• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.200-200
• /
• 2022

본 연구에서는 총 강우량과 강우강도을 고려한 이변수 분석으로 연최대 호우사상을 선별하고, 두 변수를 Copula 함수로 결합하여 최적의 모델조합을 찾는 확률호우사상 산정 방법론을 제시하였다. 국내 69개 관측소의 2020년까지의 관측 자료를 대상으로 1mm 이하의 강우는 제거한 뒤, IETD(Inter-Event Time Definition) 12시간을 기준으로 강우자료를 독립적인 호우사상으로 분리하였다. 호우사상의 여러 특성 중 양의 상관관계를 갖는 총 강우량과 강우강도를 변수로 선택해 이변수 지수분포에 대입하였고, 각 지점의 연최대 호우사상 시계열을 생성하였다. 2변수 지수분포의 매개변수는 전체 기간과 연도별로 나누어 추정해 본 결과 연도별 변동성이 큰 것을 확인해 연도별 추정 방식을 선택하였다. 연최대 강우사상 시계열의 총 강우량과 강우강도는 극한 강우에 적용하는 확률분포형 중 Lognarmal, Gamma, Gumbel, GEV(Generalized Extreme Value), GPD(Generalized Pareto Distribution) 5가지를 사용하여 각각 CDF(Cumulative distribution Function) 값을 추정하였다. 계산된 CDF 값은 3가지 Copula 모형으로 결합해 joint CDF 값을 산출하였다. 총 75개의 모델조합 중 최적 모델을 찾기 위해 CVM(Cramer-von-Mises) 적합도 검정을 시행하였다. CVM의 통계량 Sn 값이 가장 작은 모델조합을 해당 지점의 최적 모델조합으로 선정하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1119-1123
• /
• 2010

유역내의 강우량을 통하여 유역 출구지점에서의 유출량을 예측하고, 그에 따른 대비를 세우는 것은 매우 중요하다. 유역내의 강우량은 유역내의 강우관측소에서 얻어지는 실시간 자료를 통하여 알 수 있지만, 강우 관측소의 강우 자료가 유역 출구지점에서의 유출량이나 하천 흐름의 특성에 어떠한 영향을 주는지는 알 수 없다. 유역 내에서 강우 관측소가 유출량 또는 하천의 흐름에 긍정적인 영향을 줄 수도 있지만, 부정적인 요소가 될 수도 있기 때문이다. 따라서 본 연구에서는 유역 내 강우 관측소가 출구지점 유출량과 흐름특성에 어떠한 영향을 미치는지 판단하고 최적의 강우 관측소 조합을 찾아 내 하천 흐름의 특성과 유출량을 예측하였다. 본 연구에서는 갑천 유역 내의 6개 강우관측소와 유역 출구지점의 유출량과 하천 흐름에 영향을 줄 것이라고 판단되는 유역 주변의 강우 관측소 7개, 총 13개의 강우 관측소를 선정하였다. 13개의 강우 관측소에서 12, 11개씩 선택하여 총 90개의 부분집합을 구성하고, 유전자 알고리즘을 통하여 실제 유출량에 가장 비슷한 결과를 보이는 강우 관측소 조합을 찾아내고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.358-358
• /
• 2023

본 연구에서는 그동안 수자원분야 강우유출 해석분야에 활용되었던 대표적인 머신러닝&딥러닝(ML&DL) 모델을 활용하여 모델의 하이퍼파라미터 튜닝뿐만 아니라 모델의 특성을 고려한 기상 및 수문데이터의 조합과 전처리(lag-time, 이동평균 등)를 통하여 데이터 특성과 ML&DL모델의 조합시나리오에 따른 일 유입량 예측성능을 비교 검토하는 연구를 수행하였다. 이를 위해 소양강댐 유역을 대상으로 1974년에서 2021년까지 축적된 기상 및 수문데이터를 활용하여 1) 강우, 2) 유입량, 3) 기상자료를 주요 영향변수(독립변수)로 고려하고, 이에 a) 지체시간(lag-time), b) 이동평균, c) 유입량의 성분분리조건을 적용하여 총 36가지 시나리오 조합을 ML&DL의 입력자료로 활용하였다. ML&DL 모델은 1) Linear Regression(LR), 2) Lasso, 3) Ridge, 4) SVR(Support Vector Regression), 5) Random Forest(RF), 6) LGBM(Light Gradient Boosting Model), 7) XGBoost의 7가지 ML방법과 8) LSTM(Long Short-Term Memory models), 9) TCN(Temporal Convolutional Network), 10) LSTM-TCN의 3가지 DL 방법, 총 10가지 ML&DL모델을 비교 검토하여 일유입량 예측을 위한 가장 적합한 데이터 조합 특성과 ML&DL모델을 성능평가와 함께 제시하였다. 학습된 모형의 유입량 예측 결과를 비교·분석한 결과, 소양강댐 유역에서는 딥러닝 중에서는 TCN모형이 가장 우수한 성능을 보였고(TCN>TCN-LSTM>LSTM), 트리기반 머신러닝중에서는 Random Forest와 LGBM이 우수한 성능을 보였으며(RF, LGBM>XGB), SVR도 LGBM수준의 우수한 성능을 나타내었다. LR, Lasso, Ridge 세가지 Regression모형은 상대적으로 낮은 성능을 보였다. 또한 소양강댐 댐유입량 예측에 대하여 강우, 유입량, 기상계열을 36가지로 조합한 결과, 입력자료에 lag-time이 적용된 강우계열의 조합 분석에서 세가지 Regression모델을 제외한 모든 모형에서 NSE(Nash-Sutcliffe Efficiency) 0.8이상(최대 0.867)의 성능을 보였으며, lag-time이 적용된 강우와 유입량계열을 조합했을 경우 NSE 0.85이상(최대 0.901)의 더 우수한 성능을 보였다.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.171-171
• /
• 2011

급격한 기상이변과 자연현상의 변화에 의해 자연재해가 발생하며, 이러한 변화로 인해 전 세계적으로 환경뿐만 아니라 방재의 중요성 또한 대두되고 있으나, 강우 강도의 예측 분야에서는 여유추정시간의 차이로 인해 방재현상에 대한 구체적인 협력을 하지 못했던 것이 사실이다. 현재 가장 많이 사용하고 있는 레이더 강우자료와 지상 우량계의 강우자료는 여유추정시간이 3시간에서 4시간 사이의 단기 예측만을 가능하게 한다. 본 연구에서는 이의 개선을 위하여 청미천 유역을 대상으로 GIS를 이용하여 CN value를 추출하고, 지역 강우 모형인 Weather Research Forecast(WRF) - Advanced Research WRF(ARW)를 통하여 모의한 강우자료에 대하여 과거 같은 기간의 강우자료와 비교 검증한 후 지역 강우 모형을 통하여 모의한 자료를 HEC-HMS의 Input자료로 활용하여 지역 유출량을 산정한다. 또한 유역의 지표면 유출 모의를 통하여 강우-유출현상과 수리-수문학적 과정을 상호 연결하고, 강우에 의한 유역 지표면에서의 유출을 도출하며, 최적화된 매개변수들의 조합을 개선하여 대상유역의 현상을 보다 유사하게 나타낼 것이다. 이와 함께 WRF-ARW 모형을 통하여 여유추정시간의 증가를 모색하며 그로인한 홍수예측 및 경계체계를 확립하기 위해 연구를 진행한다. 이 지역강우 모형의 대한민국 지형의 적용성 즉, 대한민국 지형에 가장 잘 어울리는 최적화된 매개변수들의 조합을 알아내고 그의 적용현실성을 찾아내려 한다. 더 나아가 강우에 대한 예측을 통해 홍수 경보 체계를 위한 자료로 활용할 수 있는 방안 또한 모색할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.147-153
• /
• 2008

본 연구에서는 레이더 강우를 이용하여 시공간적 변동성을 고려한 격자형 면적강우량을 산정하기 위하여 추계학적 방법인 칼만필터 기법을 이용하여 지상 강우 관측망과 레이더 강우 관측망을 조합하여 면적강우량을 산정하였다. 또한 전통적인 지상 강우량을 면적강우량으로 전환하는 기법인 Thiessen법, 역거리법, 크리깅 기법을 이용하여 면적강우량을 산정한 후 칼만필터 기법에 의해 보정된 면적 레이더 강우와 비교 하였다. 그 결과, 칼만필터 기법에 의해 보정된 레이더 강우는 실제 강우 분포와 유사한 공간분포를 가지는 원시 레이더 강우 분포를 잘 재현하면서도 강우 체적(볼륨)은 우량계 자료의 체적과 유사하게 나타났다. 그리고 칼만필터 기법에 의해 보정된 레이더 강우를 물리적 기반의 분포형 모형인 $Vflo^{TM}$ 모형과 준분포형 모형인 ModClark 모형에 적용하여 홍수유출을 모의하였다. 그 결과, $Vflo^{TM}$ 모형은 첨두시간과 첨두치가 관측 수문곡선과 유사하게 모의되었으며 ModClark 모형은 총 유출체적에서 좋은 결과를 나타냈다. 그러나 매개변수 검증에서는 $Vflo^{TM}$ 모형이 ModClark 모형보다 관측 수문곡선을 잘 재현하였다. 이를 통해 지상강우와 레이더 강우를 적절하게 조합하여 정확도 높은 면적강우량을 산정하고 분포형 수문모형과 연계하여 홍수유출모의를 실시할 경우 충분한 적용성을 가지고 있음을 확인할 수 있었다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.33 no.3
• /
• pp.957-964
• /
• 2013

This research is on the methodology of flood risk assessment using flooding characteristic values. Necessity of design magnitude for flood control considering floods was judged by plotting peak flow with respect to frequency and duration, and flooding magnitude was defined with 6 flooding characteristic values which were proposed to be significant factors when assessing flooding magnitude. Precipitation data used in the assessment modeling were applied by combining all the possible precipitation events. After overlapping the simulated results with precipitation matrix by flooding characteristic values, contour map was drawn, and Flooding characteristic contour graph for possible rainfall events were suggested in respect of all possible precipitation. Flooding characteristic contour graph for possible rainfall events was confirmed that reducing of damage magnitude of each flood characteristic value was figured out easily. The flood risk assessment methods suggested in this study would be a good reference for urban drainage system design, which only focuses on pipe conduit.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.278-278
• /
• 2022

2020년 집중호우로 인하여 우리나라 전국에 걸쳐 약 2,000여 곳의 산사태, 토석류가 발생하였고 약 1,217ha의 피해 면적이 발생하였다. 피해지역의 특히 생활권 중심의 사면과 계류의 관리 필요성이 높아지고 있다. 산림청 산사태정보시스템에서는 토양함수지수가 80% 도달 시 주의보, 100% 도달 시 경보를 발령하는 대국민 서비스를 제공하고 있다. 본 연구에서는 토층의 깊이에 따른 함수비 분포에 따라 토석류의 발생 가능성에 대한 분석을 수행하고자 하였으며, 토양함수는 기상 수치모델에 의한 예측 강우 자료를 활용하였다. 예측 강우 모델은 토석류가 주로 발생하는 여름철 집중호우 시기인 남서풍을 고려하여 도메인을 구성하였고 산림의 증발산 및 토양수분 모의 정확도 향상을 위해 임상도와 토지피복도를 사용하여 보정하였다. 토층내 토양수분의 함량은 토질에 따라 그 특성이 다르기 때문에 토질과 관련한 주제를 이용하여 토양정보를 활용하였다. 내부마찰각, 점착력, 단위중량, 밀도, 지질도, 지형경사, 표고, 유효토심에 대한 정보를 구축하여, 예측강우에 따라 토층의 수분 함량을 추정하여 붕괴 발생 가능성을 분석하였다. 2006년 평창지역에서 발생한 토석류에 대하여 수행하였으며 토층의 심도는 0.5~1m 범위의 분포에 대하여 체적함수에 따른 실제 토석류 발생에 대한 검증을 수행하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.497-497
• /
• 2018

복잡한 기상조건 하에서 강우의 예측은 수문 기상 분야에서 필수적인 과정이라 할 수 있다. 특히 월 단위의 강우 예측은 장기적인 수자원 관리 및 계획 수립 시 매우 중요한 기준이 되기 때문에 보다 정확하고 신뢰도 있는 예측을 필요로 하고 있다. 이를 위해 전 지구적 기후 변동의 양상을 수치화 하여 나타낼 수 있는 기상인자의 활용이 활발해지고 있으며 다양한 모형을 기반으로 한 강우 예측이 수행되고 있다. 최근에는 인공지능 기법을 활용한 인공신경망 모형의 적용이 활발해짐에 따라 높은 예측력을 바탕으로 강우 예측에 대한 연구가 이루어지고 있지만 초기 가중치의 무작위성 또는 과적합으로 인한 문제도 함께 나타나고 있다. 본 연구에서는 인공신경망 모형의 활용성을 높이고 신뢰성을 확보하기 위한 강우 예측을 수행하고자 하였다. 이를 위해 다양한 기상인자를 활용하여 인공신경망 모형을 위한 정보를 구축하고 인공신경망 모형을 통해 생성되는 결과로부터 단일 예측이 아닌 앙상블 예측을 활용함으로써 강우 앙상블을 생성하고 조합하였다. 그 결과 인공신경망 모형을 통한 단일 예측보다 앙상블을 통한 예측으로 안정적이고 정확한 예측 결과를 산정할 수 있었으며 기존에 인공신경망 모형을 통한 예측의 문제점을 보완할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.58-58
• /
• 2019

최근 기계학습기법에 대한 활발한 연구로 인하여 많은 기계학습기법들이 개발되었다. 이러한 최신기계학습기법은 기존에 사용되어온 기계학습기법과 경험식들보다 자연현상을 예측하고 재현하는데 높은 성능을 보이는 것으로 알려져 있다. 레이더 자료를 이용한 강우추정 기법으로는 ZR관계식이 널리 사용되고 있다. 이상적인 조건에서는 ZR 관계식을 이용한 레이더 강우추정이 양호한 성능을 보이나, 실제 레이더 자료를 이용한 강우추정은 이상적인 환경이 아닌 경우가 매우 많다. 이런 ZR관계식의 한계점을 보완하기 위한 방법으로 기계학습기법을 이용한 레이더 강우추정 기법들이 개발되었으나, 현재 한국의 레이더 자료를 대상으로 해서는 많은 연구가 진행되어 오지 않고 있다. 레이더 자료를 이용한 강우추정의 정확도 향상을 위해서는 최신 기계학습기법들의 레이더 강우추정 기법에 대한 적용가능성을 평가해 볼 필요성이 있다. 본 연구에서는 random forest, stochastic gradient boosted model, extreme learning machine의 강우 레이더 강우추정 기법으로의 적용성을 평가하였다. 강우추정 기법 개발 및 성능 비교를 위해서 2018년 광덕산 이중편파 레이더 자료를 이용하였다. 다양한 이중편파 매개변수 조합을 레이더 강우추정 기법의 입력변수로 적용하였다. 기존 연구의 사용되어 온 ZR관계식의 매개변수를 또한 강우사상과 이중편파 매개변수 조합을 이용하여 추정하였다. 기계학습을 적용한 레이더 강우추정 기법이 ZR관계식보다 상관계수와 제곱근오차를 기준으로 높은 강우추정 정확도를 보였다. 특히 개발된 강우추정 기법은 호우사상에서 높은 정확도를 보이는 것을 확인 할 수 있었다. 적용된 기계학습 기법 중에서는extreme learning machine이 레이더 강우추정기법 개발에 가장 적합한 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.99-99
• /
• 2018

기상이변으로 인해 국지성 호우의 발생 증가와 그로 인한 수재해 피해가 증가하고 있다. 따라서 수재해를 사전에 예측하고 저감하기 위해 비구조물적 대책인 실시간 홍수예보시스템 개발 및 운영에 관한 연구들이 수행되고 있다. 일반적으로 홍수예보시스템은 대피선행시간 확보를 위해서 초단시간 혹은 단기 수치예보모델을 수문해석모형이나 예보기법의 입력으로 활용하고 있다. 초단시간 예측은 기상레이더를 기반으로 외삽, 이류, 셀 추적 등의 기법을 활용하여 0~3시간 이내의 강수예측을 수행한다. 그러나 역학이나 물리적 과정이 동반되지 못하여 0~ 2시간 이내에서의 예측성은 높은 반면, 예측시간이 길어질수록 예측력이 낮아진다. 단기수치예보모델은 종관관측에 의존하면서 역학이나 물리과정을 동반하므로 0~6시간 혹은 12시간 이상의 예측을 수행하지만, 수치모델의 고유특성인 스핀업 등의 예측 불확실성이 내재되어 있어 예측 초기시간에서의 예측력이 낮은 한계가 있다. 따라서 강수예측의 정확도 향상을 위해 레이더와 수치예보모델의 병합기법이 필요하다. 본 연구에서는 통계분석을 통해 경험적으로 산출된 시간적 가중치를 이용한 기존 병합기법의 한계를 극복하면서 호우에 따른 가변성을 반영하는 실시간 병합기법을 개발하고, 수문학적인 활용성을 평가하고자 하였다. 사용된 예측강우 자료는 레이더 기반인 MAPLE, KONOS, 공간규모분할 예측강우와 수치예보모델 기반인 UM와 ASAPS의 예측강우이며, 제시한 가중치 산정기법은 직전 예측강우의 오차가 현 시점의 예측강우의 오차와 유사하다는 가정하에 오차항을 포함한 과거 1시간 예측강우들간의 가중치 조합이 과거 지상관측강우와의 평균제곱근오차가 최소가 되도록 화음 탐색법을 이용하여 찾는 것이다. 가중치 조합은 예측강우의 생산 시간 간격을 고려하여 매 10분마다 산정하며, 미래 3시간 예측까지 산정된 가중치를 적용한다. 수도권 영역을 대상으로 병합된 예측강우와 레이더 관측강우를 비교한 결과, 정량적 정확도가 향상됨을 확인할 수 있었다. 또한, 예측강우의 수문학적 활용성은 도시유출해석모의를 통해 평가하였다. 그 결과, 병합된 예측강우로 모의된 수심이 관측수심과 유사하여 수문학적 활용성 확인할 수 있었다.