• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.512-512
• /
• 2015

시 공간적 관측에서 다양한 원인에 의해 강우 자료에 결측이나 오측이 발생할 수 있다. 강우를 측정하고 자료를 수집 관리하는 측면에서 결측 되거나 오측된 자료를 추정 보완할 필요가 있다. 현재까지 결측 강우 자료를 추정하기 위한 방법으로 결측 지점 인근의 관측소를 이용한 단순 가중 평균치 방법에서부터 복잡한 통계적 기반의 보간 방법에 이르기까지 많은 연구들이 진행되고있다. 본 연구에서는 결측 된 강우 자료를 추정하기 위해 인공 신경망을 이용하여 모형을 구축하고 주변 관측소의 강우자료를 이용해 신경망 학습을 실시하여 적용해 보았으며, 최근 관측의 단위가 짧아지고 있는 점을 고려하여 10분, 30분, 1시간 등 다양한 시간간격의 강우자료를 구축하고 선형회귀모형과 RDS 방법, 신경망 모형을 이용한 방법 등을 적용한 결과를 비교하여 신경망 모형의 적용성을 살펴보았다. 단순한 구조면에서는 기존의 RDS 방법에 대한 적용성이 높은 것으로 판단되었으나, 성능의 개선을 위한 별다른 방법이 없는 반면 신경망 모형은 입력 자료를 다양하게 변환하여 구성하는 경우 성능을 개선하여 적용성이 더 높아 질 수 있는 것으로 판단되었다. 향후 신경망 모형을 이용해 잘못 측정된 강우를 적절히 선별하고 결측된 보완함으로써 관측된 강우 자료의 활용성을 높일 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1727-1731
• /
• 2008

수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 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 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.38 no.7 s.156
• /
• pp.565-574
• /
• 2005

It is used water quality data that was measured at Pyeongchanggang real time monitoring stations in Namhan river. These characteristics were analyzed with the water qualify of rainy and nonrainy periods. TOC (Total Organic Carbon) data of rainy periods has correlation with discharge and shows high values of mean, maximum, and standard deviation. DO (Dissolved Oxygen) value of rainy periods is lower than those of nonrainy periods. Input data of the water quality forecasting models that they were constructed by neural network and neuro-fuzzy was chosen as the reasonable data, and water qualify forecasting models were applied. LMNN, MDNN, and ANFIS models have achieved the highest overall accuracy of TOC data. LMNN (Levenberg-Marquardt Neural Network) and MDNN (MoDular Neural Network) model which are applied for DO forecasting shows better results than ANFIS (Adaptive Neuro-Fuzzy Inference System). MDNN model shows the lowest estimation error when using daily time, which is qualitative data trained with quantitative data. The observation of discharge and water quality are effective at same point as well as same time for real time management. But there are some of real time water quality monitoring stations far from the T/M water stage. Pyeongchanggang station is one of them. So discharge on Pyeongchanggang station was calculated by developed runoff neural network model, and the water quality forecasting model is linked to the runoff forecasting model. That linked model shows the improvement of waterquality forecasting.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1013-1017
• /
• 2008

이 연구는 기상수치예보 모델 중 지역수치예보모델인 RDAPS 모델을 이용하여 강우자료를 예측한 값과 실제 강우관측지점에서의 강우량을 비교해 보고 RDAPS 예측량의 정확도를 높이기 위한 연구이다. RDAPS 모델의 자료는 00UTC와 12UTC에 3시간 누적 자료를 48시간에 대해서 생성하고, 30km 격자망에 대한 정보를 담고 있기 때문에 1시간 간격으로 측정된 지점 강우량과의 비교를 위해서는 관측지점과 근거리 정보를 찾고 1시간 간격의 관측 자료를 3시간 누적강우량으로 바꾸는 전처리 과정이 필요하다. 실제 강우예측이 어려움을 겪는 것처럼 RDAPS의 예측 강우량과 관측 강우량은 큰 차이를 보이는 것으로 나타났다. 예측 강우량의 정확도를 높이고자 인공신경망을 적용하였다. 인공신경망이란 뇌기능의 특성 몇가지를 컴퓨터 시뮬레이션으로 표현하는 것을 목표로 하는 수학 모델이다. 강우수치예측 자료 외에도 RDAPS 모델에서 얻을 수 있는 풍향, 풍속, 상대습도, 기압, 온도 등의 다른 수치자료들을 이용하여 인공신경망을 이용하여 자료들의 패턴을 시뮬레이션 하여 정확도가 높은 예측값을 얻을 수 있었다.

• Journal of Korea Water Resources Association
• /
• v.50 no.1
• /
• pp.29-35
• /
• 2017

A vehicle rainfall sensor is made to control the operating speed of wipers depending on rainfall. Therefore this is the apparatus to determine the velocity phase of the wipers roughly based on the amount of rainfall. However, the technology which can judge the size of rainfall amount besides determining speed level of the wipers is developing according to the development of the function of rainfall sensor due to the development of technology. In this study, a rainfall measurement by using light scattering by precipitation particles was used. This measurement is to use light signal reflection from front glass and the bigger particle is the less detection of light by light scattering. The detection area of the rainfall sensor and detection channel were extended sizes to increase the accuracy of the rainfall. Also the W-S-R relational expression was developed by using a relationship between the specific precipitation (R) and the amount of sensor detection (S) when there is speed change of the wipers (W) and an indoor rainfall apparatus was used to convert sensing signal to rainfall. The signal system of vehicle rainfall sensor can be converted to the actual rainfall amount by using this formula and if this is provided to users then the vehicle observation network can produce higher-resolution than actual observation network can be produced.

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1196-1200
• /
• 2010

본 논문에서는 지점 강우의 결측치를 추정하기 위해 전통적인 통계학적 내삽기법을 이용한 역거리가중치법(IDWM), 역지수가중치법(IEWM), 상관계수가중치법(CCWM)과 패턴 인식의 일종인 인공신경망(ANN)기법 그리고 시공간적 강우분포의 측정이 가능한 레이더 자료를 이용해 결측치를 추정하여 각각의 방법을 비교하였다. 임진강 유역의 15개 지상관측소를 대상으로 교차검정(Cross validation) 분석을 실시해 본 결과, CCWM 방법과 ANN기법에 의한 RMSE가 0.46~1.79의 범위를 보였고, 보정레이더를 이용하여 결측치를 추정한 경우RMSE가 0.05~2.26의 범위를 보여 기존의 전통적 결측치 추정방법보다 실측치에 가까운 결과를 보였다. 이는 레이더자료가 지점 강우자료와는 달리 강우의 시공간적 변동성을 고려한 공간분포의 정보를 지니고 있기 때문인 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.27-27
• /
• 2018

최근 국지적인 집중 호우에 따른 홍수 피해와 도로에 홍수가 발생하고 있다. 또한, 기존의 도로위 강우관측 방식은 인근 강우관측소에서 관측된 강우량을 활용하며 지상 관측소 또는 AWS기상관측소의 관측 네트워크와 근접한 거리에서 강우량 편차가 크고 원하는 위치에서의 강우량과 다르며 인근관측소와의 거리가 멀어질수록 강우량의 정확도는 감소하게 된다. 국지적인 집중호우로 인한 도로위의 홍수에 따른 피해를 줄이기 위해서는 현재 운영 중인 관측망 외에 보다 상세화된 위치에서 강우량을 관측하고 이에 따라 실시간으로 강우정보를 수집하는 것이 필요하다. 따라서, 원하는 위치에서의 보다 정확한 강우량 값을 관측하기 위해서는 고해상도의 강우 관측망을 형성할 필요가 있다. 차량용 강우센서는 관측시 차량을 사용하기 때문에 고밀도 강우 관측 망을 형성하기 용이하다. 하지만 기존 강우량계와 달리 차량용 강우센서는 빛의 양을 이용하여 강우량을 변환시켜 측정되기 때문에 정확한 강우보정기술의 개발하는 것이 필수적이다. 본 연구에서는 차량용 강우센서를 활용하여 정확도 높은 강우량 관측을 위한 관계식을 개발했습니다. 관계식은 실내실제 관측되는 차량용 강우센서 정보 값에 적용하여 강우량을 생산하고 실제 강우관측 값과 비교 검실험을 통해 도출한 후 강우 관측장비 인근에서 실제 주행실험을 통해 강우관측소에서 관측된 강우량 값과 비교 및 검증을 수행하였습니다. 차량용 강우센서 정보 수집을 위해 데이터 스키마를 표준화하여 실시간으로 수집체계를 구축하였고 이는 보다 여러 위치에 있는 많은 차량에서 재해 관리를 위해 도로기상정보를 수집하고 활용할 수 있을 것입니다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.44-44
• /
• 2022

우리나라의 경우 강수량의 2/3 정도가 하절기에 집중되는 강우특성상 해마다 여름철 홍수기의 탁수 문제가 다양하게 발생하고 있다. 이상강우와 기상이변에 의한 집중강우가 증가 추세이며, '02년 태풍 루사', '03년 태풍 매미', '06년 에위니아'부터 20년 마이삭, 하이선 까지 장마와 태풍에 의한 유입량이 급증하는 시기 탁수의 유입으로 수중 탁도가 급상승하며 댐 저수지 내 탁수 문제가 발생하였다. 특히 연 평균 물사용량의 대부분을 하천 및 댐 저수지를 이용하는 우리나라의 경우 탁수 문제가 장기화될 경우 댐 하류 해당 지역 농업, 공업, 수생태 등 사회적, 환경적으로 많은 문제를 발생시킨다. 이러한 탁수 예측을 통한 대응을 위해 탁수 모델링에 대한 연구가 활발히 진행되고 있다. 탁수를 모델링을 위해서는 유량, 수온, SS 데이터가 필요하다. 이를 위해 국가측정망에서 하천 및 댐 저수지 내 SS를 측정하여 탁수를 측정 하고 있으나 설비가 미흡하여 데이터 해상도가 낮다는 한계점이 있으며 주요 댐 저수지 내에서는 수자원공사에서 관리하는 자동 측정기기를 활용하여 높은 데이터 해상도를 유지 하고 있으나 댐 별, 기상 조건에 따라 미측정 기간이 존재한다. 탁도를 측정을 위한 센서로는 Optical Backscatter Sensor(OBS), YSI 등이 있으며 SS를 측정하기 위한 센서는 레이저부유사측정기(LISST: Laser In-Situ Scattering and Transmissometry) 등의 장비를 이용하고 있다. 하지만 이런 첨단 센서의 경우 또한 수중 고정하여 측정하기에는 장비의 안정성 등의 이유로 한계가 있음에 따라 취득된 유량, 수온, SS, 탁도 데이터를 기반으로 분석을 통해 미측정 기간에 대한 보간이 필요하다. 본 연구에서는 국가 측정망 데이터 및 강우시 유량에 따른 탁수 유입의 증가와 탁수 유입에 따른 항목별 측정 데이터를 기반으로 유량, 수온, SS 미측정 기간을 보간하여 입력자료로 탁수를 모의하여 분석하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.651-655
• /
• 2004

하천의 수질은 시${\cdot}$공간적으로 지속적인 변화를 보이기 때문에 효과적인 수질관리를 위해서는 연속적인 하천수질 측정과 분석이 요구된다. 또한 유량과 수질측정이 동일시각에 이루어져야 하려 수질측정 지점에서의 보다 정확한 유량산정이 요구된다. 그러나 T/M 수위관측소와 수질자동측정망 지점이 원거리에 위치하여 수질자동측정망 지점에서 정확한 실시간 유량자료를 획득하기에 어려운 지점이 많다. 따라서 연구에서는 신경망 모형을 적용하여 미계측 지점에서의 유출량을 예측하고 강우-유출 모형인 WMS 모형에 의한 계산값과 비교하였으며 미계측 지점에서의 유출예측 가능성을 검토하였다.