최고 수준의 학술 데이터베이스를 통해 다양한 논문과 학술지 정보를 만나보세요.
9 페이지
기타파일
최초등록일 2025.04.28 최종저작일 2005.11
9P 미리보기
신경망모형에 의한 홍수위예측의 신뢰성분석Ⅱ. 입력자료의 불확실성 해석
  • 미리보기

    서지정보

    · 발행기관 : 대한토목학회
    · 수록지 정보 : 대한토목학회 논문집B / 25권 / 6호 / 483 ~ 491페이지
    · 저자명 : 김성원

    초록

    본 연구에서는 선행연구에서 낙동강 위천유역의 최하류지점인 무성지점(No.1)에서 홍수위예측을 위하여 개발한 엘만이산순환신경망모형(EDRNNM)의 입력자료의 불확실성을 제거하기 위하여 민감도분석을 이용하였다. 불확실성분석은 각 입력자료의 변동율에 따른 출력값의 변동율을 계산하여 민감도수준을 결정함으로써 수행되었다. 동곡지점(No.5)이 위천유역의 다른 지점과 비교하여 상대적으로 민감도가 가장 떨어지는 것으로 나타났으며, 초기에 선택된 5개의 입력층 노드로부터 동곡지점(No.5)을 제거하여 입력층 노드수 4개인 개선된 EDRNNM을 구성하였다. 개선된 EDRNNM의 훈련 및 검증과정을 통하여 입력층 노드수가 5개인 EDRNNM의 분석결과와 비교할 때 홍수위예측 정도는 감소하지 않는 것으로 나타났으며, 개선된 EDRNNM을 이용한 홍수위예측의 신뢰성은 높은 것으로 나타났다. 그리하여 선행연구와 본 연구를 통하여 EDRNNM의 구조적 및 입력자료의 불확실성을 제거하여 가장 최적의 EDRNNM 즉 개선된 EDRNNM이 제시되었으며, 수문학자 혹은 수문기술자들이 불필요한 자료의 수집을 줄이고, 낮은 비용과 같은 경제적인 효과로서 홍수위예측 시스템의 운영을 가능하게 하였다.

    참고자료

    · 없음
  • 자주묻는질문의 답변을 확인해 주세요

    해피캠퍼스 FAQ 더보기

    꼭 알아주세요

    • 자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다.
      자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다.
      저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객센터의 저작권침해 신고센터를 이용해 주시기 바랍니다.
    • 해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
      파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치
      파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우

“대한토목학회 논문집B”의 다른 논문도 확인해 보세요!

문서 초안을 생성해주는 EasyAI
안녕하세요 해피캠퍼스의 20년의 운영 노하우를 이용하여 당신만의 초안을 만들어주는 EasyAI 입니다.
저는 아래와 같이 작업을 도와드립니다.
- 주제만 입력하면 AI가 방대한 정보를 재가공하여, 최적의 목차와 내용을 자동으로 만들어 드립니다.
- 장문의 콘텐츠를 쉽고 빠르게 작성해 드립니다.
- 스토어에서 무료 이용권를 계정별로 1회 발급 받을 수 있습니다. 지금 바로 체험해 보세요!
이런 주제들을 입력해 보세요.
- 유아에게 적합한 문학작품의 기준과 특성
- 한국인의 가치관 중에서 정신적 가치관을 이루는 것들을 문화적 문법으로 정리하고, 현대한국사회에서 일어나는 사건과 사고를 비교하여 자신의 의견으로 기술하세요
- 작별인사 독후감
  • 전문가요청 배너
해캠 AI 챗봇과 대화하기
챗봇으로 간편하게 상담해보세요.
2025년 12월 01일 월요일
AI 챗봇
안녕하세요. 해피캠퍼스 AI 챗봇입니다. 무엇이 궁금하신가요?
1:57 오전