메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술대회자료
저자정보
김성원 (동양대학교 철도토목학과)
저널정보
한국수자원학회 한국수자원학회 학술발표회 한국수자원학회 2009년도 학술발표회 초록집
발행연도
2009.1
수록면
1,215 - 1,218 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (15)

2010

추계학적 신경망 접근법을 이용한 수문학적 시계열의 모형화
김성원 ,  김정헌 ,  박기범 한국수자원학회 학술발표회 2010.01 학술대회자료
시간지체 순환신경망모형을 이용한 수문학적 모형화기법
김성원 한국수자원학회 학술발표회 2010.01 학술대회자료
신경망기법을 이용한 수문학적 분해모형
김성원 한국습지학회지 2010.01 학술저널

2009

신경망모형을 이용한 시간적 분해모형의 개발 2. 모의자료의 적용
김성원 한국수자원학회 학술발표회 2009.01 학술대회자료
신경망모형을 이용한 시간적 분해모형의 개발 3. 혼합자료의 적용
김성원 한국수자원학회 학술발표회 2009.01 학술대회자료
신경망모형을 이용한 시간적 분해모형의 개발 1. 실측자료의 적용
김성원 ,  김정헌 ,  박기범 한국수자원학회 학술발표회 2009.01 학술대회자료

2007

비선형 증발량 및 증발산량 시계열의 모형화를 위한 신경망-유전자 알고리즘 모형 2. 불확실성 분석에 의한 최적모형의 구축
김성원 ,  김형수 한국수자원학회논문집 2007.01 학술저널
비선형 증발량 및 증발산량 시계열의 모형화를 위한 신경망-유전자 알고리즘 모형 1. 모형의 이론과 적용
김성원 ,  김형수 한국수자원학회논문집 2007.01 학술저널
비선형 모형화를 위한 추계학 및 신경망이론의 통합운영
김성원 한국수자원학회 학술발표회 2007.01 학술대회자료

2006

주기성 추계학적 및 신경망모형을 연계한 수문시계열의 비선형 모의
김성원 ,  김형수 ,  강영복 외 1명 대한토목학회 학술대회 2006.10 학술대회자료

2005

생태수문학적 모형에 관한 고찰
김성원 대한토목학회 학술대회 2005.10 학술대회자료

2003

추계학적모형과 신경망모형을 연계한 병렬저수지군의 유입량산정
김성원 한국수자원학회논문집 2003.01 학술저널
입력자료의 불확실성에 따른 다목적 댐 유입량 해석기법
김성원 한국수자원학회 학술발표회 2003.01 학술대회자료

2002

SSNNM에 의한 다목적 댐군의 월평균유입량 산정
김성원 ,  조정석 대한토목학회 학술대회 2002.11 학술대회자료
추계학적 신경망 모형에 의한 다목적댐의 유입량산정
김성원 ,  조정석 ,  정재용 한국수자원학회 학술발표회 2002.01 학술대회자료

초록· 키워드

오류제보하기
The goal of this research is to apply the neural networks models for the disaggregation of the pan evaporation (PE) data, Republic of Korea. The neural networks models consist of generalized regression neural networks model (GRNNM) and multilayer perceptron neural networks model (MLP-NNM), respectively. The disaggregation means that the yearly PE data divides into the monthly PE data. And, for the performances of the neural networks models, they are composed of training and test performances, respectively. The training data consist of the mixed data The mixed data involves the historic data and the generated data using PARMA (1,1). And, the testing data consist of the only historic data, respectively. From this research, we evaluate the impact of GRNNM and MLP-NNM for the disaggregation of the nonlinear time series data. We should, furthermore, construct the credible data of the monthly PE data from the disaggregation of the yearly PE data, and can suggest the methodology for the irrigation and drainage networks system.
#Mixed Data #Pan Evaporation #Temporal Disaggregation Model #GRNNM #MLP-NNM

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0