• 한국수자원학회논문집
• /
• 제55권8호
• /
• pp.565-575
• /
• 2022

최근의 수자원공학 분야는 4차산업혁명과 더불어 비약적으로 발전된 딥러닝 기술을 활용한 시계열 수위 및 유량의 예측에 대한 관심이 높아지고 있다. 또한 시계열 자료의 예측이 가능한 LSTM 모형과 GRU 모형을 활용하여 수위 및 유량 예측을 수행하고 있지만 시간 변동성이 매우 큰 하천에서의 유량 예측 정확도는 수위 예측 정확도에 비해 낮게 예측되는 경향이 있다. 본 연구에서는 유량변동이 크고 하구에서의 조석의 영향이 거의 없는 한강의 팔당대교 관측소를 선택하였다. 또한, LSTM 모형과 GRU 모형의 입력 및 예측 자료로 활용될 유량변동이 큰 시계열 자료를 선택하였고 총 자료의 길이는 비교적 짧은 2년 7개월의 수위 자료 및 유량 자료를 수집하였다. 시간변동성이 큰 시계열 수위를 2개의 모형에서 학습할 경우, 2개의 모형 모두에서 예측되는 수위 결과는 관측 수위와 비교하여 적정한 정확도가 확보되었으나 변동성이 큰 유량 자료를 2개의 모형에서 직접 학습시킬 경우, 예측되는 유량 자료의 정확도는 악화되었다. 따라서, 본 연구에서는 급변하는 유량을 정확히 예측하기 위하여 2개 모형으로 예측된 수위 자료를 수위-유량관계곡선의 입력자료로 활용하여 유량의 예측 정확도를 크게 향상시킬 수 있었다. 마지막으로 본 연구성과는 수문자료의 별도 가공없이 관측 길이가 상대적으로 충분히 길지 않고 유출량이 급변하는 도시하천에서의 홍수예경보 자료로 충분히 활용할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.32-32
• /
• 2020

하나의 수계 또는 용수구역 내에서 작물생육기간 동안 지하수자원 수요량의 집중적인 증가로 인해 지역적 지하수 고갈이 발생하여 농작물 피해가 발생하고 있으며 과잉양수로 인한 지하수위 하강으로 사용자간 갈등도 빈번하다. 또한, 기후변화로 인해 극한기후인 가뭄의 잦은 발생은 이러한 현상을 가속화 한다. 지하수 산출성이 좋은 대수층의 공간적 분포는 복잡한 지질구조로 인해 균일하지 않으며 같은 대수층 내에서도 양수 위치에 따라 산출성은 다르게 나타난다. 이러한 지하수 수요와 공급 및 대수층 분포로 인한 지하수자원 불균형의 해소를 위해 지하수가 풍부한 지역에서 부족한 지역으로 지하수를 공급하는 방법을 적용할 수 있다. 이때 기술적용 지역의 지하수 사용 상황 및 공급 가능량을 정량적으로 평가하고 이를 기반으로 지하수 공급을 제어하는 것이 매우 중요하다. 지하수자원의 수요-공급 불균형이 발생할 때 즉각적으로 대응하기 위해서는 실시간으로 지하수 현황을 감시하고 이를 기반으로 공급 가능량을 산정할 필요가 있으며 이는 정보통신기술(Information and Communication Technology, ICT)에 기반한 관정연계관리체계(Well Network System, WNS)를 구성하는 기술 중 하나인 관정군집제어 기술로 구현될 수 있다. 수계 내에 설치된 기존의 양수정과 새롭게 추가된 관측정들을 4G LTE 네트워크를 통해 하나의 관정군으로 묶고 중앙 서버를 통한 자료 분석 및 양수 펌프 제어를 통해 대수층의 공급 능력과 사용자의 수요 현황에 따른 지하수자원의 체계적 분배를 구현하고자 하였다. 관정군집제어는 관정별 지하수위 및 양수정 양수량을 실시간으로 관측하고 이를 분석서버에 전송하여 해당 지하수계의 공급 가능량 및 인접관정 간섭 등을 분석하여 양수정의 펌프를 실시간으로 제어하고 양수된 지하수를 수요 지역으로 이송한다. 본 연구를 통해 관정군집제어 기술의 구현에 필요한 구성요소를 정의하고 이에 대한 구현 방법을 기술하여 WNS를 구성하는 하나의 요소기술 모델로 제시하고자 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.483-483
• /
• 2022

댐과 저수지의 운영 최적화를 위한 수문학적 예보는 현재 수동적인 댐 운영이 주를 이루면서 활용도가 높지 않다. 불확실한 기후변화나 기후재난 상황에서 우리 사회에 악영향을 최소화하기 위해 선제적으로 대응/대비할 수 있는 댐 운영 방안이 불가피하다. 강우량 예측 기술은 기후변화로 인해 제한적인 상황이다. 실례로, 2020년 8월에 섬진강의 댐이 극심한 집중 강우로 인해 무너지는 사태가 발생하였고 이로 인해 지역사회에 막대한 경제적 피해가 발생하였다. 선제적 댐 방류량 운영 기술은 또한 환경적인 변화로 인한 영향을 완화하기 위해 필요한 것이다. 제한적인 기상 예보 기술을 극복하고자 심화학습이나 강화학습 같은 인공지능 모델들의 활용성에 대한 연구가 시도되고 있다. 따라서 본 연구는 섬진강 댐의 시간당 수문 데이터를 이용하여 댐 운영을 위한 심화학습 모델을 개발하고 그 활용도를 평가하였다. 댐 운영을 위한 심화학습 모델로서 시계열 데이터 예측에 적합한 Long Sort Term Memory(LSTM)과 Gated Recurrent Unit(GRU) 알고리즘을 구축하고 댐 수위를 예측하였다. 분석 자료는 WAMIS에서 제공하는 2000년부터 2021년까지의 시간당 데이터를 사용하였다. 입력 데이터로서 시간당 유입량, 강우량과 방류량을, 출력 데이터로서 시간당 수위 자료를 각각 사용하였으며. 결정계수(R2 Score)를 통해 모델의 예측 성능을 평가하였다. 댐 수위 예측값 개선을 위해 하이퍼파라미터의 '최적값'이 존재하는 범위를 줄여나가는 하이퍼파라미터 최적화를 두 가지 방법으로 진행하였다. 첫 번째 방법은 수동적 탐색(Manual Search) 방법으로 Sequence Length를 24, 48, 72시간, Hidden Layer를 1, 3, 5개로 설정하여 하이퍼파라미터의 조합에 따른 LSTM와 GRU의 민감도를 평가하였다. 두 번째 방법은 Grid Search로 최적의 하이퍼파라미터를 찾았다. 이 두가지 방법에서는 같은 하이퍼파라미터 안에서 GRU가 LSTM에 비해 더 높은 예측 정확도를 보였고 Sequence Length가 높을수록 정확도가 높아지는 경향을 보였다. Manual Search 방법의 경우 R2가 최대 0.72의 정확도를 보였고 Grid Search 방법의 경우 R2가 0.79의 정확도를 보였다. 본 연구 결과는 가뭄과 홍수와 같은 물 재해에 사전 대응하고 기후변화에 적응할 수 있는 댐 운영 개선에 도움을 줄 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.261-261
• /
• 2020

물관리의 기본이 되는 연속적인 유량 자료 확보를 위해서는 정확도 높은 수위-유량 관계 곡선식 개발이 필수적이다. 수위-유량 관계곡선식은 모든 수문시설 설계의 기초가 되며 홍수, 가뭄 등 물재해 대응을 위해서도 중요한 의미를 가지고 있다. 그러나 일반적으로 유량 측정은 많은 비용과 시간이 들고, 식생성장, 단면변화 등의 통제특성(control)이 변함에 따라 구간분리, 기간분리와 같은 비선형적인 양상이 나타나 자료 해석에 어려움이 존재한다. 특히, 국내 하천의 경우 자연적 및 인위적인 환경 변화가 다양하여 지점 및 기간에 따라 세밀한 분석이 요구된다. 머신러닝(Machine Learning)이란 데이터를 통해 컴퓨터가 스스로 학습하여 모델을 구축하고 성능을 향상시키는 일련의 과정을 뜻한다. 기존의 수위-유량 관계곡선식은 개발자의 판단에 의해 데이터의 종류와 기간 등을 설정하여 회귀식의 파라미터를 산출한다면, 머신러닝은 유효한 전체 데이터를 이용해 스스로 학습하여 자료 간 상관성을 찾아내 모델을 구축하고 성능을 지속적으로 향상 시킬 수 있다. 머신러닝은 충분한 수문자료가 확보되었다는 전제 하에 복잡하고 가변적인 수자원 환경을 반영하여 유량 추정의 정확도를 지속적으로 향상시킬 수 있다는 이점을 가지고 있다. 본 연구는 머신러닝의 대표적인 알고리즘들을 활용하여 유량을 추정하는 모델을 구축하고 성능을 비교·분석하였다. 대상지역은 안정적인 수량을 확보하고 있는 한강수계의 거운교 지점이며, 사용자료는 2010~2018년의 시간, 수위, 유량, 수면폭 등 이다. 프로그램은 파이썬을 기반으로 한 머신러닝 라이브러리인 사이킷런(sklearn)을 사용하였고 알고리즘은 랜덤포레스트 회귀, 의사결정트리, KNN(K-Nearest Neighbor), rgboost을 적용하였다. 학습(train) 데이터는 입력자료 종류별로 조합하여 6개의 세트로 구분하여 모델을 구축하였고, 이를 적용해 검증(test) 데이터를 RMSE(Roog Mean Square Error)로 평가하였다. 그 결과 모델 및 입력 자료의 조합에 따라 3.67~171.46로 다소 넓은 범위의 값이 도출되었다. 그 중 가장 우수한 유형은 수위, 연도, 수면폭 3개의 입력자료를 조합하여 랜덤포레스트 회귀 모델에 적용한 경우이다. 비교를 위해 동일한 검증 데이터를 한국수문조사연보(2018년) 내거운교 지점의 수위별 수위-유량 곡선식을 이용해 유량을 추정한 결과 RMSE가 3.76이 산출되어, 머신러닝이 세분화된 수위-유량 곡선식과 비슷한 수준까지 성능을 내는 것으로 확인되었다. 본 연구는 양질의 유량자료 생산을 위해 기 구축된 수문자료를 기반으로 머신러닝 기법의 적용 가능성을 검토한 기초 연구로써, 국내 효율적인 수문자료 측정 및 수위-유량 곡선 산출에 도움이 될 수 있을 것으로 판단된다. 향후 수자원 환경 및 통제특성에 영향을 미치는 다양한 영향변수를 파악하기 위해 기상자료, 취수량 등의 입력 자료를 적용할 필요가 있으며, 머신러닝 내 비지도학습인 딥러닝과 같은 보다 정교한 모델에 대한 추가적인 연구도 수행되어야 할 것이다.

• Ecology and Resilient Infrastructure
• /
• 제8권2호
• /
• pp.88-96
• /
• 2021

표면영상유속계를 이용한 유속 측정 시 하천의 넓은 영역을 경사지게 촬영하기 때문에 필연적으로 영상 왜곡이 발생하게 된다. 이와 같이 경사영상을 정사영상으로 변환하는 방법으로 수표면과 동일한 평면상의 참조점 좌표를 이용하는 2차원 투영 좌표 변환법을 사용할 경우 홍수 시 수위가 변할 경우 대응이 어렵다는 한계가 있다. 이에 본 연구에서는 수위가 변하더라도 참조점을 재설정할 필요가 없는 경사영상 왜곡 보정 방법을 개발하였다. 본 연구에서 개발한 기법은 높은 위치에 설정한 참조점의 좌표와 카메라의 좌표, 그리고 카메라의 수표면 사이의 연직거리 간의 기하학적인 관계를 이용해 수위 변화에도 대응할 수 있는 경사영상 보정 기법이다. 본 연구에서 개발한 영상 왜곡 보정 방법의 검증을 위해 실규모 하천 실험을 수행하였으며, 참조점 변환식에 대한 검증과 표면유속 측정 결과에 대한 검증을 수행하였다. 검증 결과 개발 기술의 경사영상 보정 정확도는 97% 이상을 나타냈고, 유속 검증 결과 개발 기술을 적용하여 산정한 유속을 비교한 결과 약 4% 이내의 차이를 보이는 것으로 나타나 높은 정확도 확보가 가능한 것으로 나타났다. 따라서 개발 기술을 영상 기반의 고정형 자동유량계측 시스템에 적용한다면 수위가 급변하는 홍수 시 유량측정의 정확도를 개선할 수 있을 것으로 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1312-1316
• /
• 2007

계획규모를 초과하는 이상홍수 발생시 피해를 최소화하기 위해서는 유역종합적인 대응계획이 필요하다. 최근 집중호우가 발생하는 빈도가 높아지고, 이에 따라 계획홍수량을 상회하는 홍수유출 가능성이 높아지면서 효율적인 홍수대응방안에 대한 연구가 활발해지고 있다. 저류지 설치는 이러한 홍수대응방안 중에 하나로 구조적인 설계방법에 대한 실험적 연구가 진행되고 있고, 저류지 규모 및 설치 위치에 대한 홍수량 저감 효과가 검토되고 있다. 본 연구에서는 저류시스템에 의한 저류효과 분석을 위하여 실제 발생한 홍수사상에 의해 외수침수가 발생했던 사례에 대해 수치모의를 통해 검토하였다. 2006년 7월 태풍 에위니아 내습시 월류에 의한 제방붕괴로 인해 침수피해가 다수 발생했던 남강 수계를 대상으로 하였으며, 홍수사상 기간 동안의 대상유역의 홍수량 및 제내지 유입량을 추정한 결과를 이용하여 첨두홍수위를 추정하고 제방붕괴가 발생하지 않은 경우에 대한 홍수위를 산정하여 제방붕괴로 인한 홍수위 저하특성을 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.2184-2188
• /
• 2008

최근 도시의 발달은 하상공간에 대한 이용도를 높이는 방향으로 개발이 진행되어가는 추세이며, 하상도로 및 하상주차장의 이용은 이제 도시 내에서 이용 가능한 마지막 여유 공간으로 인식될 정도로 그 의존도가 높아져가고 있다. 그러나 하상공간의 활용도가 높아져갈 수록 도시홍수의 발생으로 인한 대피문제가 발생하게 되고 돌발홍수로 인하여 하상도로의 차단 혹은 하상 주차장에 주차된 차량의 소거가 늦어지는 경우 고스란히 피해를 보게 되는 등 그 부작용도 계속 증가되고 있다. 도시홍수의 특성을 살펴보면 국지성 돌발 강우에 의한 유량의 급격한 증가와 짧은 유하시간, 작은 유역면적 등에 의하여 주요 예보지점까지의 도달시간이 매우 짧아 수문학적 홍수예측 모형을 이용하여 홍수예측 업무를 수행하는데 선행시간을 충분히 확보할 수 없다는 단점을 지니고 있다. 이에 따라 본 연구에서는 기존의 하천시스템에 대한 모의모형을 통하여 홍수 예경보를 발령하기에는 선행시간의 확보(대피시간의 확보)라는 측면에서 상당한 어려움을 지닐 수 있으므로 시시각각으로 측정되는 실시간 수위측정 자료 및 실시간 강우자료를 이용하여 모형의 수행과정을 생략하고, 하천의 수위변동을 직접 예측하여 대피할 수 있는 통계학적 모형 (회귀분석 기법) 기반의 수문모형을 개발하였다. 이를 위하여 각 관측 자료로부터 대상 지점(홍수 예보지점)의 수위를 간단한 입력 자료만으로도 직접 구할 수 있는 통계학적 기법을 활용하여 홍수예보 업무를 실시할 수 있도록 하였다. 이에 따라 강우강도 등의 강우정보, 하천 수위정보 등을 이용하여 간단한 홍수예보가 가능한 규칙을 제시하였고, 홍수예보 업무에 신속하게 대응할 수 있는 시스템을 구축하기 위하여 Visual Basic 6.0을 사용한 GUI 기반의 홍수예측 수문모형을 구성하였으며, 제어변수(control variable)로는 강우 관측자료, 수위 등 유출관측 자료로 구분하여 수문모형을 구성함으로써 실무자들이 쉽게 활용할 수 있는 홍수 예경보 시스템의 기본모형을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.82-82
• /
• 2015

해안 대수층은 해수와 담수가 공존하는 지역으로 상대적으로 밀도가 큰 해수가 대수층의 담수 아래에 쐐기형태로 존재하게 된다. 이러한 쐐기형태의 해수와 담수의 경계면은 압력경도의 평형에 의해 경계면이 유지되며, 해수면 또는 지하수위가 변동할 경우 해수-담수 경계면의 균형이 무너짐과 더불어 압력경도의 평행이 이루어질 때 까지 해수-담수 경계면의 이동이 계속 진행된다. 수위 변화의 주요 원인으로는 지구온난화 및 기후변화로 인한 지속적인 해수면 상승과 도서지역의 인구증가 및 산업화로 인한 무분별한 지하수의 사용 등에 의한 지하수위 저하 등을 꼽을 수 있다. 이와 같은 원인으로 해안 및 도서지역에서는 해안 대수층의 해수침투거리가 증가하여 지하수 이용에 큰 어려움을 겪고 있다. 이에 해안 대수층의 해수침투 범위 및 거리를 추정하기 위한 많은 연구들이 다양한 분야에서 지속해서 이루어지고 있지만, 서로 밀도가 다른 해수와 담수가 공존하는 해안 대수층 내의 수리특성을 명확히 파악하기에는 아직까지 미흡한 점들이 많다. 과거에는 Darcy의 법칙 및 Ghyben-Herzberg 식에 근거한 이론적인 연구들이 주로 이루어졌고, 근래에 현장관측이나 수리모형실험이 국내 외적으로 수행되고 있으나, 모든 영역의 지하수의 특성을 조사하는 것이 사실상 불가능하다. 이에 최근에는 컴퓨터 성능의 비약적인 발전과 더불어 다양한 수치해석방법에 의한 수치모델들이 개발되어 시뮬레이션에 적용되고 있다. 하지만 거의 대부분의 수치모델은 해안 대수층 수리특성을 투수계수에 의존하고 있을 뿐, 대수층 내부의 해수-담수에 의한 밀도류의 유동특성을 전혀 고려하지 못한 채 정수압에 근거한 해수-담수 경계면에 대해 모의하고 있는 정도이다. 따라서 본 연구에서는 해안 대수층 내부의 유동현상을 투수계수에 의존하는 방법에서 탈피하여 대수층 매체의 입경, 공극, 형상 등을 고려할 수 있을 뿐만 아니라, 염분 및 온도차에 의한 밀도류를 해석할 수 있는 강비선형 수치모델을 개발하여 해수침투 현상을 직접 모의한다. 나아가 대부분의 이전 연구들에서 간과하고 있는 해안지역의 대표적 물리력인 파랑과 조석의 영향이 해안 대수층의 해수침투에 미치는 영향, 해안 대수층의 지하수위 및 해수면의 수위차에 의한 해수침투 특성 그리고 이를 제어 할 수 있는 새로운 대응기술을 제안하는 것을 목적으로 한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제23권3호
• /
• pp.51-55
• /
• 2019

저수지의 붕괴 발생 시 인명 및 재산피해의 예방 및 저감을 위하여 붕괴예보 시스템의 필요성은 대두되고 있는 상황이다. 붕괴 예보시스템의 효율적 활용을 위해서는 실시간 계측한 이상거동 및 붕괴징후에 따라 대응할 수 있는 관리기준은 가장 중요한 요소이다. 기 연구된 수위 관리기준의 검증을 위하여 저수량에 따라 10여개의 저수지를 선정하고 수위변화 자료를 분석하여 적정성을 검토하였다. 1년 동안의 수위계측 자료에서 가장 급격한 변화구간을 선정하여 가중치 및 추세선을 적용하여 분석한 결과 3분위로 수립된 관리기준값은 7%이내의 표준편차를 보여주었다. 이는 수립된 관리기준값은 적정하다고 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.333-333
• /
• 2021

최근 전 지구적인 기후변화 및 온난화의 영향으로 태풍 및 집중호우가 빈번하게 일어나고 있으며, 이로 인한 한천범람 등 홍수재해로 인명 및 재산 피해가 크게 증가하고 있다. 우리나라에서도 태풍 및 집중호우로 인한 호수피해는 매년 발생하고 있으며, 피해 빈도와 강도가 증가하고 있는 실정이다. 이러한 현실을 고려하였을 때에 하천 인근 주민의 생명과 재산을 보호하기 위하여 실시간으로 홍수위 예측을 수행하는 것은 매우 중요하다 할 수 있다. 국내에서 수위예측을 위하여 대표적으로 저류함수모형(Storage Function Model, SFM)을 채택하고 있지만, 유역면적이 작아 홍수 도달시간이 짧은 중소하천에서는 충분한 선행시간과 정확도를 확보하기 어려운 문제점이 있다. 이는 유역면적이 작은 중소하천에서는 유역 및 기상 특성과 관련된 여러 인자 사이의 비선형성이 대하천 유역에 비해 커지는 문제점이 있기 때문이다. 본 연구에서는 위와같은 문제를 해결할 수 있도록, 수문자료와 딥러닝 기법을 적용하여 실시간으로 홍수위를 예측할 수 있는 방법론을 제시하였다. 지난 태풍 및 집중호우로 인하여 급격한 수위상승이 있던 낙동강 지류하천에 대하여 LSTM(Long-Short Term Memory) 모형 기반 실시간 수위예측 모형을 개발하였으며, 선행시간 30~180분 별로 홍수위를 예측하고 관측 수위와 비교함으로써 모형의 적용성을 검증하였다. 선행시간 180분 기준으로 영강 유역 수위예측 결과와 실제 관측치의 평균제곱근 오차는 0.29m, 상관계수는 0.92로 나타났으며, 밀양강 유역의 경우 각각 0.30m, 0.94로 나타났다. 본 연구에서 제시된 딥러닝 기반모형에 10분 단위 실시간 수문자료가 입력된다면, 다음 관측자료가 입력되기 전 홍수예측 결과가 산출되므로 실질적인 홍수예경보체계에 유용하게 사용될 수 있을 것이라 보인다. 모형에 적용할 수 있는 더욱 다양한 수문자료와 매개변수 조정을 통하여 예측결과에 대한 신뢰성을 더욱 높일 수 있다면, 기존의 저류함수모형과 연계하여 홍수대응 능력을 향상시키는데 도움이 될 수 있다.