• Journal of Korea Water Resources Association
• /
• v.56 no.8
• /
• pp.471-484
• /
• 2023

Deep learning models based on generative adversarial neural networks are specialized in generating new information based on learned information. The deep generative models (DGMR) model developed by Google DeepMind is an generative adversarial neural network model that generates predictive radar images by learning complex patterns and relationships in large-scale radar image data. In this study, the DGMR model was trained using radar rainfall observation data from the Ministry of Environment, and rainfall prediction was performed using an generative adversarial neural network for a heavy rainfall case in August 2021, and the accuracy was compared with existing prediction techniques. The DGMR generally resembled the observed rainfall in terms of rainfall distribution in the first 60 minutes, but tended to predict a continuous development of rainfall in cases where strong rainfall occurred over the entire area. Statistical evaluation also showed that the DGMR method is an effective rainfall prediction method compared to other methods, with a critical success index of 0.57 to 0.79 and a mean absolute error of 0.57 to 1.36 mm in 1 hour advance prediction. However, the lack of diversity in the generated results sometimes reduces the prediction accuracy, so it is necessary to improve the diversity and to supplement it with rainfall data predicted by a physics-based numerical forecast model to improve the accuracy of the forecast for more than 2 hours in advance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.719-723
• /
• 2008

도달시간이 짧은 중소유역의 홍수예측과 돌발호우에 의한 돌발홍수의 예측을 위해서는 단기 예측 강우를 활용하는 기술이 필수적이라고 할 수 있다. 본 연구에서는 예측 강우를 이용한 신속하고 정확한 유출모의를 수행하는 과정으로서, 수치예보자료와 레이더 강우와 같이 격자 형태로 제공되는 강우자료를 직접 이용하여 유출모의가 가능한 1차원 분포형 강우-유출 모형을 개발하고자 한다. 본 연구에서 개발하고자 하는 모형은 모형의 입출력, 유출분석 모듈 등과 같은 모든 과정을 GIS 시스템과 완전 연계하고자 하며, 이를 통해서 그리드 형태로 제공되는 강우 시계열 자료와 공간자료를 화면상에서 조회할 수 있으며, 이를 모형의 입력자료로 직접 이용하고, 모의결과 또한 유역 내에서 공간 분포된 행태로 제시할 수 있다. 본 논문에서는 이와 같은 모형의 유출해석 과정과 이론적 검증 결과를 개략적으로 소개하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.274-277
• /
• 2011

기후변화는 전 세계적으로 많은 관심을 얻고 있으며 그로 인한 재산과 인명피해의 증가가 우려되고 있다. 기후변화에 대해 가장 취약한 부분은 수자원분야이며 수자원 활용의 극대화를 위하여 여러 예측방법이 활용되고 있다. 본 연구에서는 기상변화의 예측 및 모델링 기법 중 하나와 수문모델의 융합 기법을 활용하였다. 선행 연구에서는 레이더 강우자료와 지상 우량계의 강우자료로 여유추정시간에 대한 단기 예측만이 가능하게 하였는데 이 방법은 조금 더 여유 추정시간을 증가 시키는 장점이 있다. 이 연구에서는 여유추정시간의 증가에 대한 정확성을 검증하기 위하여 청미천 유역을 대상으로 연구를 실시하였다. 연구 방법으로는 ArcGIS와 Arc-View을 사용하여 대상유역의 Curve Number (CN) 값을 추출하고, 강우예측모형인 Weather Research Forecast (WRF) - Advanced Research WRF (ARW) 결과자료와 과거 강우자료의 비교 검증을 통하여 모형의 적용성을 평가하였다. 두 자료는 HEC-HMS의 입력자료가 되며, 이를 바탕으로 지역 유출량 산정 및 지표면 유출 모의를 통한 강우-유출현상을 검토 자료로 활용할 수 있다. 본 연구를 바탕으로 청미천 유역 지표면에서의 강우-유출모의를 개선하여 대상유역의 현상을 보다 유사하게 나타내고자 하였으며, 이와 함께 WRF-ARW 모형을 통하여 여유추정시간의 증가를 모색하고 지역강우 모형이 대한민국 지형의 잘 어울리는 최적화된 매개변수들의 조합을 알아내고 그의 적용현실성을 평가하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.48 no.5
• /
• pp.409-423
• /
• 2015

In this study the very short-term rainfall forecasting and storm water forecasting using the weather radar data were implemented in an urban stream basin. As forecasting time increasing, the very short-term rainfall forecasting results show that the correlation coefficient was decreased and the root mean square error was increased and then the forecasting model accuracy was decreased. However, as a result of the correlation coefficient up to 60-minute forecasting time is maintained 0.5 or higher was obtained. As a result of storm water forecasting in an urban area, the reduction in peak flow and outflow volume with increasing forecasting time occurs, the peak time was analyzed that relatively matched. In the application of storm water forecasting by radar rainfall forecast, the errors has occurred that we determined some of the external factors. In the future, we believed to be necessary to perform that the continuous algorithm improvement such as simulation of rapid generation and disappearance phenomenon by precipitation echo, the improvement of extreme rainfall forecasting in urban areas, and the rainfall-runoff model parameter optimizations. The results of this study, not only urban stream basin, but also we obtained the observed data, and expand the real-time flood alarm system over the ungaged basins. In addition, it is possible to take advantage of development of as multi-sensor based very short-term rainfall forecasting technology.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.225-229
• /
• 2005

이류모형을 이용한 단기예측 레이더 강우자료와 관측 레이더자료의 비교를 통하여 얻어진 예측오차를 분석하였다. 임의 시점까지의 예측오차 장에 나타나는 확률분포 형태와 공간적 상관성을 분석하여 이들 특성을 반영하는 추후의 예측오차 장을 모의할 수 있었다. 모의된 예측오차 장과 합성된 단기예측 강우 장은 이류모형을 이용한 예측에 따른 불확실성 을 추계학적으로 반영한 예측강우를 제공한다.

• Water for future
• /
• v.23 no.3
• /
• pp.341-350
• /
• 1990

Precise run-off forecasting depends on the ability to predict quantitative rainfall intensity. This study suggests a stochastic model for 1 hour order rainfall prediction. The model simultaneously predicts rainfall intensity at all telemetered rain-gauge locations. All model parameters, velocity and direction of storm movement, radial spectrum, dimensionless time distribution of rainfall, are estimated from telemetered and historical data for the basin being predicted. Also the estimated parameters are based on the previous study. The results are the influence of dimensionless time distributions on the prediction and the model on run-off.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.110-110
• /
• 2019

유역 강우-유출 과정의 물리적 특성과 비선형성을 반영하여 유출을 예측할 수 있는 새로운 방법을 제시한다. Dynamic wave 이론 기반의 강우-유출 모형과 유역의 지형적, 수문학적 특성을 이용하여 유역의 순간단위도를 S-수문곡선 방법을 통해 유도하였으며, 비선형성을 고려한 유출수문곡선 산정을 위해 순간단위도의 회선적분 시 강우강도별로 달라지는 순간단위도를 반영하였다. 기존 선형 가정에 근거한 단위도 방법이나, kinematic wave 이론 기반의 순간단위도 방법들에 비해 유역 반응의 물리적 특성과 비선형성을 잘 반영할 수 있었으며, 수치 시뮬레이션을 통한 강우유출 예측 방법에 비해 예측에 소요되는 시간이 짧다는 이점을 가졌다. 본 연구에서 제시한 방법에 대한 이상적 유역, 실제 유역에 대한 검증을 진행하였으며 실제 관측결과와 비교해 본 결과 유역의 강우-유출 관계를 정확히 예측하였다는 결론을 얻을 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.119-119
• /
• 2019

최근 기후변화와 이상기후의 영향으로 국지성 호우 및 가뭄, 홍수, 태풍 등 재해 발생 규모가 커지고 그 빈도 또한 많아지고 있다. 이러한 자연재해 및 이상현상에 대한 피해를 예방하고 빠르게 대처하기 위해서는 정확한 강우량 추정 및 강우의 시간적 예측이 필요하다. 이러한 강우의 불확실성을 해결하기 위해서 기상청 등에서는 단일 수치예보가 가지는 결정론적인 예측의 한계를 보완한 초기조건, 물리과정, 경계조건 등이 다른 여러 개의 모델을 수행하여, 확률적으로 미래를 예측하는 앙상블 예측 시스템을 예보기술에 응용하고 있으며 기존 수치모델의 정보와 예보 불확실성에 대한 정보를 동시에 제공하고 있다. 그러나 다양한 자연조건에 대한 불완전한 물리적 이해와 연산 능력 등의 한계로 높은 불확실성이 내포되어 있으므로 불확실성을 최소화하기 위한 편의보정이 수행될 필요가 있다. 강우분석의 적용 이전에 해당 자료의 타당성과 신뢰도의 분석이 필요하다. 본 연구에서는 LENS(Local ENsemble prediction System) 예측값과 시강우 관측값을 단기예측모델에 맞추어 3시간 누적하여 비교하였다. 비교 기간은 호우가 집중되는 2016년 10월로 선정하였으며 대상지역은 울산중구로 선정하였다. LENS를 대상 지역의 관측소 지점값과 행정구역 면적값을 따로 추출한 후, 불확실성을 최소화하기 위해 활용되고 있는 CF 기법과 QM 기법을 이용하여 LENS 모델을 재가공하고 이에 따른 편의보정 기법에 따른 LENS 모델을 과거의 실제강우 관측값과의 비교분석을 이용해 적용성을 검토 및 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.2-2
• /
• 2015

최근 국지성 집중호우 및 돌발홍수와 같은 급격한 기상변화로 인한 기상재해의 발생빈도가 증가함에 따라 기존 지상 기상관측소로부터 얻어지는 직접탐측 자료보다는 기상레이더와 위성영상 등 원격탐측 자료를 사용한 수문분야의 연구가 활발하게 진행되고 있다. 기상레이더는 넓은 지역에 걸쳐 실시간으로 강수현상 감시가 가능하며 지상우량계로는 파악이 불가능한 미계측 유역을 통과하는 국지적인 호우현상이나 강우장의 이동 및 변화의 파악도 빠른 시간에 가능한 장점이 있다. 본 연구는 기상레이더 공간적 분포와 지상관측소(AWS 및 ASOS) 자료를 연계한 통계적 레이더 강수량 추정(Quantitative Precipitation Estimation, QPE)과 레이더 강수장을 직접 추적하는 강수장 예측(Quantitative Precipitation Forecast, QPF)를 연계한 해석방안을 수립하였으며, 모형 적용과정은 다음과 같다. 첫째, 강우장의 공간적인 이동을 고려하기 위해 강우장으로 부터 이류(advection)패턴을 추출하여 각 강우세포가 가지는 이동방향 및 이동속도를 고려한 강우장 추적기법을 통하여 2시간의 선행시간을 가지는 강우장을 예측하고자 한다. 둘째, 과거 기상레이더 이미지와 지상관측소의 강수 특성을 파악한 후 앞서 예측된 레이더강우장의 형태와 가장 유사한 과거 레이더강우장과 동일 시간대에 지상관측소 강수시계열을 시나리오 형태로 구축한다. 본 연구를 통하여 개발된 기상레이더 영상 이미지 상관분석 기법을 활용한 초단기강우예측은 집중호우시 홍수 예 경보를 위한 수문모형의 입력자료로 활용이 가능하다. 즉, 수문모형과 연계한 고해상도 단기홍수 예측기술 적용이 가능할 것으로 판단되며, 향후 실시간 재해 예 경보에 활용성을 평가하고자 한다.