1. Title & Journal
- A hybrid genetic-instance based learning algorithsm for CE-QUAL-W2 calibration.
Journal of Hydrology. 310 (2005) 122-142
2. Author's Background
- Avi Ostfeld*, Shani Salomons1.
* Department of Civil and Environmental Engineering, Technion-I.I.T, Haifa 32000 Israel
3. Summary.
- 이 논문은 CE-QUAL-W2모델에 'Hurdle Race'와 Hybrid Genetic k-Nearest Neighbor algorithm (GA-kNN)을 결합하여 모델의 보정을 제안한 논문입니다. 'hurdle race'는 CE-QUAL-W2모델이 시뮬레이션 되는 동안에 제안된 파라미터들을 수용 혹은 수용하지 않는 선택적 방법으로 공식화 되어있고, k-Nearest Neighbor algorithm (kNN)은 Genetic algorithm과 연결되어 거의 정확한 목적함수 응답에 관련되어 있음을 정의하고 있습니다. 방법론적으로 이 논문은 기존의 높은 non-applicable 과 컴퓨팅 노력을 극복하는 한편, 최종 보정의 질을 유지하는 것을 지향하고 있습니다. 결과를 얻기 위해서, 이 논문에서는 두 가지 경우의 예를 적용하여 기본적인 실행 및 민감도 분석을 실시하였는데, 첫째는 온도를 위해서 보정된 합성적 가상 example들과 나머지는 GA-kNN을 조정하기 위해 제공된 미국 Oregon 주의 온도와 용존산소에 관한 case study자료입니다. GA-kNN 알고리즘은 실행시간을 줄이는 한편 컴퓨팅 시간을 획기적으로 줄일 수 있었고, 순수 GA 이용자들에게 비슷한 결과를 제공하며 신뢰할 수 있다는 점을 보여주었습니다. 그리고 추가적인 통찰력과 보정과정에서의 유연성을 발견 할 수 있었습니다.
4. Result
이 논문은 W2 MODEL 시뮬레이션의 효율성의 측면에서 접근한 경향이 크다고 볼 수 있습니다. 요약에 언급한 대로, 유전알고리즘(GA)과 kNN 알고리즘을 접목한 GA-kNN 알고리즘을 이용하여 최적화된 파라미터들을 찾는 것과 유전알고리즘만을 이용하여 최적화된 파라미터들을 찾는 비교 연구는 GA-kNN 알고리즘을 이용할 때가 훨씬 시간을 절약할 수 있었습니다.
다음결과는 용존산소에 대한 GA-kNN알고리즘과 GA 알고리즘에 대한 각각의 결과를 보여줍니다.
이러한 결과들을 통해서 'hurdle race' 알고리즘을 이용해서 parameterization 한 결과는 GA알고리즘과 GA-kNN알고리즘을 이용한 비교연구에서의 차이를 확인 할 수 있습니다. 특히 그림2에서는 보정 후 CE-QUAL-W2모델 시뮬레이션이 보정하기 전의 결과값과 비교해서 실측데이터와 거의 유사한 패턴으로 접근하는 것을 확인할 수 있습니다.
5. Originality and Creativity
CE-QUAL-W2를 이용한 모델링을 아직 시도해 보지 않았기 때문에 연구적으로 큰 의미를 갖기 보다는 preview라고 생각하며 논문을 읽게되었습니다. 최적화된 파라미터들을 찾아내기 위한 방법으로 hurdle race라는 방법을 채택하여 컴퓨팅 속도와 테크닉을 향상시킬 수 있다는 내용에 공감할 수 있었습니다. 하지만 figure.1(The classification of a new chromosome by the K-Neartest Neighbor algorithm) 과 figure.2(Pseudo-code of the hybrid GA-kNN algorithm)을 참고하면, hurdle race는 복잡한 알고리즘 형성으로 초반 알고리즘 형성에 신중을 기해야 한다는 점이 눈에 띈다.
Reviewer : 박지환 (jhjeeh@gist.ac.kr)
Author's E-mail : A. Ostfeld(ostfeld@tx,technion.ac.il)