• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.328-328
• /
• 2020

본 연구에서는 강우앙상블 멤버를 입력자료로 한 강우기반 유출앙상블 멤버와 관측 강우자료를 입력자료로 한 모형기반 유출앙상블 멤버를 생성하고 각 유출앙상블 멤버의 정확도를 비교·평가하였다. 본 연구에서는 강우앙상블 멤버 생성을 위해 서울 지역을 대상으로 강우장 이동 모의에 필요한 모의 격자망을 구축하였다. 다음으로 최근 10년 동안 발생한 37개 호우사상의 관측자료를 토대로 격자별 특성방향을 결정하고 특성방향의 통계치로부터 유도된 베타분포를 기반으로 강우앙상블 멤버를 생성하였다. 유출앙상블 멤버는 대한민국 서울에 위치한 구로1 빗물펌프장 배수유역을 대상으로 shot noise process 기반 강우-유출모형을 이용하여 생성하였다. 강우-유출모형 매개변수의 난수 생성을 위해서 감마분포를 이용하였다. 2017년과 2018년 발생한 호우사상을 대상으로 강우기반 및 모형기반 유출앙상블을 생성한 결과, 강우의 방향성을 조정하여 생성한 강우기반 유출앙상블의 정확도가 더 높은 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.285-285
• /
• 2011

우리나라의 하천 상류지역의 유역들은 신뢰할 수 있는 수문자료의 미비로 인하여, 관행적으로 모형의 변수를 산정하여 강우유출모형을 적용하고 있다. 그러나 상류지역의 빈번한 홍수 피해 및 수자원관리의 문제발생 등으로 인하여 이러한 상류지역의 중소유역의 신뢰할 수 있는 홍수량산정 방법이 요구되고 있다. 이는 영국의 국가 홍수량 산정 표준방법(Flood Estimation Handbook)과같이 강우유출모형의 지역화를 통하여 해결 할 수 있다. 지역화를 위한 강우유출모형의 선정을 위하여 9개의 개념적 강우유출모형을 충청북도 미호천 상류 7개의 소유역에 적용하여 모형의 성능을 평가하였다. 이는 유효우량 산정을 위한 3개의 개념적 토양저류함수 모형(Soil Moisture Accounting: Modified Penman Type Model(MP), Catchment Wetness Index Model(CWI), Probability Distribution Model(PDM))과 3개의 유역유출을 위한 3개의 개념적 유출모형(Routing: 2-Conceptual Reservoir Model(2PAR), 3-Conceptual Reservoir Model(3PAR), Marcropore Model(2PMP))의 조합으로 총 9개의 모형을 검토하였다. 이를 검정기간(2004.01.01-2007.12.31) 과 검증기간(2008.01.01-2009.12.31)의 장단기 유출성능을 Nash Sutcliffe Efficiency 로 평가한 결과, 시간 단위의 단기모의에서는 CWI-2PMP와 PDM-2PMP모형이, 일 단위의 장기모의에서는 CWI-3PAR와 PDM-2PMP가 우수한 성능을 보이고 있다. 향후 금강 상류유역의 기본 강우유출모형으로 PDM-2PMP모형을 선정한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.135-135
• /
• 2017

최근 강우-유출 모형은 물리적 현상에 근거한 확정론적 모의 모형과 물리적 성분으로 설명할 수 없는 내용에 대해 통계적으로 접근하는 추계학적 모의 모형 등이 계속 연구되고 있어 자연현상에 가까운 결과를 기대할 수 있게 되었다. 하지만 우리나라의 경우 많은 연구에도 불구하고 돌발성 집중호우, 여름철 집중되는 강우 등으로 인해 재난이 반복적으로 발생하고 있어 모형의 정확성에 대한 논의가 지속되고 있다. 동일한 유역에 동일한 입력자료를 사용하더라도 사용하는 모형에 따라 유출 분석결과는 상이하며 이는 유출 해석에 대한 불확실성으로 작용한다. 본 연구에서는 앙상블 및 블랜딩 기법을 사용하여 각 강우-유출 모형의 불확실성을 고려하여 최적 유출량을 산정하고자 한다. 대상 유역으로는 한강 수계에 있는 중랑천 유역을 선정하였으며, Distributed 모형인 Vflo 모형과 Lumped 모형인 저류함수 모형, SSARR모형, TANK 모형을 이용하여 유출 분석을 실시하였다. 그 후, Multi-Model Super Ensemble(MMSE), Simple Model Average(SMA), Mean Square Error(MSE) 방법 등의 blending 기법을 이용하여 하나의 통합된 형태의 유출 분석 결과를 제시하였으며, 최적 유출량 산정을 위한 blending 기법을 선정하였다. 본 연구를 통해 동일한 강우 시나리오에 대한 여러 강우-유출 모형에 대한 정확도를 확인하였으며, 앙상블 및 블랜딩 기법을 사용하여 유출 분석에 대한 정확도를 향상시킬 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.311-316
• /
• 2017

기후변화는 물 관리 측면에서 많은 변화를 일으키는 것으로 보고되고 있다. 주로 강우의 패턴을 변화시키며, 가용수자원의 지역적 편중을 심화시킨다. 기후변화에 적응하며 안정적이고 균등한 용수확보를 위해서는 홍수와 가뭄을 고려한 연속적인 물 순환 해석기술이 필요하다. 강우유출분석은 강우사상에 대한 수문순환과정을 통해 유출량을 산출하는 것으로, 주로 직접유출과 중간유출이 이에 해당된다. 강우발생 이후 무강우기간에 대해서는 기저시간 이후에 발생되는 유출량의 정량적 산출이 필요하다. 기저유출은 강우 발생 시점에 급격히 발생하기보다는 선행강우에 따른 유역 내 지하수위 분포와 대수층의 특성, 하천수위에 따라 다양한 패턴으로 나타나기 때문에 지하수대의 수리학적 성분들을 반영할 수 있어야 한다. 이를 위해서는 강우유출모의 시 지표유출량 산정과 지하수유동해석을 통한 기저유출량 산정이 동시에 이루어져야 한다. 최근 국내외에서는 다양한 형태의 수문모형과 MODFLOW를 연계한 장기유출분석에 대한 연구가 활발하게 진행되고 있다. 본 연구에서 활용한 K-DRUM(K-water Distribution Runoff Model)은 K-water에서 자체 개발한 물리적 기반의 분포형 강우유출모형으로 강우유출, 유사, 기초수질항목에 대한 3차원 분석이 가능하다. 본 모형의 A층(표층)은 지표유출을 고려한 운동파법이 적용되었고, B층과 C층(중간층), D층(지하수층)은 선형저류법이 적용되었다. MODFLOW(A Modular Three-Dimensional Finite-Difference Ground Water Flow Model)는 1980년대 USGS(United State Geolog ical Survey)에서 개발된 가장 범용적으로 사용되는 지하수유동모형이며, 모듈화 된 구조를 갖고 있어 다양한 패키지 중 필요로 하는 기능을 독립적으로 모의할 수 있는 장점이 있다. 본 연구에서는 향후 기후변화에 따른 강우의 불확실성에 대비한 유역의 장기 물순환 해석을 위해 강우유출모형인 K-DRUM과 지하수유동모형인 MODFLOW를 연계하고자한다. 연계방법은 K-DRUM에서 계산된 D층으로 침루되는 양을 MODFLOW의 함양량으로 적용하고, MODFLOW에서 산출된 기저유량을 K-DRUM의 하천유출에 적용하는 것이다. 본 연구의 성과를 갈수기 유출해석에 적용하면 정확성을 크게 향상시킬 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.949-949
• /
• 2012

유출수문곡선은 강우량, 강우강도, 강우지속시간, 강우이동방향 및 이동속도와 같은 강우발생특성과 강수대의 공간적 이류방향과 유역형상과의 상호작용에 의하여 영향을 받으며, 특히 강우의 이류과정에서 나타나는 시간적, 공간적인 분포는 유출에 영향을 미치는 중요한 인자이다. 일반적으로 유출해석 기본이론은 연속방정식과 운동방정식으로서 운동파가정(kinematic wave analogy)을 기반으로 한 집중수문모형(lumped hydrologic model)에 의하여 수행되고 있지만 집중형 모형은 한 매개변수에 여러 가지의 물리적 과정을 개념화하여 담고 있기 때문에 유출과정에 대한 섬세한 모형화의 제약으로 인하여 강우의 이류과정에 따른 유출변화특성을 모의하기가 어렵다. 본 연구에서는 완전 분포형 수문동력학적 강우-유출 모형을 사용하여 강우의 이류특성을 반영할 수 있는 유출 모델을 구성하고, 강우의 이류특성에 따른 유역 출구에서의 유출수문곡선의 변화과정을 살펴보고 상관관계를 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.96-96
• /
• 2023

지구온난화는 집중호우 및 태풍의 빈도와 규모를 증가시키는 원인이 되었으며, 전 세계적으로 홍수로 인한 피해가 발생하고 있다. 한국에서는 2020년 홍수로 인하여 1조 이상의 피해가 발생하였으며, 2021년에는 호우로 인한 피해가 60%이상을 차지하였다. 과거에는 구조적인 대책을 수립하기 위하여 경제성 높은 치수사업을 결정하는 연구들이 수행되었다. 하지만 치수 사업은 지구온난화를 가속시키게 되며 그로 인해 집중호우의 빈도와 규모가 증가하는 악순환이 발생하게 된다. 따라서 최근에는 비구조적 대책인 홍수 예경보를 수행하여 홍수에 대응하고자 홍수 예경보 지점을 확대하고 있다. 홍수 예경보는 강우-유출 모형을 이용하여 유출량을 산정하고, 일정 수위를 초과하면 홍수 경보가 발령된다. 하지만 강우-유출 모형의 경우 많은 매개변수 값을 요구하며, 강우 사상에 따라 다른 매개변수를 산정하는데 많은 시간을 필요로 한다. 따라서 특정 강우 사상에 따라 매개변수 값을 고정하여 유출량을 산정하고 있으나, 이는 실제 유출량과 예측 유출량과의 오차가 발생할 수 있다. 따라서 본 연구에서는 강우-유출 모형의 오차를 AI로 예측하여 유출량을 보정하는 연구를 수행하고자 하였다. 강우-유출 모형에서는 유출량을 산정하고 그에 따른 오차를 생성하게 된다. 그리고 산정된 오차들을 이용하여 오차를 예측할 수 있는 AI 모형을 개발하게 된다. 최종적으로 강우-유출 모형의 유출량과 AI 모형의 오차가 결합되어 보정된 유출량을 산정하게 된다. 강우-유출 모형과 AI 모형이 결합된 Hybrid model은 기존의 단일로 사용했을 때의 발생할 수 있는 강우-유출 모형의 문제를 개선할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.99-99
• /
• 2015

본 연구에서는 금강 유역을 대상으로 토양저류함수모형기반의 개념적 강우유출모형의 장기 유출모의를 평가하였다. 연구유역인 금강 22개 계측유역을 주요 유역특성인자(면적, 경사도, SCS-CN등)을 수문학적 거리 산정방법을 활용하여 3개의 유역그룹을 선정하였다. 적용모형인 개념적 강우유출모형은 3개의 토양저류함수모형[확률분포모형(PDM: Probability Distributed Moisture), 유역습윤지수모형(CWI: Catchment Wetness Index), 수정펜맨타입모형(MP: Modified Penman type model)]과 3개의 유역추적모형[병렬2선형 저류지 유출 모형(2PAR: 2-conceptual reservoirs in parallel), 빠른 지표하 흐름을 고려한 병렬 2선형 저류지 유출모형(2PMP: 2Macro-pre Approach parallel structure), 병렬 3선형 저류지 유출모형(3PAR: 3-conceptual reservoirs in parallel)]의 조합인 9개의 모형을 사용하였으며, 2006년부터 2012년의 일자료를 바탕으로 검정(Calibration), 2001년부터 2005년의 일자료를 검증(Validation)을 Monte carlo method(Uniform Random Sampling)로 수행 후, 모형의 성능은 NSE(Nash sutcliffe Efficiency)로 평가하였다. 분석결과 유역그룹에 대한 모형성능의 편차는 작아서 유역그룹에 대한 토양저류 함수모형의 뚜렷한 상관성을 확인할 수 없었다. 이는 금강 유역을 단일 유역 그룹으로 적용할 수 있음을 제시하고 있다. 검정 검증성능 및 검정매개변수의 개수를 바탕으로 적용성 평가를 실시한 결과에서 토양저류함수모형인 확률분포모형(PDM)과 유역추적모형의 병렬2선형 저류지 유출모형(2PAR)와 빠른 지표하 흐름을 고려한 병렬2선형 저류지 유출모형(2PMP)의 조합이 금강 22개 유역에서 적용성이 우수함을 확인하였다. 향후 이 모형을 바탕으로 금강유역의 대표적인 강우유출모형을 개발하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.323-323
• /
• 2020

그래픽 처리 장치(Graphic Processing Unit: GPU)는 그래픽 처리 작업에 특화된 다수의 산술논리 장치(Arithmetic Logic Unit: ALU)로 구성되어 있어서 중앙 처리 장치(Central Processing Unit: CPU)보다 한 번에 더 많은 연산 수행이 가능하다. 본 연구는 GPU 가속 운동파모형을 실제 유역에 적용하여, GPU 가속 운동파 강우유출모형 결과에 대한 정확성과 연산 소요 시간에 대한 효율성을 확인하였다. GPU 가속 운동파모형은 분포형 강우유출모형의 수치모의 연산시간을 단축시키기 위해 CUDA 포트란을 이용하여 개발되었다. 분포형모형의 지배방정식은 운동파모형과 Green-Ampt모형으로 구성되었고, 운동파모형은 유한체적법을 이용하여 이산화 하였다. GPU 가속 운동파모형을 이용하여 금강의 미호천 유역에서 발생하는 강우유출현상을 모의 하였고, 동일한 유한체적법을 이용한 CPU(Central Processing Unit) 기반의 강우유출모형과 비교하였다. 그 결과 GPU 가속모형의 결과는 미호천 유역 하류단에서 관측한 결과와 유사한 결과를 나타냈다. 또한, 연산소요시간은 CPU 기반의 강우유출모형의 연산소요시간보다 단축되었으며, 본 연구에 사용된 장비를 기준으로 최대 100배 정도 단축되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.271-271
• /
• 2018

그래픽 처리 장치(GPU: Graphic Processing Units)는 그래픽 처리에 특화된 수많은 산술논리연산자 (ALU: Arithmetic Logic Unit)와 이에 관련된 인스트럭션Instruction)으로 인해 중앙 처리 장치(CPU: Central Processing Units) 보다 훨씬 빠른 계산 처리를 수행할 수 있다. 최근에는 FORTRAN에 의해 구현된 많은 수치모형들이 현실적인 모델링 방법의 발달로 인해 더 많은 계산량과 계산시간을 필요로 한다. 이 연구에서는 GPU 상의 범용 계산GPGPU : General-Purpose computing on Graphics Processing Units) 기반 운동파 강우유출모형(Kinematic Wave Rainfall-Runoff Model)이 CUDA(Compute Unified Device Architecture) FORTRAN을 사용하여 구현되었다. CUDA FORTRAN 운동파 강우유출모형의 계산 결과는 검증된 CPU 기반 운동파 강우유출모형의 계산 결과와 비교하여 검증되었으며, 잘 일치함을 보여 주었다. CUDA FORTRAN 운동파 강우유출모형은 CPU 기반 모형에 비해 약 20 배 더 빠른 계산 시간을 보였다. 또한 계산 영역이 커짐에 따라 CPU 버전에 비해 CUDA FORTRAN 버전의 계산 효율이 향상되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.299-299
• /
• 2021

본 연구에서는 강우-유출 모형의 매개변수를 최적화하기 위해 머신러닝 기법을 활용하였다. 강우-유출 모형의 종류가 검토되었으며 이를 통해 선정된 강우-유출 모형의 매개변수 특성과 유출량 선정과의 관계성이 검토되었다. 이를 위해 다년간의 유출 측정 자료가 있는 연구지역이 선정되었다. 또한 매개변수 최적화를 위한 머신러닝 기법이 검토되었으며, 매개변수 최적화와 유출량 산정 정확성을 비교, 분석함으로써 관계성을 검토하였다. 본 연구의 결과를 요악하면 다음과 같다. (1) 여름 장마의 지속성은 매개변수 최적화 정확성에 영향을 주며 이 둘은 비선형적인 관계를 나타낸다. (2) 매개변수 최적화가 강우 심도에 따라 다른 결과를 나타내며 최적의 강우 심도는 연구 지역마다 차이가 있기 때문에 유역 특성을 반영한 머신러닝 기법 활용이 가능하다. 이를 통해 강우-유출 모형의 매개변수 최적화를 위한 머신러닝 기법의 활용 가능성을 확대하고, 모형의 정확도 개선을 기대 할 수 있다.