Journal of Korea Water Resources Association (한국수자원학회논문집)

Korea Water Resources Association (한국수자원학회)
권호 표지
DOI QR코드

DOI QR Code

A Model for Groundwater Time-series from the Well Field of Riverbank Filtration

강변여과 취수정 주변 지하수위를 위한 시계열 모형

  • Lee, Sang-Il (Dept. of Civil and Environmental Eng., Dongguk Univ.) ;
  • Lee, Sang-Ki (Dept. of Civil and Environmental Eng. Dongguk Univ.) ;
  • Hamm, Se-Yeong (Division of Earth & Environmental System Sciences, Pusan National Univ.)
  • 이상일 (동국대학교 공과대학 사회환경시스템공학과) ;
  • 이상기 (동국대학교 공과대학 토목환경공학과) ;
  • 함세영 (부산대학교 자연과학대학 지구환경시스템학부)
  • Published : 2009.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Alternatives to conventional water resources are being sought due to the scarcity and the poor quality of surface water. Riverbank filtration (RBF) is one of them and considered as a promising source of water supply in some cities. Changwon City has started RBF in 2001 and field data have been accumulated. This study is to develop a time-series model for groundwater level data collected from the pumping area of RBF. The site is Daesan-myeon, Changwon City, where groundwater level data have been measured for the last five years (Jan. 2003$\sim$Dec. 2007). Minute-based groundwater levels was averaged out to monthly data to see the long-term behavior. Time-series analysis was conducted according to the Box-Jenkins method. The resulted model turned out to be a seasonal ARIMA model, and its forecasting performance was satisfactory. We believe this study will provide a prototype for other riverbank filtration sites where the predictability of groundwater level is essential for the reliable supply of water.

지표수 부족과 수질에 대한 불신 때문에 대체 수자원의 확보가 요구되고 있으며, 유력한 대안으로 강변여과에 관심이 모아지고 있다. 국내 최초의 강변여과는 경남 창원에서 2001년에 시작되었으며, 현재 창원시 수돗물의 100%를 여기에 의존하고 있다. 본 연구는 강변여과 취수장 부근 지하수위를 설명하는 시계열 모형의 개발에 관한 것이다. 연구 대상지역은 창원시 대산면 현장으로 11개 관측정으로부터의 5년간(2003년 1월$\sim$2007년 12월) 지하수위 자료를 이용했다. 지하수위의 장기변동을 알아보기 위해 분단위 자료를 월자료로 변환하고, 결측치를 보완하여 Box-Jenkins 방법에 따라 시계열분석을 실시했다. 대상지역의 지하수위 자료는 계절형 ARIMA 모형으로 잘 설명되는 것이 입증되었다. 본 연구는 향후 증가할 강변여과를 이용한 상수 공급시설의 안정적인 운영을 위해 반드시 필요한 지하수위 예측능력을 확보하기 위한 하나의 원형이 될 것이다.

Keywords

References

  1. 김해경, 김태수 (2003). 시계열 분석과 예측 이론, 경문사
  2. 나창진 (2002). 강수 예측을 위한 뉴로-퍼지 시스템과퍼지 시계열의 적용, 석사학위논문, 고려대학교
  3. 박유성, 김기환 (2002). SAS/ETS를 이용한 시계열자료분석 I, 자유아카데미, pp. 105-106
  4. 박종영, 이재준, 이정식 (2002). 'Transfer Function 모형을 이용한 다목적댐의 수문시계열 모형화.' 한국수자원학회 학술발표회 논문집, 한국수자원학회, pp. 134-139
  5. 박석순, 정태영, 윤용운, 김범철 (1996). '박스-젠킨스법을 이용한 소양호 수질변화 시계열분석." 대한환경공학회지, 대한환경공학회, Vol. 18, No. 6, pp. 767-780
  6. 백중철 (1997). '월 수질 시계열자료의 추이 및 통계학적 특성 분석.; 대한토목학회논문집, 대한토목학회, 제17권, 제II-2호, pp. 147-155
  7. 부산대학교 (2007). 인공함양 수도공급을 위한 지하수-하천수 변동 예측 모델 개발, 수자원의지속적확보기술개발사업단, pp. 5-6
  8. 신홍섭 (2005). AR모형을 적용한 낙동강 주요지점의수질분석, 석사학위논문, 충남대학교
  9. 오경두, 박수연, 이순철, 전병호, 안원식 (2005). '시변동의 동질성 증가에 의한 비단조적 시계열자료의 경향성 탐지력 향상.' 한국수자원학회논문집, 한국수자원학회, 제38권, 제8호, pp. 617-629 https://doi.org/10.3741/JKWRA.2005.38.8.617
  10. 이광만, 윤라영, 이승윤 (2008). '섬진강의 유량변화 통계 검정.' 한국수자원학회논문집, 한국수자원학회,제 41권, 제 10호, pp. 1067-1077 https://doi.org/10.3741/JKWRA.2008.41.10.1067
  11. 이상기, 이상신, 우동현, 이상일 (2008). '강변여과 지하수위 시계열 모형을 위한 모형 식별.' 한국지하수토양환경학회 추계학술발표회 논문집, 한국지하수토양환경학회, pp. 246-247
  12. 창원시 상수도 사업소, (2008.12.30). http://sudo.changwon.go.kr
  13. Akintug, B. and Rasmussen, P. F. (2005). 'A markov switching model for annual hydrologic time series.' Water Resources Research, AGU, Vol. 41,No. 9, W09424, DOI: 10.1029/2004WR003605
  14. Box, G.E.P., Jenkins, G.M., and Reinsel, G.C. (1994), Time series analysis, forecasting and control (3rd ed.), Prentice Hall, Englewood Cliffs
  15. Cheong, J.-Y., Hamm, S.-Y., Kim, H.-S., Ko, E.-J., Yang, K. and Lee, J.-H. (2008). 'Estimating hydraulic conductivity using grain-size analyses, aquifer tests, and numerical modeling in a riverside alluvial system in south Korea.' Hydrogeology Journal, Springer, Vol. 16, No. 6, pp. 1129-1143 https://doi.org/10.1007/s10040-008-0303-4
  16. Crosbie, R.S., Binning, P, and Kalma, JD. (2005). 'A time series approach to inferring groundwater recharge using the water table fluctuation method.' Water Resources Research, AGU, Vol. 41, No. 1, W01008, DOI:10.1029/2004/WR003077
  17. Granger, C.W.J. and Newbold P. (1974). 'Spurious regression in economics.' Journal of Econometrics, 4, pp. 111-120 https://doi.org/10.1016/0304-4076(74)90034-7
  18. Ljung, G.M. and Box, G.E.P. (1978). 'On a measure of a lack of fit in time series models.' Biometrika, Vol. 65, No. 2, pp. 297-303 https://doi.org/10.1093/biomet/65.2.297
  19. SAS Institute Inc. (2002). SAS 9.1.3 Service Pack 3 Help and Documentation
  20. Tsanis, I.K. (1993) 'WQTA-A water quality trend analysis program.' Water Pollution Research Journal of Canada, Vol. 28, No. 2, pp. 311-335
  21. Tularam, G.A. and Keeler, H.P. (2006). 'The study of coastal groundwater depth and salinity variation using time-series analysis.' Environ. Impact Assess. Review, Vol. 26, No. 7, pp. 633-642 https://doi.org/10.1016/j.eiar.2006.06.003
  22. Wei, W. W. S. (2005). Time series analysis: Univariate and multivariate methods 2E, Addison Wesley, New York, pp. 164-170
  23. Wu, J., Lu, J. and Wang, J. (2009). 'Application of chaos and fractal models to water quality time series prediction.' Environmental Modelling & Software, Vol. 24, No. 5, pp. 632-636 https://doi.org/10.1016/j.envsoft.2008.10.004

Cited by

  1. A wavelet neural network conjunction model for groundwater level forecasting vol.407, pp.1-4, 2011, https://doi.org/10.1016/j.jhydrol.2011.06.013
  2. Combined gamma and M-test-based ANN and ARIMA models for groundwater fluctuation forecasting in semiarid regions vol.76, pp.15, 2017, https://doi.org/10.1007/s12665-017-6870-8
  3. Potential impacts of climate change on groundwater levels on the Kerdi-Shirazi plain, Iran vol.77, pp.11, 2018, https://doi.org/10.1007/s12665-018-7585-1