Earticle

수공구조물의 설계를 위한 확률강우량의 산정방법은 크게 지점빈도해석과 지역빈도해석으로 구분된다. 일반적으로 확률강우량은 대상유역에 위치하는 강우관측소에서 관측된 강우량자료를 지점빈도해석으로 추정하게 된다. 지점빈도해석을 통한 확률강우량을 산정하기 위해서는 충분한 기간 동안의 관측된 강우량자료의 확보가 필수적이라 할 수 있으나 관측자료의 부족으로 인해 매개변수의 편의가 발생할 수 있다. 따라서 부족한 강우자료를 보완하고 안정적인 확률강우량을 산정하기 위한 방안으로 지역빈도해석이 추천되어지고 있다. 따라서 본 연구에서는 우리나라 강우관측소의 위치 및 시간강우량 특성을 이용한 군집분석을 수행하여 강우관측소를 군집화 하였다. 군집화 된 강우관측소를 대상으로 L-moment 법을 통해 산정한 매개변수를 이용하여 각각의 지역별로 불일치성 및 이질성 검정을 통한 지역구분을 수행하여 우리나라 강우관측소를 6개 지역으로 구분하였다. 구분된 지역별로 L-moment 법, 지수홍수법 및 변동핵밀도함수를 적용한 지역빈도해석을 수행하여 각각 확률강우량을 산정하여 비교하였다. 분석결과에서 변동핵밀도함수를 이용한 지역빈도해석은 다른 기법에서 적합한 확률분포형 결정이 어려운 경우 등에 충분히 활용할 수 있는 것으로 나타났다.

The techniques to calculate the probability precipitation for the design of hydrological projects can be determined by the point frequency analysis and the regional frequency analysis. Probability precipitation usually calculated by point frequency analysis using rainfall data that is observed in rainfall observatory which is situated in the basin. Therefore, Probability precipitation through point frequency analysis need observed rainfall data for enough periods. But, lacking precipitation data can be calculated to wrong parameters. Consequently, the regional frequency analysis can supplement the lacking precipitation data. Therefore, the regional frequency analysis has weaknesses compared to point frequency analysis because of suppositions about probability distributions. In this paper, rainfall observatory in Korea did grouping by cluster analysis using position of timely precipitation observatory and characteristic time rainfall. Discordancy and heterogeneity measures verified the grouping precipitation observatory by the cluster analysis. So, there divided rainfall observatory in Korea to 6 areas, and the regional frequency analysis applies index-flood techniques and L-moment techniques. Also, the probability precipitation was calculated by the regional frequency analysis using variable kernel density function. At the results, the regional frequency analysis of the variable kernel function can utilize for decision difficulty of suitable probability distribution in other methods.

The purpose of this paper is to propose the kernel density estimator and the jackknife kernel density estimator in the presence of k's unidentified outliers, and to compare the small sample performances of the proposed estimators in a sense of mean integrated square error(MISE).

The Bergman kernel is closely connected to mapping problems in complex analysis. For example, the Riemann mapping function is witten down in terms of the Bergman kernel. Hence, information about the bergman kernel gives information about mappings. In this note, we prove the following theorem.

As the number of care hospitals increasing and the competition thereof becoming hospitals have been closing their business. Under such a circumstance, selecting a pr ospeevre lroec, astioo nm iasn ycr uccairael tcoo ntshidee rs ttahbel es poapceer adtisiotnri bouft iocna rbee thwoesepnit adlesm. aInnd saenlde cstuinpgp lylo acalotniogn sw, itiht thhaes acbceeesns ibinilcirtyea osfin tghlye diemmpaonrtdaenrts toof theA gmaeindsict alt hsise rvbiacceksd. rop, this study analyzes the location selecting factors by using the kernel density fthuen ctmioend iacnaal lyasnids caanrde thsee rLviIcSeAs asnuaflfyicsiiesn btlays etdo otnh eG IlSev. eWl ew ehxicahm mineede tsw htehteh edre mexainsdti nign ctahree lhoocsapl itcaolsm mpruonviitdye, aimFiinrgst ,a te vreenv eiafl itnhge tphoep ufalacttioorns oivnfelru e6n5c inyge atrhse w shuop palrye atnhde dmeamina ndde mofa ncda rger ohuops pfiotra lsc.are hospitals increases rpahpeindolym, etnhae asruep polbys eorfv ceadr ein h osospmitea lasr emaasy. Bineccraeuassee tehvee ns umppolrye oraf pciadrlye. hTohsupsit awlse h aesx abmeienne cwohnectehnetrr aotevde rsounp tphlye abreetawse ewnh edreem tahned gaennde raslu phpolsyp itaaplp eisa rlso.c aEtexdc ensesiavreb yc owmitphe tciotinovne naienndt upnudbilfifce rternantisapteodrt amtioendsic, atl hes edrvisicceosrd, aanncde degSreacdoinndg, owf et hfeo uqnuda litthya to ft hme esduicpapll ys edroviecse sn otth emreeoeft, hthaev ed ebmeeann dle apdairntigc utloa rslyh uitnti ntgh ed oewasnt eorfn cpaarert hoofs pSiteaolusl. hwohseprietaals ltohcea tdieomn amndig ihnt trheiss ualtr eian hhaus gien ccreoasstse,d . Aensv oirnoen mofe nthtael mdoamsta cgreisti,c aaln dp obliucdiegse,t calorsesleesss. dTehceisreiofno roen tthhies tsotutadly siunpdpiclya teosf cthaaret shyosstpeimtaalst icb ylo creatgiioonn dwishtircihb uttaiokne sm tehaes udreems aanrde irnetqou icroends, idseurcaht ioans itnh eo rrdeesrt ritcot iosno lvoef tthhee regional imbalance of space distribution of care hospitals.

생산성을 증대시키는 기술의 발달로 상업적인 생산이 가능해진 비전통 가스에 대한 개발이 북미를 중심으로 진행되고 있다. 셰일 저류층은 유체투과도가 낮으며, 일반적인 석유자원과 달리 수압파쇄로부터 생성된 균열을 통해 가스 생산이 이루어지므로 초기의 생산 감퇴율이 큰 반면 후반부에서는 감퇴하는 변화율이 매우 작은 특징을 나타낸다. 이러한 셰일가스의 생산량 변동성으로 인해 단일 예측값을 산출하는 생산감퇴곡선분석기법을 생산량 자료 분석에 적용할 경우 불확실성을 고려하기 어렵다. 이 연구에서는 미국 Eagle Ford 지역의 생산정 자료에 대하여 확률론적 기법 중 하나인 몬테카를로 시뮬레이션을 적용하였으며, 생산감퇴곡선인자에 대한 난수발생 시 핵밀도 함수를 활용하여 분포에 대한 가정 없이 자료의 특성을 반영한 확률분포를 도출하였다. 또한, 일반적으로 사용되고 있는 Arps 쌍곡선함수와 치밀/셰일층의 특성을 고려하여 생산량 예측이 가능한 Modified SEPD 적용에 있어 단일값이 아닌 확률에 따른 궁극가채량을 예측함으로써 불확실성을 최소화하고자 하였다.

The commercial development of unconventional gas is pursued in North America because it is more feasible owing to the technology required to improve productivity. Shale reservoir have low permeability and gas production can be carried out through cracks generated by hydraulic fracturing. The decline rate during the initial production period is high, but very low latter on, there are significant variations from the initial production behavior. Therefore, in the prediction of the production rate using deterministic decline curve analysis(DCA), it is not possible to consider the uncertainty in the production behavior. In this study, production rate of the Eagle Ford shale is predicted by Arps Hyperbolic and Modified SEPD. To minimize the uncertainty in predicting the Estimated Ultimate Recovery(EUR), Monte Carlo simulation is used to multi-wells analysis. Also, kernel density function is applied to determine probability distribution of decline curve factors without any assumption.

Some results relating to $C_{0}(R)\;and\;L^{1}(R)$ spaces with application to kernel density estimators will be introduced. First, random elements in $C_{0}(R)\;and\;L^{1}(R)$ are discussed. Then, complete convergence limit theorems are given to show that these results can be used in establishing uniformly consistency and $L^{1}$ consistency.

본 논문에서는 비지도학습 모델인 오토인코더와 가우시안 커널 밀도 추정 함수를 이용하여 차량용 CAN 네트워크에서 비정상적인 데이터를 탐지하는 방안을 제안한다. 제안하는 오토인코더 모델은 정상 데이터에서 CAN 프레임의 ID만으로 학습시킨다. 이후 가우시안 커널 밀도 추정 함수를 이용하여 구한 최적의 프레임 개수와 손실 임계값을 가지는 모델을 사용하여 비정상 데이터를 효과적으로 탐지한다. DoS 공격, Gear 스푸핑 공격, RPM 스푸핑 공격, Fuzzy 공격 등 4가지 공격 데이터로 오토인코더 기반 IDS를 검증하였으며 성능을 평가하였다. 기존 비지도학습 기반 모델들과 비교했을 때 우수한 성능을 나타냈으며 모든 평가 지표에서 99% 이상의 성능을 나타냈다.

This paper proposes an approach to detect abnormal data in automotive controller area network (CAN) using an unsupervised learning model, i.e. autoencoder and Gaussian kernel density estimation function. The proposed autoencoder model is trained with only message ID of CAN data frames. Afterwards, by employing the Gaussian kernel density estimation function, it effectively detects abnormal data based on the trained model characterized by the optimally determined number of frames and a loss threshold. It was verified and evaluated using four types of attack data, i.e. DoS attacks, gear spoofing attacks, RPM spoofing attacks, and fuzzy attacks. Compared with conventional unsupervised learning-based models, it has achieved over 99% detection performance across all evaluation metrics.