Journal of Korea Water Resources Association (한국수자원학회논문집)

Korea Water Resources Association (한국수자원학회)
권호 표지
DOI QR코드

DOI QR Code

Parameter Estimation of Intensity-Duration-Frequency Curve Using Genetic Algorithm (I): Comparison Study of Existing Estimation Method

유전자알고리즘을 이용한 강우강도식 매개변수 추정에 관한 연구(I): 기존 매개변수 추정방법과의 비교

  • Kim, Tae-Son (BK21 Lecturer, School of Civil and Environmental Engineering, Yonsei Univ.) ;
  • Shin, Ju-Young (School of Civil and Environmental Engineering, Yonsei Univ.) ;
  • Kim, Soo-Young (School of Civil and Environmental Engineering, Yonsei Univ.) ;
  • Heo, Jun-Haeng (School of Civil and Environmental Engineering, Yonsei Univ.)
  • 김태순 (연세대학교 사회환경시스템공학부 BK21) ;
  • 신주영 (연세대학교 대학원 토목공학과) ;
  • 김수영 (연세대학교 대학원 토목공학과) ;
  • 허준행 (연세대학교 사회환경시스템공학부 토목환경공학과)
  • Published : 2007.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

The intensity-duration-frequency (IDF) curves by Talbot, Sherman and Japanese type formulas are widely used in South Korea since the parameters are easily estimated. However, these IDF curves' accuracies are relatively worse than those of the IDF curves developed by Lee et al. (1993) and Heo et al. (1999), and different parameters for the given return periods should be computed. In this study, parameter estimation method for the IDF curve by Heo et al. (1999) is suggested using genetic algorithm (GA). Quantiles computed by at-site frequency analysis using the rainfall data of 22 rainfall gauges operated by Korea Meteorological Administration are employed to estimate the parameters of IDF curves and minimizing root mean squared error (RMSE) and relative RMSE (RRMSE) of observed and computed quantiles are used as objective functions of GA. The comparison of parameter estimation methods between the empirical regression analysis and the suggested method show that the IDF curve in which the parameters are estimated by GA using RRMSE as an objective function is superior to the IDF curves using RMSE.

현재 국내에서 사용되고 있는 Talbot, Sherman, Japanese형 강우강도식은 매개변수추정이 용이하다는 장점이 있지만, 이원환 등(1993)과 허준행 등(1999)이 개발한 강우강도식에 비하여 정확도가 떨어지며 재현기간을 고려할 수 없다는 단점이 있다. 본 연구에서는 매개변수 추정상의 어려움 때문에 널리 사용되지 않는 허준행 등(1999)이 제안한 강우강도식의 매개변수를 유전자알고리즘을 이용하여 추정하는 방법을 제시하였다. 기상청 22개 지점에서 관측된 강우자료의 지속기간별 년최대치자료를 구축한 후 지점빈도해석을 적용한 결과를 이용하여 강우강도식의 매개변수를 추정하였으며, 최적화기법으로 사용된 유전자알고리즘의 목적함수로는 평균제곱근오차(RMSE)와 평균제곱근상대 오차(RRMSE)를 사용하였다. 회귀분석에 근거한 기존의 강우강도식과 비교한 결과, 허준행 등(1999)이 개발한 강우 강도식의 매개변수를 추정하는데 있어서 RRMSE값을 최소화시키는 목적함수를 사용하는 것이 가장 정확한 결과값을 얻을 수 있는 것으로 나타났다.

Keywords

References

  1. 유동훈 (1995). '확률 강우강도식의 일반화.' 한국수자원학회학술발표회논문집, 한국수자원학회, pp. 325-330
  2. 유철상, 김남원, 정광식 (2001). '점 강우모형과 강우강도 지속기간-생기빈도 해석' 한국수자원학회논문집, 한국수자원학회, 제34권, 제6호, pp. 577-586
  3. 유철상, 박창열, 김경준, 전경수 (2007). '분단위 강우강도-지속기간-재현기간 관계의 유도: 모포 마 분포 의 적용' 한국수자원학회학술대회논문집, 한국수자원학회, pp. 168-172
  4. 이원환, 박상덕, 최성열 (1993). '한국대표확률강우강도식의 유도.' 대한토목학회논문집, 대한토목학회, 제13호, 제1호, pp. 115-120
  5. 이원환 (1980). '도시 하천 및 하수도 개수계획상의 계 획 강우량 설정에 관한 추계학적 해석.' 대한토목학회논문집, 대한토목학회, 제28권 제4호, pp. 81-9
  6. 이재준, 이정식, 박종영 (2001). '계획강우량 설정을 위한 권역별 확률강우강도식의 유도.' 대한토목학회논문집, 대한토목학회, 제21권, pp. 1-10
  7. 한국건설기술연구원 (2000). 강우자료 추출 및 확률강우량 산정프로그램 개발 최종보고서. 연세대학교
  8. 한만신, 최계운, 정연중, 안경수 (2006). '최대강우 패턴 변화를 고려한 인천지방 확률강우강도식의 제안.' 한국수자원학회논문집, 한국수자원학회, 제39권, 제 6호, pp. 521-531 https://doi.org/10.3741/JKWRA.2006.39.6.521
  9. 한정훈, 김경덕, 허준행, 조원철 (1996). '선형화기법에 의한 확률강우강도식의 유도.' 한국수자원학회학술 발표회논문집, 한국수자원학회, pp. 232-237
  10. 허준행, 김경덕, 한정훈 (1999).'지속기간별 강우자료 의 적정분포형 선정을 통한 확률강우강도식의 유도.' 한국수자원학회논문집, 한국수자원학회, 제32 권, 제3호, pp. 247-254
  11. Bernard, MM (1932). 'Formulas for rainfall intensities of long durations.' Trans. ASCE, Vol. 96, pp. 592-624
  12. Bougadis, J., and Adamowski, K. (2006). 'Scaling model of a rainfall intensity-duration-frequency relationship.' Hydrological Process, Vol. 20 No. 17, pp. 3747-3757 https://doi.org/10.1002/hyp.6386
  13. Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T. (2002). 'A fast and elitist multiobjective genetic algorithm: NSGA-II.' Evolutionary Computation, IEEE Transactions on, Vol. 6, No.2, pp. 182-197 https://doi.org/10.1109/4235.996017
  14. Frederick, R.H., Meyers V.A., and Auciello, E.P. (1977). Five- to 60-minute Precipitation Frequency For the Eastern and Central United States. NOAA Tech. Mere. NWS HYDRO-35, Washington, DC
  15. Goldberg, D. E. (1989). Genetic algorithms in search optimization & machine learning. Addison Wesley, Massachusetts
  16. Hershfield, D. M. (1961). Rainfall frequency atlas of the United States for durations from 30 minutes to 24 hours and return periods from 1 to 100 years. Technical Paper 40. US Dept of Comm., Weather Bureau, Washington, D.C
  17. Holland J.H. (1975). Adaptation in natural and artificial systems. University of Michigan Press
  18. Koutsoyiannis, D., Kozonis, D., and Manetas., A. (1998). 'A mathematical framework for studying rainfall intensity-duration-frequency relationships.' Journal of hydrology, Vol. 206 No.1, pp. 118-135 https://doi.org/10.1016/S0022-1694(98)00097-3
  19. Langousis, A, and Veneziano, D. (2007). 'Intensity-duration-frequency curves from scalling representations of rainfall.' Water Resource Research, Vol.43 No.2, W02422 https://doi.org/10.1029/2006WR005245
  20. Miller, J. F., Frederick, R. H., and Tracey, R. J. (1973). Precipitation-frequency atlas of the conterminous western United State. NOAA Atlas 2. National Weather Service, Silver Spring, Maryland
  21. Nash, J. E., and Sutcliffe, J. V. (1970). 'River flow forecasting through conceptual models.' Journal of Hydrology, Vol. 3 No.3, pp. 282-290 https://doi.org/10.1016/0022-1694(70)90255-6
  22. Srinivas, N., and Deb, K. (1994) 'Multiobjective optimization using nondominated sorting in genetic algrithms.' Evolutionary Computation, Vol. 2, No. 3, pp. 221-248 https://doi.org/10.1162/evco.1994.2.3.221
  23. Yu, P. S., and Cheng, C. J. (1998). 'Incorporating uncertainty analysis into a regional IDF formula' Hydrological Process, Vol. 12, pp. 713-726 https://doi.org/10.1002/(SICI)1099-1085(19980430)12:5<713::AID-HYP610>3.0.CO;2-J