• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.224-224
• /
• 2011

5대 주요 수계의 소수력자원에 대하여 연구를 수행하였고, 하천의 유량지속특성을 예측할 수 있는 모델이 개발되었으며, 이를 이용하면 강우사상으로 야기되는 유입량의 변화에 대한 분석이 가능하다. 또한 소수력발전소의 성능을 예측할 수 있는 모델도 개발되었다. 안동댐에서 측정된 월유입량 자료를 분석하였으며,. 본 연구를 통해 개발된 모델을 이용하여 예측한 결과는 안동댐에서 오랜기간 동안 측정된 결과와 거의 일치되는 것으로 나타났다. 이는 개발된 모델들이 소수력발전입지의 이용가능한 잠재량과 기술적 잠재량을 예측하는데 효과적인 것으로 밝혀졌다. 본 모델들을 이용하여 수계별로 소수력발전입지에 대한 수문학적 성능을 분석하였다. 분석결과 소수력발전 입지의 수문학적 성능특성은 수계별로 차이가 있는 것으로 나타났다. 특히 북한강과 낙동강수계에 위치한 소수력발전입지의 비설계유량과 비출력량은 다른 수계들 보다 차이가 큰 것으로 나타났다. 그림 1은 수계별 비설계유량에 따른 비출력량의 변화를 나타낸다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.769-773
• /
• 2010

수계별 소수력자원의 특성에 대한 연구가 수행되었다. 이를 분석하기 위하여 유량지속특성을 예측할 수 있는 모델이 개발되었고, 이를 기반으로 하여 소수력발전소의 수문학적 성능특성을 예측할 수 있는 모델이 개발되었다. 개발된 모델의 효용성을 확인하기 위하여 안동댐에서 측정된 월유입량자료를 분석하였다. 안동댐에서의 장기유입량을 분석한 결과, 본 연구에서 개발된 예측모델로부터 획득한 결과가 실측자료와 잘 일치하였다. 본 연구에서 개발된 모델은 소수력발전지점의 수력가용량과 연간출력량을 예측하는데 유용하게 사용될 수 있다는 것이 밝혀졌다. 개발된 모델을 이용하여 주요 수계에 위치한 소수력발전입지의 수문학적 성능특성을 분석한 결과 수계별로 차이를 나타냈다. 특히 북한강수계와 낙동강수계에 위치한 소수력발전입지는 다른 수계에 위치한 소수력발전입지에 비하여 비설계유량과 비출력 등에 대한 수문학적 성능에 많은 차이를 나타냈다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.131-131
• /
• 2022

기후변화의 영향으로 극치강우의 변동성이 커지고 있으며 계획빈도를 초과하는 폭우로 피해가 증가하고 있다. 기존의 물리기반의 홍수예측모델은 개념적 및 구조적 제약과 함께 다양한 유역조건 및 수문기상 조건에 기인한 강우-유출 관계의 불확실성을 고려하는 데 한계가 있다. 특히 한정된 홍수 사상을 통해 구축된 관측 자료로 인해 새로운 홍수 사상 예측 능력이 저조할 수밖에 없다. 따라서 기존 물리모형 기반의 홍수예측과 함께, 딥러닝(deep learning) 모형을 고려한 홍수예측 모델 개발과 개선이 필요하다. 본 연구에서는 다양한 분야에서 활용되는 인공지능(artificial intelligence, AI) 기술을 종합적으로 검토하고, 홍수 예측 측면에서의 활용 가능성 및 신뢰성을 고려하여 AI 기법을 채택하였다. 한강수계에 존재하는 댐 중 일부를 선정하여 대상 댐의 수문·기상학적 자료를 전처리한 후, 인공지능 기반의 홍수예측모형을 구축 및 최적화하였다. 다양한 예측인자와 모델 구성으로 홍수예측력에 대한 평가를 다각적으로 수행함으로써 홍수예측모델의 신뢰성을 제고하였다. 전반적으로 우수한 결과를 도출하였고, 유역면적이 작을수록 결과가 좋았다. 이는 넓은 유역일수록 복잡한 강우-유출 과정이 내재되어 있기 때문으로 판단되며, 넓은 유역에는 본 연구에서 활용한 자료에 추가적인 자료를 도입하여 모형 개선이 이루어져야 할 것으로 판단하였다. 수문 예측 연구에 통계모형이나 기계학습모형의 적용은 많이 있었지만, 딥러닝 기법 활용은 새로운 시도라는 점에서 의미가 있다.

• 농약과학회지
• /
• 제18권4호
• /
• pp.236-246
• /
• 2014

농약은 작물을 보호하기 위하여 사용되지만 환경을 오염시키는 원인이 되기도 한다. 그러므로 농약의 물리화학적 특성, 독성 자료 및 환경행적 자료를 통해 위해성 평가를 수행하여 안전하게 관리가 가능하다면 등록이 결정된다. 환경중 행적을 예측하기 위해 우리나라의 기상자료, 작물 재배력 및 토양통을 이용하여 butachlor, iprobenfos, carbofuran, tebuconazole을 대상으로 수계 중 잔류농도를 추정하였다. 예측모형으로 과수용 농약은 PA5를, 벼재배용 농약은 RICEWQ와 SCI-GROW를 이용하였다. 수계모니터링에서 butachlor와 iprobenfos의 최대값은 예측모형의 peak 농도보다 낮았고 최소값은 예측모형의 연평균농도보다 낮아 RICEWQ를 벼 재배환경 중 잔류농약의 농도 추정에 이용할 수 있음을 확인하였다. 토양흡착계수가 낮은 carbofuran은 RICEWQ와 SCI-GROW에 적용시 지표수계보다 지하수로의 이동량이 훨씬 많은 것으로 산출되어 RICEWQ는 지하수로의 수계노출농도를 예측하기에는 적절하지 못하였다. 수계 모니터링에서 과수용 농약인 tebuconazole이 검출되지 않아 예측모형으로 산출한 값과 비교하기 어려웠으나 수계를 통한 잔류농약의 추정에 이용할 수 있을 것으로 사료된다.

• 한국전자통신학회논문지
• /
• 제19권3호
• /
• pp.531-538
• /
• 2024

수질 환경의 중요성이 강조되고 있는 가운데 광주광역시 도시 하천의 수질개선을 위한 수질 지표는 수생 생태계에 영향을 미치는 중요한 요소로 정확한 예측이 필요하다. 본 연구에서는 XGBoost와 LightGBM 머신러닝 알고리즘을 활용하여 광주천의 중요한 지점인 하류 평촌교(PyeongchonBr)와 상류 방학교(BangHakBr_Gwangjucheon1) 수계의 수질 검사 항목 중 통계적 검증 결과 유의미한 항목인 질소(TN), 질산염(NO3), 암모니아 양(NH3) 세 가지 수질 지표를 예측하는 연구를 수행하였고, 회귀 모델 평가 지표인 RMSE를 이용하여 예측 모델의 성능을 평가하였다. 수계별 개별적인 모델을 구현하여 교차 검증 후 성능을 비교한 결과, XGBoost 모델이 뛰어난 예측 능력을 보였다

• 한국측량학회지
• /
• 제8권1호
• /
• pp.31-40
• /
• 1990

본 연구는 사친 측량을 이용한 효율적인 초구장 기본 계획을 수립하고자 연구 대상지를 선정하여 종래 방법과 사진측량 방법을 비교 분석하였다. 또한, 대상지 항공사진과 지형도를 이용하여 사친 판독에 의해 식생, 수계도를 작성하고, 대상지를 격자로 구성하여 수치지형모델에 의한 지형 변화 및 경관을 예측하므로서 계획에 필요한 여러 요소를 종래방법과 비교 고찰하였다. 본 연구 결과 사진 판독에 식생도 및 수계도를 작성하므로서 기존 조사방법 보다 세밀한 결과를 얻을 수 있었고, 수치지형모델을 이용하여 지형, 경관 및 수계 등의 변화를 표현, 예측하므로서 우수처리, 경관, 조경 계획을 효율적으로 할 수 있었다. 또한, 항공사진과 지형도를 병용하므로서 토지 이용 계획과 기타 계획에 관하여 종래 방법보다 효율적임을 제시할 수 있었다.

• 한국환경과학회:학술대회논문집
• /
• 한국환경과학회 2016년도 정기학술대회 발표논문집
• /
• pp.198-198
• /
• 2016

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.317-317
• /
• 2021

효율적인 물관리를 위한 댐 유입량 대한 연구는 필수적이다. 본 연구에서는 다양한 머신러닝 알고리즘을 통해 40년동안의 기상 및 댐 유입량 데이터를 이용하여 소양강댐 유입량을 예측하였으며, 그 중 고유량과 저유량예측에 적합한 알고리즘을 각각 선정하여 머신러닝 알고리즘을 결합한 CombML을 개발하였다. 의사 결정 트리 (DT), 멀티 레이어 퍼셉트론 (MLP), 랜덤 포레스트(RF), 그래디언트 부스팅 (GB), RNN-LSTM 및 CNN-LSTM 알고리즘이 사용되었으며, 그 중 가장 정확도가 높은 모형과 고유량이 아닌 경우에서 특별히 예측 정확도가 높은 모형을 결합하여 결합 머신러닝 알고리즘 (CombML)을 개발 및 평가하였다. 사용된 알고리즘 중 MLP가 NSE 0.812, RMSE 77.218 m3/s, MAE 29.034 m3/s, R 0.924, R2 0.817로 댐 유입량 예측에서 최상의 결과를 보여주었으며, 댐 유입량이 100 m3/s 이하인 경우 앙상블 모델 (RF, GB) 이 댐 유입 예측에서 MLP보다 더 나은 성능을 보였다. 따라서, 유입량이 100 m3/s 이상 시의 평균 일일 강수량인 16 mm를 기준으로 강수가 16mm 이하인 경우 앙상블 방법 (RF 및 GB)을 사용하고 강수가 16 mm 이상인 경우 MLP를 사용하여 댐 유입을 예측하기 위해 두 가지 복합 머신러닝(CombML) 모델 (RF_MLP 및 GB_MLP)을 개발하였다. 그 결과 RF_MLP에서 NSE 0.857, RMSE 68.417 m3/s, MAE 18.063 m3/s, R 0.927, R2 0.859, GB_MLP의 경우 NSE 0.829, RMSE 73.918 m3/s, MAE 18.093 m3/s, R 0.912, R2 0.831로 CombML이 댐 유입을 가장 정확하게 예측하는 것으로 평가되었다. 본 연구를 통해 하천 유황을 고려한 여러 머신러닝 알고리즘의 결합을 통한 유입량 예측 결과, 알고리즘 결합 시 예측 모형의 정확도가 개선되는 것이 확인되었으며, 이는 추후 효율적인 물관리에 이용될 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.378-378
• /
• 2019

본 연구에서는 용담댐 유역을 대상으로 저수위/저수량 모니터링 및 예측을 위하여 고해상도 위성관측 자료를 이용하는 방법과 위성으로부터 추출한 강수량 자료로부터 가뭄지수를 이용한 저수위를 모니터링하고 SSA를 이용한 PCA방법으로 예측모델을 구축하여 가뭄을 예측하는 방법을 개발하였다. 용담댐 저수위와 SPI(3)와의 상관계수가 0.78로 매우 높은 상관성을 보였으며, 위성자료를 통하여 산정한 가뭄지수를 활용하여 댐 저수위/저수량 모니터링 및 예측 가능성을 진단하였다. SSA에 의한 주성분 분석결과 SPI(3)과 각 RC자료의 상관관계를 분석한 결과 CC=0.87~0.99의 높은 상관성을 보였으며, 표준화된 댐 저수위(N-W.S.L.)와 RC자료의 상관관계를 분석한 결과 CC=0.83~0.97의 비교적 높은 상관성을 보임을 확인하였다. 또한, Sentinel-2 위성의 MSI (Multi-Spectral Instrument) 센서로 댐수위의 변화를 모니터링하기 위해 지수 기법을 적용하여 수체 탐지 알고리즘을 개발하였으며, 용담댐유역에 대해 2016년부터 2018년까지의 수계 면적 변화를 분석하였다. 이를 기반으로 Sentinel-2 위성영상으로 추출한 수계 면적 변화를 이용하여 가뭄감시 분야에 대한 활용 가능성을 제시하였다. 본 연구의 결과는 다양한 위성관측자료로부터 미계측 지역의 저수량 모니터링과 수문학적 가뭄 모니터링/예측에 활용이 가능할 것이다.