지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박은규
- 발행연도
- 2016
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The amount of groundwater related data is drastically increasing domestically from various sources since 2000. To justify the more expansive continuation of the data acquisition and to derive valuable implications from the data, continued employments of sophisticated and state-of-the-arts statistical tool in the analyses and predictions are important. In the present study, we employed a well established machine learning technique of Gaussian Process Regression (GPR) model in the trend predictions of groundwater level for the long-term change. The major benefit of GPR model is that the model provide not only the future trend but also the uncertainty regarding the predictions. In the study, the long-term prediction results of groundwater level from the stations of National Groundwater Monitoring Network belonging to Han River Basin will be exemplified as cases based on the GPR model. In addition, a few type of groundwater changes are delineated (i.e., increasing, decreasing, and no trend) based on the statistics acquired from GPR analyses. From the study, it is found that the model is well suited to groundwater level data and the employment of GPR analyses provide valuable information on current and future behaviors of groundwater levels.
목차
1. 서론 12. 연구 방법 42.1 GPR의 이론적 기반 42.2 연구 자료 62.3 지하수위 추세분석 및 변동유형 분류 72.4 지하수위와 강수량의 상관관계 93. 결과 및 고찰 104. 결론 26참고문헌 29부록 34Abstract 102
최근 본 자료
댓글(0)
0