• Proceedings of the Korea Water Resources Association Conference
• /
• 1981.08a
• /
• pp.33-35
• /
• 1981

• Proceedings of the Korea Water Resources Association Conference
• /
• 2002.05b
• /
• pp.1257-1261
• /
• 2002

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1021-1026
• /
• 2009

본 연구에서는 물리적 기반의 완전분포 모형인 $Vflo^{TM}$ 모형을 이용하여 강원도 인제군에 위치한 내린천 유역을 대상으로 광덕산 레이더 자료와 지상강우 자료를 이용하여 분포형 홍수유출모의를 실시하였다. $Vflo^{TM}$모형을 구성하기 위해서 GIS 지형공간 자료가 사용하였다. 유역의 하천 배수망과 각 격자에서의 경사를 구하기 위하여 250m 격자 크기의 DEM을 사용하였다. 본 연구에서는 2006년 7월 14일부터 2006년 7월 17일까지의 관측 레이더 강우자료(Quantitative Precipitation Estimation, QPE), 보정된 레이더 강우자료, 지상 강우량자료를 동일한 조건의 $Vflo^{TM}$모형에 입력하여 관측 유출량과 비교함으로써 기상청레이더 자료와 조건부합성기법으로 보정된 레이더 자료의 수문모형의 입력 자료로써의 타당성을 비교하고자 하였다. 광덕산 레이더 강우의 경우 관측치보다 상당히 과소 추정되는 모습을 보여주었고, 지상강우와 조건부합성기법으로 보정된 레이더 강우의 경우 실제 관측치와 비슷한 유출을 나타내었지만, 조건부 합성기법(Kim, 2008)을 이용하여 레이더강우와 지상강우를 합성한 보정 레이더 강우자료가 가장 좋은 결과를 보여주었다. 이를 통해 기상레이더 강우자료와 지상강우자료를 합성할 경우 충분히 레이더 강우를 이용하여 홍수모형의 입력자료로써 수문학적 활용성이 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.371-371
• /
• 2012

연속된 강우 관측 자료로부터 강우사상을 분리하는 것은 수문 분석에서 매우 기초적인 부분이다. 하지만 이를 분리하는 표준적인 방법은 아직 정해진 것이 없다. 보편적으로 강우사상의 분리에 강우사상간 (무강우)시간정의(IETD; Inter-event Time Definition)을 사용하고 있으며, 이는 강우사상간 최소 (무강우)시간(MIT; Minimum Inter-event Time, 이하 '강우사상간 최소 무강우 시간' 이라고 함.)이라고도 한다. 강우사상간 최소 무강우 시간을 결정하기 위해 사용되는 방법으로는 자기 상관계수를 이용하는 방법과 순위상관계수를 이용하는 방법, 강우사상간 무강우시간에 대한 변동계수를 이용하는 방법, 연간 호우 발생수를 이용하는 방법 등이 있다. 본 연구에서는 한강수계 강우의 강우사상간 최소 무강우 시간을 고찰하기 위해 한강수계 국토해양부에서 운영 중인 한강수계 강우관측소의 자료를 대상으로 앞서 제시한 4가지 방법을 적용하여 각 방법 간의 차이를 비교하여 보았으며, 더불어 개별 강우관측소의 자료와 티센망을 이용한 유역평균강우량을 사용했을 때 강우사상간 최소 무강우 시간의 차이를 비교하여 보았다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.314-318
• /
• 2009

본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하였고 이를 낙동강 유역에 적용하는 것이다. 이를 위해서 낙동강물환경연구소의 8일 측정 유량이 가지는 정확성을 이용하면서 상류 댐의 일 방류량자료와 유역별 강우자료 및 국토해양부 수위관측소의 수위자료를 연계하여 유량을 보간할 수 있는 유량 보간 신경망 모형을 개발하였다. 신경망 모형의 출력값은 낙동강물환경 연구소에서 측정하지 않은 기간에 대하여 유량을 보간할 수 있도록 구성하였으며 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 본 연구를 통하여 낙동강 전 유역에 대하여 유량 보간 모형을 적용한 결과 댐 방류량과 강우자료 및 상류 수위 관측소의 유량 자료를 이용한 유량 보간 신경망모형의 일 유량결과의 적용가능성을 검증할 수 있으며, 제시된 모형은 지속적인 수문자료의 질적 향상과 유출패턴의 축적으로 그 성능을 향상시킬 수 있을 것이며 또한 홍수기의 더 정확한 유량예측을 위한 적용사례의 확장 및 SWAT을 이용한 모형의 적용에 대한 연구가 병행되어야 할 것이다.

• Journal of Korea Water Resources Association
• /
• v.39 no.8 s.169
• /
• pp.717-726
• /
• 2006

In this study, we developed a rainfall forecasting model using data from radiosonde and rain gauge network and neural networks. The primary hypothesis is that if we can consider the moving direction of the rain generating weather system in forecasting rainfall, we can get more accurate results. We assume that the moving direction of the rain generating weather system is same as the wind direction at 700mb which is measured at radiosonde networks. Neural networks are consisted of 8 different modules according to 8 different wind directions. The model was verified using 350 AWS data and Pohang radiosonde data. Correlation coefficient is improved from 0.41 to 0.73 and skill score is 0.35. Statistical performance measures of the Quantitative Precipitation Forecast (QPF) model show improved output compared to that of rainfall forecasting model using only AWS data.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.35 no.2
• /
• pp.319-326
• /
• 2015

Rainfall data is necessary component for water resources design and flood warning system. Most analysis are used long-term hourly data of surface synoptic stations from the Meteorological Administration, Ministry of land, Infrastructure and Transport and others. However, It will be used minutely data of more high density automatic weather stations than surface synoptic stations expecting to increase the frequency of heavy precipitation. But minutely data has a problem about quality of rainfall data by auto observation. This study analyzed about quality control method using automatic weather station's minutely rainfall data of meteorological administration. It was performed assessment of the quality control that was classified quality control of miss Data, outlier data and rainfall interpolation. This method will be utilized when hydrological analysis uses minute rainfall data.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.06a
• /
• pp.283-284
• /
• 2010

강우가 있을 때 토양수분은 증가하여 지표온도의 상승을 억제하고, 강우와 증발산을 통해 토양수분은 대기와 지형을 연결하는 중요한 상태변수(Yoo et al., 2001)가 된다. 이에 따라 물순환의 이해와 적절한 모형의 개발을 위해서는 강우 및 토양수분의 원격측정이 필수적일 뿐 아니라 관측 격자 내에서 일어나는 변화도에 대한 이해가 필요하다(김광섭 외, 2004). 따라서 본 연구에서는 인공위성 원격탐사 자료와 지형자료, 기상관측 자료와 같은 가용자료와 신경망(Neural Network) 모형을 이용하여 우리나라의 토양수분 분포도를 작성하고자 한다. 우선 신뢰도 높은 토양수분 관측자료를 가진 용담댐유역(6개 지점)에 대하여 전체적인 토양수분의 거동을 파악하여 토양수분 추정 모형의 적용 가능성을 확인하였다 이를 사용해서 용담댐 유역의 토양수분 분포와 우리나라 전역에 대한 토양수분 분포도를 추정하고자 한다. 신뢰할 수 있는 지상관측 토양수분 관측치가 다양한 지상조건에 대하여 존재하지 않는 한계에도 불구하고 제시된 토양수분추정 방법은 제한된 가용자료를 사용한 우리나라 전역의 토양수분 추정에 있어 합리적인 접근법이라 판단된다.

• Journal of Korea Water Resources Association
• /
• v.39 no.4 s.165
• /
• pp.335-346
• /
• 2006

Among various input data to hydrologic models, rainfall measurements arguably have the most critical influence on the performance of hydrologic model. Traditionally, hydrologic models have relied on point gauge measurements to provide the area-averaged rainfall information. However, rainfall estimates from gauges become inadequate due to their poor representation of areal rainfall, especially in situations with sparse gauge network. Alternatively, radar that covers much larger areas has become an attractive instrument for providing area- averaged precipitation information. Despite of the limitation of the QPE(Quantitative Precipitation Estimation) using radar, we can get the better information of spatial variability of rainfall fields. Also, rain-gauges give us the better quantitative information of rainfall field. Therefore, in this study, we developed improved methodologies tu estimate rainfall fields using an ordinary cokriging technique which optimally merges radar reflectivity data into rain-gauges data.