• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.310-310
• /
• 2012

확률강우량 산정은 수공구조물의 설계에 있어서 중요한 과정이다. 확률강우량을 산정함에 있어 지난 수십년간 모멘트법, 최우도법, 확률가중모멘트법, 그리고 L-모멘트법 등의 매개변수적 방법이 발달되어 적용되어 왔다. 매개변수적 빈도해석 방법은 그 적용성이 여러 연구를 통해 검정되었지만 가정한 확률분포와 매개변수 추정방법에 따라 확률강우량이 달라지며 강우지속시간과 기후변화 등에 따른 분포의 변동성을 고려해야 하는 단점이 있다. 매개변수적 빈도해석 방법의 단점을 극복하기 위하여 최근에 핵밀도함수 등을 포함한 다양한 비매개변수적 빈도해석 방법이 제안되고 있다. 본 연구에서는 서울기상관측소의 지난 50년간 지속시간 24시간 강우량을 바탕으로 수자원 분야에서 다양하게 적용된 바가 있는 인공신경망 기법과 대표적인 매개변수적 빈도해석 방법인 L-모멘트법을 이용하여 확률강우량을 산정하고 비교하였다. 그 결과 인공신경망 기법은 전통적인 매개변수방법의 하나인 L-모멘트법 보다 확률강우량 산정에 있어서 높은 정확도를 가지는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.183-183
• /
• 2015

수공구조물 설계 시 중요한 요소 중 하나인 확률강우량은 일반적으로 고정지속기간별 강우량에 대하여 일변량 빈도해석을 수행하고 가장 적절한 분포형을 선택하는 지점빈도해석의 과정을 거친다. 그러나 일변량 빈도해석을 수행하기 위해서는 지속시간을 고정하고 강우량의 변화로만 해석해야 단점이 있으며 이를 보완하기 위해 본 연구에서는 다변량 확률모형인 copula 모형을 이용하여 이변량 빈도해석을 수행하였다. 확률변수로는 강우량과 지속기간(hr)을 사용하였고, 주변분포형으로 강수량 - Gumbel (GUM), generalized logistic (GLO) 분포형, 지속기간(hr) - generalized extreme value (GEV), GUM, GLO 분포형을 사용하였으며, copula 모형은 Gumbel-Hougaard 모형을 이용하였다. 주변분포형의 매개변수는 일반적으로 가장 많이 사용하는 확률가중모멘트법을 이용하여 추정하였으며, copula 모형의 매개변수는 maximum pseudolikelihood(MPL) 방법을 사용하였다. 이를 통해 얻어진 이변량 빈도해석의 확률강우량 결과와 기존 지점빈도해석의 결과를 비교하였다.

• Journal of Korea Water Resources Association
• /
• v.51 no.7
• /
• pp.599-606
• /
• 2018

Most hydrological analysis such as probability rainfall and rainfall time distributions have typically carried out based on hourly rainfall and rainfall - runoff analysis have carried out by applying different periods of rainfall time distribution and probability rainfall. In this study, to quantify the change of design flood due to the data type (hourly and minutely rainfall data) and the probability rainfall and application of different data period to the rainfall time distribution, probability rainfall is calculated by point frequency analysis according to data type and period and rainfall time distribution was calculated by Huff's quartile distributions. In addition, the change analysis of design flood was carried out by rainfall - runoff analysis applying different data periods of design rainfall time distribution. and probability rainfall. As a result, rainfall analysis using minute rainfall data was more accurate and effective than using hourly rainfall data. And the design flood calculated by applying different data period of rainfall time distribution and probability rainfall made a large difference than by applying different data type. It is expected that this will contribute to the hydrological analysis using minutely rainfall.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.417-417
• /
• 2022

현재 수공 구조물 설계 시 설계강우량으로써 빈도해석과정을 통해 산정된 확률강우량을 적용하고 있다. 하지만 확률강우량의 경우 시계열 강우분포형태를 알 수 없는 문제가 존재한다. 강우의 시간분포 형태는 비점오염, 강우에 의한 수식 등 도달시간과 첨두 홍수량에 지대한 영향을 미치는 요소이다. 현재 국내에서는 Huff 4분위법이 널리 사용되고 있지만 Huff 4분위법은 기존의 강우패턴을 평균하였기 때문에 자연현상인 강우의 다양하고 복잡한 분포형태를 반영하기 어렵다는 문제를 가지고 있으며, Huff 4분위법이 갖는 한계로 정의할 수 있다. 따라서 본 연구에서는 Huff 4분위법이 갖는 한계를 보완하기 위해 설계홍수량산정지침에서 제시하고 있는 초과확률 50%의 시간분포 값을 산정하는 것에서 벗어나 한반도의 강우형태와 최근 20년간의 강우 패턴 변화를 고려한 최적 초과 확률값을 선정하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.181-181
• /
• 2018

설계홍수량 산정 시 지점확률강우량을 대상유역 내 면적강우량으로 환산하기 위하여 면적우량 환산계수(areal reduction factor, ARF)를 적용한다. ARF 산정방법은 크게 면적고정형 방법과 호우중심형 방법으로 나뉜다. 면적고정형 방법은 현재 국내 하천설계기준에서 설계강우량 산정 시 활용하고 있는 방법이지만, 동 시간에 발생한 강우사상을 활용하지 않고 지점강우량과 면적강우량의 독립적인 빈도해석을 통해 산정되므로 비현실적인 값이라고 볼 수 있다. 본 연구에서는 강우사상의 공간분포 특성을 효과적으로 반영할 수 있는 레이더 강우 자료를 활용하여 한강권역의 호우중심형 ARF를 활용하였다. 호우중심형 ARF는 지속기간 1, 3, 6, 12, 24시간에 대하여 산정하였으며, 재현기간은 강우 사상의 규모에 따라 총 다섯 구간(0-10, 10-20, 20-50, 50-80, 80-100년)으로 분류하였다. 지속기간 및 재현기간에 따른 호우중심형 ARF는 강우 사상마다 산정되므로 다양한 값이 산재(scattered)되어 있는데, 대푯값을 선정하기 위하여 Weibull 분포의 비초과확률 95%의 값을 추출하였다. 두 가지 방법으로 산정된 ARF는 지속기간에 대하여 로그형태로 증가하였으나, 재현기간에 따른 관계에서는 차이를 보였다. 면적고정형 ARF는 재현기간에 대한 민감도가 매우 낮았으나, 호우중심형 ARF는 재현기간에 따라 감소하였다. 또한 호우중심형 ARF는 지속시간이 길수록 재현기간에 대한 민감도가 점차 낮아졌으며 지속기간 24시간 이후로는 일정한 값을 보였다. 이러한 차이는 레이더 실 강우를 활용한 호우중심형 ARF 산정 시에 면적고정형 ARF 산정과정에서 고려되지 않는 강우의 시 공간적 특성을 반영하기 때문인 것으로 사료된다. 따라서 설계홍수량 산정 시 호우중심형 ARF를 적용한다면 보다 현실적인 값을 제시할 수 있을 것으로 판단된다.

• Water for future
• /
• v.4 no.2
• /
• pp.86-93
• /
• 1971

수자원 개발계획 및 수공구조물 설계자료로서 가장 기본적인 사항은 계획수문량설정의 적정화에 있지 않는가 생각한다. 본 고에서는 우리나라에서의 확률강우량 산정방법에 기여코저 과거의 국내외 여러 학자들이 제창한 바를 바탕으로 국내 주요지점 가운데 2개지점(서울, 대구)을 실례로 들어 여러 가지 경우의 확률강우량식들을 비교검토하여 기술한 것이다. 그 결과 아래와 같은 몇가지 사항을 제시하여 본고를 여미고저 하는 바이다. 1. 확률강우량 산정에는 각 지점별로 최적지점우량 분포형을 먼저 결정하고 그 최적분포형에 부합되는 통계처리 과정을 밟아야 한다. 2. 본 고에서 채택한 2개 지점의 지점우량분포형 검정결과로는 서울 지점이 입방근정규분 분포에 속하며 대구지점은 평방근정규분포형을 제시하고 있다. 3. 각 지점별 강우특성과 최적분포형 설정결과로 보아 기왕의 최대치 위주의 확률강우량 산정방식보다 본고에서 기술한 5. (각종 산정방법에 의한 확률강우량의 비교검토)에서의 (C)방법이 가장 합리적이며 타당한 방법이라고 생각한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1001-1006
• /
• 2008

최근 기후변화에 따른 강우량의 변화에 많은 관심과 연구가 집중되어지고 있다. 현 과학 기술에서 이러한 미래의 기후를 예측하기 위해서는 크게 두 가지의 방법을 이용할 수 있다. 그 첫 번째가 컴퓨터 모델을 이용하는 방법이고 두 번째가 과거 자료를 이용한 통계적 기법을 통해 매래의 상황을 예측하는 방법이다. 이들 가운데 현재 기상 분야에서 가장 널리 활용되는 기법은 컴퓨터 모델을 이용하는 방법으로 기상의 물리적 특성을 이용한 수치모형인 GCM(Global Climate Model 혹은 General Circulation Model)을 이용하는 것이다. 하지만, 이러한 수치모형을 이용한 기법을 이용하기 위해서는 많은 비용과 노력이 소요되며, 모의를 위해 설정되는 입력자료와 초기 조건들, 각종 가정 사항들, 모형의 구조, 등에 따라 상이한 결과를 나타내어 아직까지 직접적인 활용에는 많은 어려움이 따른다. 이와 달리 통계적 기법의 경우 비교적 용이하게 분석이 가능하며, 과거와 달리 최근에는 비교적 신뢰도가 높은 다양한 수문 및 기상 자료가 축적되어 있어 미래의 기후변화를 예측하는데 유용한 수단이 될 수 있을 것으로 판단된다. 따라서 본 연구에서는 통계적인 기법을 이용하여 강우량 자료를 중심으로 기후변화에 따른 변화 추이를 분석하였다. 적용된 기법은 먼저 국내 기상청 관측 지점들을 중심으로 강우의 경향성과 변동성을 분석하여 기후변화에 따라 국내 지점들의 강우량 변화 추이를 분석하여보았다. 또한 2000년을 기점으로 과거 자료와 최근의 자료를 이용한 2개의 자료군들에 대해 각각 빈도 분석을 실시하여 동일 지점들에 대한 설계강우량의 변화 추이도 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.6-6
• /
• 2015

본 연구에서는 일단위로 제공되는 RCP 시나리오를 Poisson Cluster 기법을 활용하여 시간강우량으로 생성할 수 있는 모형을 개발하는데 목적이 있다. 일반적으로 시간단위 강우량의 경우 수자원 설계 또는 강우-유출 분석시 가장 기본이 되는 입력 자료로서 이에 대한 모의기법 확립이 기후변화에 따른 수문학적 영향 검토의 신뢰성을 결정짓는 핵심 요소이다. 그러나 국내 다수 연구를 살펴보면 기후변화 시나리오의 시 공간적 상세화 기법을 활용한 일단위 상세화 연구는 다수 존재하였지만, 일단이 이하의 시간적 규모에 대한 연구는 미진한 실정이다. 이러한 이유로 본 연구에서는 시단위 상세화 기법시 일반적으로 사용되고 있는 Poisson Cluster 기법을 활용하여 국내 실정에 맞는 시단위 상세화 기법을 개발고자 한다. 본 연구에서는 RCP 시나리오를 시단위강우량 자료로 생성하기 위해 다음과 같은 연구를 진행하였다. 첫째, 본 연구에서는 기상청에서 제공하는 RCP($27km{\times}27km$) 시나리오를 활용하였으며, 1km 격자 단위로 시공간적 상세화 기법을 수행하였다. 둘째, 시공간적으로 상세화 된 자료를 Poisson Cluster 기법을 기반으로 시간단위 자료를 생성하였으며, 기본적인 통계치(평균, 분산, 왜곡도 등)를 활용하여 관측값과 비교 분석 하였다. 마지막으로, 미래 기후변화 시나리오를 동일한 방법으로 시간단위 자료를 생성하고 연 최대값을 추출하여 빈도해석을 통해 미래 극치 확률강우량을 평가하였다. 본 연구 결과 시간단위 자료를 제공함으로써 미래 수자원 설계 및 영향평가를 효과적으로 수행할 것으로 기대되며, 수문기상변화 예측을 위한 신뢰성 있는 자료로 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1610-1614
• /
• 2010

최근 기후변화로 인한 우리나라 호우일수(80mm이상/일)의 증가, 강우강도의 증가에 따른 개별 홍수에 의한 재해규모가 증가하고 있는 현실에서 전통적인 빈도해석기법을 이용한 설계 강우량 산정과 적용에는 한계가 있다. 그러나 우리나라에서는 아직도 비정상성을 고려한 빈도해석기법이 표준화되어 있지 않고 있으며, 전통적인 빈도해석기법에 의존하여 실무에 활용되고 있는 실정이다. 따라서 본 연구에서는 기후변화에 따른 우리나라 강수 극치사상의 변동특성을 분석하고자 하였다. 연구 대상지역으로 기상청에서 운영하는 기상관측소 중에서 90년 이상의 장기 강수자료가 구축되어 있는 서울, 부산, 인천, 대구, 강릉, 목포 등 여섯 곳을 선정하였다. 선정된 6개 기상관측소의 강수자료를 이용하여, 비모수적 선형추세분석기법인 Mann-Kendall 검정을 수행하였다. 본 연구를 통하여 얻어진 결과는 우리나라의 전통적인 설계 강우량 산정기법 개선에 대한 필요성 인식과 설계 강우량 산정에 대한 새로운 접근방향 제시와 이에 따른 제도적 개선 요구에 대한 기초자료로 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.