• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.889-893
• /
• 2005

본 연구에서는 기후변화에 따른 신뢰성 높은 수자원 영향평가를 수행하기 위한 방안으로 유출모형에 따른 불확실성을 최소화할 수 있는 슈퍼앙상블 기법을 제안하였다. 유출모형들은 자연현상을 개념화하는 과정에서 목적에 따라 알고리즘이나 구조가 다르게 개발된다. 따라서 동일한 유역에 동일한 입력자료를 사용하더라도 유출모의 결과는 상이하며 이는 곧 불확실성으로 작용한다. 이러한 불확실성을 최소화하기 위한 방법으로 본 연구에서는 통계적기법인 인공신경망 모형을 이용하여 모형별 유출결과를 향상시킬 수 있는 슈퍼앙상블 기법을 개발하고 적용성을 분석하였다. 적용 대상유역으로는 한강수계에 위치한 괴산댐유역을 선정하였으며, 적용 모형으로는 일체형 모형인 Tank 모형과 준분포형 모형인 PRMS 모형을 이용하여 슈퍼앙상블을 구축하고 검정하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.350-350
• /
• 2017

저수지의 설계홍수량 산정 시 인근의 기상관측 자료를 활용하고 있으나 인근에 기상관측 자료가 없거나 저수지 배후 유역이 큰 경우에는 단일 기상관측 자료를 이용하기에는 한계가 있다. 따라서 실무적으로 지점별 기상관측소의 자료를 이용하여 설계홍수량을 산정할 때에는 각 관측소 자료를 이용하여 확률강우량을 산정하고 Thiessen 가중평균을 한 후 면적우량환산계수 (ARF)를 곱하여 사용하고 있는데, Thiessen 방법의 경우 방법이 간단하지만 지형 고도 효과는 무시되고 우량계의 지배면적에 의한 우량계의 분포 상태만을 고려하게 된다. 그러므로 설계홍수량 산정시 사용되는 Thiessen 방법은 공간적 불확실성을 내포하고 있고, 특히 소규모 저수지의 설계홍수량을 산정하는 경우에는 저수지 유역의 국소적인 특징을 나타내기 어렵다. 본 연구에서는 설계홍수량 산정 시 저수지 위치에 해당하는 확률강우량의 공간적 불확실성을 평가하기 위하여 SIS(Sequential Indicator Simulation) 방법을 이용하였다. SIS 방법은 Kriging 기법과 마찬가지로 베리오그램으로부터 얻어지는 공간적 상관관계를 기반으로 하고 있는 방법으로 Kriging 기법과 달리 공간분포의 국소적인 특성을 평가할 수 있다는 장점을 가지고 있다.

• Journal of Korean Society of societal Security
• /
• v.2 no.1
• /
• pp.57-64
• /
• 2009

With the increase in construction of long railway tunnel, social interest in the railway tunnel fire risk has also increased. However, quantitative fire risk research on this topic is still lacking, especially in terms of consideration of uncertainty of each variables used in risk analysis. Hence, in this study, to improve the overall performance of fire risk analysis technique for railway tunnel, Monte-Carlo simulation method is added to the traditional probabilistic risk analysis based on event tree approach and its validity is investigated by applying it to the real railway tunnel project.

• Journal of Korea Society of Industrial Information Systems
• /
• v.15 no.5
• /
• pp.179-185
• /
• 2010

In a sensitivity analysis, an uncertainty importance measure is often used to assess how much uncertainty of an output is attributable to the uncertainty of an input, and thus, to identify those inputs whose uncertainties need to be reduced to effectively reduce the uncertainty of output. A function is called monotonic if the output is either increasing or decreasing with respect to any of the inputs. In this paper, for a monotonic function, we propose a method for evaluating the measure which assesses the expected percentage reduction in the variance of output due to ascertaining the value of input. The proposed method can be applied to the case that the output is expressed as linear and nonlinear monotonic functions of inputs, and that the input follows symmetric and asymmetric distributions. In addition, the proposed method provides a stable uncertainty importance of each input by discretizing the distribution of input to the discrete distribution. However, the proposed method is computationally demanding since it is based on Monte Carlo simulation.

• Journal of Korea Water Resources Association
• /
• v.47 no.3
• /
• pp.285-295
• /
• 2014

We applied the ISPSO-GLUE method, which integrates the Isolated-Speciation-based Particle Swarm Optimization (ISPSO) with the Generalized Likelihood Uncertainty Estimation (GLUE) method, to the uncertainty analysis of the Topography Model (TOPMODEL) and compared its performance with that of the GLUE method. When we performed the same number of model runs for the both methods, we were able to identify the point where the performance of ISPSO-GLUE exceeded that of GLUE, after which ISPSOGLUE kept improving its performance steadily while GLUE did not. When we compared the 95% uncertainty bounds of the two methods, their general shapes and trends were very similar, but those of ISPSO-GLUE enclosed about 5.4 times more observed values than those of GLUE did. What it means is that ISPSOGLUE requires much less number of parameter samples to generate better performing uncertainty bounds. When compared to ISPSO-GLUE, GLUE overestimated uncertainty in the recession limb following the maximum peak streamflow. For this recession period, GLUE requires to find more behavioral models to reduce the uncertainty. ISPSO-GLUE can be a promising alternative to GLUE because the uncertainty bounds of the method were quantitatively superior to those of GLUE and, especially, computationally expensive hydrologic models are expected to greatly take advantage of the feature.

• Journal of Korea Water Resources Association
• /
• v.43 no.12
• /
• pp.1011-1027
• /
• 2010

In hydrologic modeling, prediction uncertainty generally stems from various uncertainty sources associated with model structure, data, and parameters, etc. This study aims to assess the parameter uncertainty effect on hydrologic prediction results. For this objective, a distributed rainfall-sediment yield-runoff model, which consists of rainfall-runoff module for simulation of surface and subsurface flows and sediment yield module based on unit stream power theory, was applied to the mesoscale mountainous area (Cheoncheon catchment; 289.9 $km^2$). For parameter uncertainty evaluation, the model was calibrated by a multi-objective optimization algorithm (MOSCEM) with two different objective functions (RMSE and HMLE) and Pareto optimal solutions of each case were then estimated. In Case I, the rainfall-runoff module was calibrated to investigate the effect of parameter uncertainty on hydrograph reproduction whereas in Case II, sediment yield module was calibrated to show the propagation of parameter uncertainty into sedigraph estimation. Additionally, in Case III, all parameters of both modules were simultaneously calibrated in order to take account of prediction uncertainty in rainfall-sediment yield-runoff modeling. The results showed that hydrograph prediction uncertainty of Case I was observed over the low-flow periods while the sedigraph of high-flow periods was sensitive to uncertainty of the sediment yield module parameters in Case II. In Case III, prediction uncertainty ranges of both hydrograph and sedigraph were larger than the other cases. Furthermore, prediction uncertainty in terms of spatial distribution of erosion and deposition drastically varied with the applied model parameters for all cases.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.54-54
• /
• 2019

최근 이변량 가뭄 빈도해석시 Copula 함수 기반의 빈도해석모델을 활용한 분석이 이루어지고 있다. 그러나 기존 연구에서는 이변량 가뭄 빈도해석시 지점빈도해석에 국한되어 분석이 이루어지며, 지역을 대표하는 수문자료의 특성이 반영된 빈도분석에 대한 연구는 미진한 실정이다. 이에 본 연구에서는 Bayesian 기법과 이변량 Copula 가뭄 빈도해석 기법을 연계한 Bayesian 이변량 Copula 지역빈도해석 모델을 개발하였다. 개발된 모델에 모의자료를 적용하여 가정한 가뭄특성 및 매개변수를 추정하였으며, 유사하게 도출된 결과를 통해 모델의 적합성을 평가하였다. 최종적으로 최근 발생한 가뭄사례를 중심으로 이변량 가뭄 지역빈도해석을 수행한 결과, 기존 지점빈도해석보다 가뭄의 특성을 효과적으로 반영된 빈도해석이 이루어지는 것을 확인하였으며, 기존 Copula 모델에 Bayesian 기법을 도입하여 매개변수에서 발생하는 불확실성을 정량화 하였다. 본 연구에서 제안된 모델의 검증과정과 도출된 결과를 통해 가뭄자료의 지역적 분포특성 및 자료간의 상관성을 효과적으로 재현하는데 유리할 뿐만 아니라, 매개변수의 불확실성을 평가할 수 있는 장점을 제공할 것으로 판단된다.

• The Journal of Engineering Geology
• /
• v.21 no.3
• /
• pp.247-257
• /
• 2011

In this study the infinite slope model, one of the physical landslide models has been suggested to evaluate the susceptibility of the landslide. However, applying the infinite slope model in regional study area can be difficult or impossible because of the difficulties in obtaining and processing of large spatial data sets. With limited site investigation data, uncertainties were inevitably involved with. Therefore, the probabilistic analysis method such as Monte Carlo simulation and the GIS based infinite slope stability model have been used to evaluate the probability of failure. The proposed approach has been applied to practical example. The study area in Boeun area been selected since the area has been experienced tremendous amount of landslide occurrence. The geometric characteristics of the slope and the mechanical properties of soils like to friction angle and cohesion were obtained. In addition, coefficient of variation (COV) values in the uncertain parameters were varied from 10% to 30% in order to evaluate the effect of the uncertainty. The analysis results showed that the probabilistic analysis method can reduce the effect of uncertainty involved in input parameters.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.30-30
• /
• 2011

현재 우리나라는 수자원의 안정적인 확보와 효율적인 관리를 위하여 20년 단위의 수자원장기 종합계획을 수립하고 있으며, 향후 발생가능한 물의 과부족을 평가하는 물수급 분석을 통해 최적의 수자원관리 계획을 수립하고 있다. 하지만, 현재의 수자원장기종합계획에서는 미래 물수급 전망을 단일 값으로 제시하는 확정론적 기법을 적용하고 있으며, 과거 유출패턴이 미래에도 똑같이 재현된다는 가정 하에 물수급 분석을 수행한다. 이는 기후변화의 불확실성에 따른 물공급 시나리오의 다양성을 고려하지 않는 것을 뜻하며, 현재 다양한 GCM(Global Circulation Model)을 통해 제시되고 있는 미래 수자원 변동 전망을 물수급 분석에 반영하지 않고 있음을 말해 주는 것이다. 따라서, 본 연구에서는 기후변화에 따른 미래 자연유출량의 불확실성을 반영할 수 있는 물수급 전망 기법을 제안코자 한다. 먼저 국내유역에 적합한 GCM 시나리오들을 선정하였으며, 스케일상세화(downscaling) 기법을 통해 한강유역 중권역별 강우량, 증발산량 등의 일 단위 미래 수문기상 자료를 구축하였다. 다음으로, 앞서 구축한 기상자료를 개념적 강우-유출 모형인 TANK 모형에 입력하여 중권역별 미래 유출량을 산정하여 각 시나리오별 미래 유출량 변화를 전망하였다. 물수급 분석 모형으로는 한국건설기술연구원에서 미국 SEI-B와 제휴하여 개발한 통합수자원평가계획모형인 K-WEAP을 사용하였으며, 물수급 분석 결과를 바탕으로 중권역별 물공급 지수를 산정하여 제시하였다. 현재 대부분의 기후변화 연구에서는 GCM 시나리오를 직접 적용한 결과를 바탕으로 미래 수자원 전망 결과를 제시하고 있는데, 여기에는 GCM 자체의 불확실성은 물론 과거 관측 자료를 입력자료로 하는 기존 연구 방법론으로 부터의 급진적인 변화에 따른 연구 연속성의 문제 또한 존재한다. 따라서 본 연구에서는 GCM 유출량 시나리오의 직접 적용 대신 과거 유출 시나리오별 가중값을 산정하여 반영함으로서 GCM 모의 결과의 불확실성을 저감하는 방안을 제안하였다.

• Journal of Korea Water Resources Association
• /
• v.45 no.9
• /
• pp.861-874
• /
• 2012

To fulfill applicability of Soil and Water Assessment Tool (SWAT) model, it is important that this model passes through a careful calibration and uncertainty analysis. In recent years, many researchers have come up with various uncertainty analysis techniques for SWAT model. To determine the differences and similarities of typical techniques, we applied three uncertainty analysis procedures to Chungju Dam watershed (6,581.1 $km^2$) of South Korea included in SWAT-Calibration Uncertainty Program (SWAT-CUP): Sequential Uncertainty FItting algorithm ver.2 (SUFI2), Generalized Likelihood Uncertainty Estimation (GLUE), Parameter Solution (ParaSol). As a result, there was no significant difference in the objective function values between SUFI2 and GLUE algorithms. However, ParaSol algorithm shows the worst objective functions, and considerable divergence was also showed in 95PPU bands with each other. The p-factor and r-factor appeared from 0.02 to 0.79 and 0.03 to 0.52 differences in streamflow respectively. In general, the ParaSol algorithm showed the lowest p-factor and r-factor, SUFI2 algorithm was the highest in the p-factor and r-factor. Therefore, in the SWAT model calibration and uncertainty analysis of the automatic methods, we suggest the calibration methods considering p-factor and r-factor. The p-factor means the percentage of observations covered by 95PPU (95 Percent Prediction Uncertainty) band, and r-factor is the average thickness of the 95PPU band.