• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.31-31
• /
• 2018

본 연구는 내수침수에 의한 침수면적 예측을 위하여 1차원 유출모형의 유출특성을 이용하여 침수면적 예측방법의 최적화이다. 2017년 강우의 초기강우와 첨두강우 특성을 적용한 경우에 정확한 침수면적 추정이 가능한 것을 확인한 바가 있다. 이러한, 결과에 추가적으로 SWMM 모형의 유출결과 자료의 특성인자를 이용하여 침수DB를 선택한 경우에 침수면적 예측 정확도를 분석하였다. 강우지속시간 및 강우량의 변화에 따른 유출결과의 변화를 분석하여 강우특성에 따른 SWMM 모형의 노드별 유출결과의 특성인자 변화를 분석하여 침수DB에서 실제 침수면적 선정방법을 정리하였다. 정리된 방법을 이용하여 유출결과 자료 특성인자를 이용한 최적의 침수DB 선정방법을 돌출하였다. 강우 특성 인자에서 침수DB를 선정하는 방법과 비교하여 강우유출모형의 모의결과를 이용한 경우에 약 6,000여개 노드를 기준으로 5~10분의 모의시간이 추가적으로 소요되어 실시간 침수 DB 선정에는 어렵지만, 준실시간 실제 유출량을 고려한 침수DB 선정이 가능할 것이다. 따라서, 강우특성 도출에 따라 1차적으로 침수DB를 선정하고, 강우유출모형의 유출 특성에 따라서 2차적으로 침수DB를 선정한다면, 예경보 시스템에서 대응시간 확보와 예측 정확도 유지에 긍정적인 방안으로 도입될 수 있을 것이다. 침수DB 구축은 많은 침수면적 산정연구에 이용하였던 TUFLOW 모형을 이용하여 침수DB를 구축하였다. SWMM 모형을 이용하여 강우유출을 모의하고, 침수면적을 TUFLOW를 이용하여 구축한 다양한 호우사상에 대한 침수DB를 이용하여 준실시간 침수면적 예측하는 방법은 향후, 예경보 시스템 구축에 이바지 할 수 있을 것입니다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.904-907
• /
• 2005

본 연구에서는 강우량의 실측치인 자동기상관측소(AWS) 자료와 현재의 대기상태인 인공위성(GMS-5호) 자료를 입력자료로 하여 현재부터 3시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 강우예측 신경망 모형을 개발하였으며, 2002년 8월 집중호우시 남강댐 유역에 적용하였다. 신경망 모형의 학습을 위해서 $1998\~2001$년 $6\~9$월과 2002년 6, 7월의 강우사상과 적외선 자료가 사용되었고, 학습이 종료되면 예측기간(2002년 8월 $6\~16$일)동안의 강우예측이 수행되었다. 신경망 모형의 학습단계에서는 자료들간의 비선형 상관관계를 나타내는데 적합한 역전파 알고리즘 학습방법 중 모멘텀법을 사용하였으며, 신경망 모형의 출력값은 현재부터 3시간 후까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 예측된 면적평균강우량은 실제 관측된 강우량의 패턴은 잘 따르고 있었지만 첨두치를 과소평가하는 경향이 나타났다. 본 연구에서 개발된 신경망 모형은 관측된 강우자료의 품질과 패턴이 모형의 정확성에 미치는 영향이 절대적인 기존의 신경망 모형과 차별화하여, 현재의 대기상태를 나타내는 인공위성 자료를 추가함으로써 보다 정확한 강우량 예측이 가능하도록 하였다.

• Water for future
• /
• v.29 no.4
• /
• pp.109-118
• /
• 1996

The neural network is a mathematical model of theorized brain activity which attempts to exploit the parallel local processing and distributed storage properties. The neural metwork is a good model to be applied for the classification problem, large combinatorial optimization and nonlinear mapping. A multi-layer neural network is constructed to predict rainfall. The network learns continuourvalued input and output data. Application of neural network to 1-hour real data in Seoul metropolitan area and the Soyang River basin shows slightly good predictions. Therefore, when good data is available, the neural network is expected to predict the complicated rainfall successfully.

• Journal of Korea Water Resources Association
• /
• v.48 no.12
• /
• pp.995-1009
• /
• 2015

Weather radar rainfall data has been recognized for making valuable contributions to short-term flood forecasting and management over the past decades. There are several advantages to better monitoring rainfall in ungauged area compared to ground-based rain gauges with which spatial patterns of the rainfall are not effectively identified. Hence, this study aims to develop a new scheme to forecast spatio-temporal rainfall field. The proposed model was based on an advection scheme to track wind patterns and velocity. The results showd a promising forecasting skill with quantitative and qualitative measures. It was confirmed that the forecasted rainfall may be effectively used an input data for a distributed hydrological model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1063-1067
• /
• 2008

최근 국지적 집중호우로 인한 인명과 재산피해가 증가하고 있는 실정이며 이러한 피해를 경감하기 위한 하나의 방책으로써 홍수예경보 시스템 구축에 관한 관심이 증가하고 있다. 기존의 홍수예보 시스템은 강우의 실제 관측치를 모형의 입력자료로 하여 홍수유출을 계산함으로 인해 예보시간이 촉박하였다. 실시간 강우를 이용하여 유출계산을 수행하고 그 결과가 위험하다고 판단될 때 홍수예경보를 하므로 집중호우와 같은 악기상 조건에서는 적용에 한계가 있다. 따라서 정확한 기상예보를 활용한 기상-수자원 연계기법을 개발하여 홍수예경보 시스템에 적용한다면 악기상 감시예측기술의 향상과 더불어 재해의 방지차원에서 매우 유용한 대책이 될 것이다. 이에 본 연구에서는 단기 예측강우의 국내유역 적용성 여부를 검토하기 위해 30km의 공간 해상도를 가진 단기지역예보모델인 RDAPS(Regional Data Assimilation and Prediction System) 강수자료를 활용하여 기상학적 및 수문학적 정확도를 분석하였으며, 이를 바탕으로 예측강수의 높은 활용성이 기대되는 실제 한강수계의 주요 댐 지점에 HEC-1 모형을 이용하여 댐 유입량을 산정하고 그 적용성을 평가하고자 한다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.11 no.3
• /
• pp.17-28
• /
• 2011

This study applied the Kalman Filter for real-time forecasting the G/R (ground rain gauge rainfall/radar rainfall) ratio to correct the mean field bias of the very-short-range-forecast (VSRF) rainfall. The MAPLE-forecasted rainfall was used as the VSRF rainfall, also the methodology for deciding the G/R ratio was improved by evaluating the change of G/R ratio characteristics depending on the threshold and accumulation time. This analysis was done for the inland, mountain, and coastal regions, separately, for their comparison. As the results, more stable G/R ratio could be estimated by applying the threshold and accumulation time, whose forecasting accuracy could also be secured. The accuracy of the corrected rainfall forecasting by the forecasted G/R ratio was the best in the inland region but the worst in the coastal region.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.481-481
• /
• 2021

서울시는 '10년, '11년, '18년의 기록적인 호우로 인해 막대한 재산피해를 기록하였다. 이로 인해 서울시는 수재해 최소화 대책의 필요성을 인지하여 방재시설물 확충 등의 구조적 대책과 함께 침수지역 예측, 호우 영향 예보와 관련된 비구조적 대책 수립을 위해 노력하고 있다. 그 일환으로 2018~2019년 『서울시 강한 비구름 유입경로 및 침수위험도 예측 용역』 수행을 통해 레이더 실황강우 기반의 강한 비구름 이동경로 추정 기술, 강우시나리오 기반의 침수위험지역추정 기술이 적용된 서울시 도시침수 예측시스템을 개발하였다. 또한, 침수피해에 선제적으로 대응하기 위해 2019~2020년 『서울시 내수침수 위험지역 실시간 예측기술 개발』을 통하여 이류모델 기반의 예측강우정보 추정 기술, 예측강우정보 기반의 실시간 침수위험지역 추정기술을 적용하였다. 현재 서울시 도시침수 예측시스템은 서울시 전역의 강우 및 침수정보를 제공하며, 관로 113,286개(전체 385,768개), 맨홀 106,097개(전체 272,133개), 빗물펌프장 117개소(전체 121개소)가 반영되어 있다. 서울시 도시침수 예측시스템에서는 서울시 25개 자치구를 대상으로 실황 및 예측 강우정보, 강한 비구름에 대한 이동경로정보, 시나리오 및 실시간 침수정보를 제공하고 있다. 강우정보는 10분 및 1시간 단위 AWS 실황정보와 10분 단위 이류모델 기반 예측정보, 1시간 단위 LDAPS 기반 예측정보를 제공한다. 또한, 레이더 실황정보를 통해 판별된 강한 비구름에 대해 10분 단위 1시간 예측경로를 제공한다. 침수정보는 총강우량, 강우지속기간, 빗물받이효율 조건을 반영한 강우시나리오 기반의 6m 고해상도 격자단위 침수시나리오 정보와 자치구별 침수위험정보를 제공한다. 또한, 이류모델 기반의 레이더 예측정보를 이용하여 실시간 침수 예측정보를 제공한다. 향후 서울시 내 모든 수방시설물의 적용, 관로 유출구별 기점수위 반영, 관측자료를 이용한 도시유출 및 도시침수 모델 최적화 등 지속적으로 고도화를 수행하고자 하며, 서울시 도시침수 예측시스템을 통해 서울시 및 자치구 풍수해 담당자가 침수피해를 대비, 대응할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.34-34
• /
• 2019

급격한 기후변화의 영향으로 강우의 발생패턴과 높은 강우강도를 갖는 호우의 발생빈도가 높아지고 있어, 짧은 시간동안 다량의 표토가 손실될 가능성이 증가하고 있다. 강우에 의한 표토손실은 다양한 영역에서 발생하는데, 특히 산지유역과 농경지에서 발생할 경우 산림자원의 손실과 작물을 재배할 수 있는 영역이 감소하는 문제를 가져오게 된다. 또한 침식된 표토가 하천으로 유입되면 퇴적으로 인한 통수능력 저하, 하천생태 교란 등의 다양한 문제가 나타나고 있다. 우리나라는 표토침식량을 추정하기 위하여 연평균 토양침식모델을 적용하고 있다. 이모형은 기본적으로 연평균 토양침식을 예측하기 위해 개발되어온 모형으로, 적용하고 있는 매개변수도 연평균 개념의 값을 가지고 있다. 따라서 이모형은 짧은 시간동안에 발생하는 호우사상으로 발생하는 표토침식을 예측하는데 한계를 가진다. 본 연구에서는 기후변화의 영향으로 나타나는 단기호우사상에 의한 표토침식을 예측하기 위해 외부에서 작용하는 침식요인인 강우강도를 고려하기 위하여, 강우입자의 물리적인 특성을 반영한 강우에너지 산정공식을 제시하였다. 또한 기 개발된 분포형 단기표토침식모형에 제안된 식을 적용하여 타당성을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.277-277
• /
• 2023

최근 기후변화의 영향으로 호우의 발생빈도가 증가하고 있는 추세이며, 도시지역의 호우는 돌발적이고 국지적인 특성을 가지고 있어 인명과 재산피해 역시 증가하고 있으며, 급격한 도시화로 인한 구조적으로 홍수에 취약한 실정이다. 국지성 도시호우는 저층(1 km 내외)에서 형성되는 강우가 지배적이며, 기존의 대형레이더는 높은 산 정상에 설치되어 1.5 km 이상의 강우관측을 중심으로 운영됨에 따라 저층강우의 탐지 및 변동성 관측에 취약하여, 이에 대형 레이더에서 뿐만 아니라 도시단위의 국지성 호우관측에 대응할 수 있는 소형 레이더 기반 고정밀 강우관측 마련 및 운영 기술이 필요하다. 현재 K-water는 부산 에코델타 스마트시티에 도시 물재해 플랫폼 구현의 일환으로 돌발강우사전 탐지 및 도시의 신속·정확한 강우 관측을 위하여 높은 시공간 해상도를 제공하는 이중편파X 밴드 소형 강우레이더를 설치하고, 효율적 운용을 위해 각 고도각에서의 빔 차폐율을 확인하고 이를 고려한 최적 관측전략을 수립하였다. 또한 Z-Phi 방법을 이용한 반사도 감쇠 보정 기술을 개발하였으며, 강우 추정을 위해 하이브리드 고도면 합성 기법(HSR) 기법을 적용하고 검증하였다. 이후 소형 레이더의 정량적 추정강수를 이용하여 강우예측 정보를 생산하기 위해 이류모델을 적용하고, 비슬산과 소형 합성 레이더 추정강수로 선행 10분에서 180분까지 예측할 수 있도록 개발하였다. 또한, 지상강우관측 자료와의 정확도 비교 평가를 수행하고, 행정구역 및 표준유역의 예측 평균강우량을 생산하여 부산 에코델타 스마트시티 도시 물재해 통합관리 시스템과 연계운영을 위한 후속 과업을 수행중에 있다.

• Journal of Wetlands Research
• /
• v.19 no.3
• /
• pp.366-374
• /
• 2017

The objective of this study is to explore the applicability of very short-range-forecast rainfall for the early warning of mud-debris flows. An artificial neural network was applied to use the very short-range-forecast rainfall data. The neural network is learned by using the relationship between the radar and the AWS, and forecasted rainfall is estimated by replacing the radar rainfall with the MAPLE data as the very short-range-forecast rainfall data. The applicability of forecasted rainfall by the MAPLE was compared with the AWS rainfall at the test-bed using the rainfall criteria for cumulative rainfall of 6hr, 12hr, and 24hr respectively. As a result, it was confirmed that forecasted rainfall using the MAPLE can be issued prior to the AWS warning.