• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.416-416
• /
• 2020

우리나라의 계절 특성상 여름철 집중호우가 쏟아지는 현상이 빈번하게 발생하는데 이러한 돌발홍수가 예고 없이 일어나 상습적으로 침수 피해를 입는 지역이 증가하고 있다. 본 연구에서 2009년 ~ 2019년 동안 서울시 침수 피해 사건 중심의 인터넷 기사를 기반으로 실제 침수 사례를 조사해본 결과, 침수가 가장 많이 발생한 순으로 반포동(26건), 대치동(25건), 잠실동(21건)으로 집계되었다. 침수피해가 가장 많은 반포동을 연구지역으로 선정하고 그 중 잠수교의 수위를 예측하는 연구를 진행하였다. 기존 연구에서는 수치모형에 비해 신속한 결과를 도출할 수 있는 자료 기반 모형 중 LSTM 기법을 많이 사용하였다. 그러나 이는 선행 시간이 길어질수록 첨두수위에서 과소추정된 것으로 분석된 취약점이 존재하였다(정성호 외, 2018). 본 연구에서는 이러한 단점을 보완하기 위해 GANs(Generative Adversarial Networks)를 이용하였다. GANs는 생성자와 감별자가 나뉘어 생성자가 실제 자료인 첨두수위에서의 잠수교의 수위를 학습하고 실제와 근접한 가상데이터를 결과로 생성하여 감별자는 그 생성된 미래의 잠수교의 수위가 실제인지 가상인지 판별하도록 학습시키는 신경망 구조이다. 사용한 수문자료는 한강홍수통제소, 기상청, 국립해양조사원에서 제공하는 최근 15년간의 (2005년~2019년) 수위, 방류량, 강수량, 조위 자료를 수집하였고 t-test와 상관성분석을 통해 사용한 인자 간의 유의미성 판단과 상관성을 분석했다. 또한, 민감도 분석 결과 시퀀스길이(5), 반복횟수(1000), 은닉층(10), 학습률(0.005)로 최적값을 선정하였다. 또한 학습구간(2005년~2014년)과 검증구간(2015~2019년)으로 나누어 상대적으로 높은 수위가 관측되는 홍수기의 3, 6, 9시간 후의 수위를 예측하고 오차 지표를 이용해 평가하였다. LSTM 기법으로 예측된 수위와 GANs로 예측된 수위를 비교한 결과 GANs으로 예측된 첨두수위에서의 정확도가 5% 정도로 향상되었다. 향후에는 다양한 영향인자와 다른 기법과의 결합을 고려한다면 보다 정확하게 수위를 예측하여 하천 주변 사회기반시설의 침수 피해를 감소시킬 것으로 판단된다.

• Proceedings of the Korean Environmental Sciences Society Conference
• /
• 2003.05a
• /
• pp.249-254
• /
• 2003

분석에 이용된 격자망은 동곡, 고로, 미성, 병천, 효령 및 무성지점에 각각 12개, 30개, 45개, 76개, 46개 및 1265개의 조격자를 구성하였으며 하천의 수로방향 및 경사형태를 세분화하기 위하여 각 지점에 대하여 8개, 24개, 24개, 44개, 12개 및 64개의 세격자로 분할하였다. AGNPS를 이용한 첨두유량의 모의발생 결과치가 동곡, 고로, 미성, 병천, 효령 및 무성지점에서 측정값과 비교하여 각 호우사상별로 상대오차가 1.0~25.0%, 4.0~27.0%, 7.0~29.2%, 2.0~23.9%, 3.0~25.0% 및 3.6~21.0%의 차이를 나타내었다. 분석결과에서 AMCII조건에서는 관측치와 분석결과치가 유사하게 나타났으나 AMCI조건에 대해서는 상대적으로 작은 값을 보였으며 AMCIII조건에서는 다소 큰 값으로 분석되었다. SCS방법에서 제안하는 AMC조건별 CN값을 우리 실정에 적합하도록 수정 보완하기 위한 수정 유출곡선지수 $CN_{m}$ /I과 $CN_{m}$/III을 재구성하였으며, 여기에 적용되는 수정 유출 곡선지수식의 계수 a를 추정한 결과, 기왕에 발표된 연구결과와 거의 일치된 경향을 나타내었다. 제안된 수정 CN식을 이용하여 산정한 결과치와 관측치는 거의 유사하게 나타났다. AGNPS모델에 의한 유출량 산정에 있어 수문학적 토양피복형수(CN)의 결정을 위하여 선행강우량과 토양의 공극율 및 지형인자인 각 셀마다의 유역경사를 이용하여 관계식(CN =f($X_1$, $X_2$, $X_3$))을 유도하였으며, 분석 결과에서 CN이 선행강우량과 가장 밀접한 관계가 있음을 알 수 있었으며 유역경사, 토양의 공극율 순으로 나타났다..88mg/$\ell$~의 범위로 나타났다. 무태교 지점에서의 총인의 농도는 0.52mg/$\ell$~0.99mg/$\ell$~의 범위이었다. 신천에 금호강물을 혼합한 이후에도 부유물질, 생화학적산소요구량, 암모니아태 질소, 총인 등의 농도가 개선되지 않았다. 즉 금호강물의 혼합은 신천수질환경사업소에서 배출되는 방류수에 함유되어 있을 2차 오염물질의 희석이라는 이점외의 수질개선효과는 확인되지 않았다.l years and a new type of transfer crane has been developed. Design concepts and control methods of a new crane will be introduced in this paper.and momentum balance was applied to the fluid field of bundle. while the movement of′ individual material was taken into account. The constitutive model relating the surface force and the deformation of bundle was introduced by considering a representative prodedure that stands for the bundle movement. Then a fundamental equations system could be simplified considering a steady state of the process. On the basis of the simplified model, the simulation was performed and the results co

• 한국지구물리탐사학회:학술대회논문집
• /
• 2005.09a
• /
• pp.55-71
• /
• 2005

Jeju Island is mainly composed of basaltic lava flows and subordinate amounts of volcaniclastic sedimentary rocks. Jeju Province operates the monitoring wells for seawater intrusion problems around Jeju Island to evaluate of groundwater resources in coastal area. Various surveys and monitoring have been performed in boreholes, and also conventional geophysical well loggings conducted to identify basalt sequences and assess seawater intrusion problems. Various conventional geophysical well logs, including radioactive logs, electrical log, caliper log, and temperature and conductivity log and heat-pulse flowmeter log were obtained in 29 boreholes. The results of geophysical well loggings for saturated rocks are interesting and consistent. Natural gamma logs are useful in basalt sequences to sedimentary interbeds, unconsolidated U formation, and seoguipo formation with higher natural gamma log regardless of saturated or unsaturated basalts. Neutron logs are very effective to discriminate among individual lava flows, flow breaks, and sedimentary interbeds in saturated formation. In hyalocastite, porosity is high and resistivity is low, and we think that hyalocastite is a major pathway of fluid flow. In trachybasalt, porosity has a wide range and resistivity is high. In sedimentary interbeds, unconsolidated U formation and seoguipo formation, porosity is high and resistivity is low. The temperature logs in eastern area in Jeju are useful to interpret the hydrogeological unit and evaluate seawater intrusion in Suan area.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2217-2221
• /
• 2008

정도 높은 유량자료는 수자원 분야의 연구와 실무에 있어 대단히 중요하다. 이런 유량자료를 연속적으로 측정하는 것은 현실적으로 어려운 문제이므로 하천에서 직접 측정된 수위-유량자료를 통해 수위-유량관계곡선을 작성하고, 이를 이용하여 연속적으로 관측된 수위에 대한 유량을 산출한다. 산정된 유량자료의 신뢰성을 평가하기 위해서 유출평가의 과정을 거치게 되며, 이를 위해 유출률 검토, 상 하류 유량검토, 누가유출량 평가, 첨두홍수량 및 저 평수기 동시유량 검토 등의 다양한 평가를 하게 된다. 정확한 유출평가를 위해서는 대상유역의 수계망도 및 배수계통도를 조사해야 하며, 하천 취수량, 댐 및 하수 방류량 등의 자료를 수집하여 물수지 분석을 실시해야 한다. 하지만 농업 지역의 경우 농업용수 공급을 위해 관개수로가 많이 설치되어 있어 배수계통이 매우 복잡하고, 관개수로를 통해 공급되는 정확한 용수량을 파악하는데 한계가 있어 정확한 유출평가가 어렵다. 국내 유역 중 농업 지역으로 복잡한 배수계통를 가지는 대표적인 유역은 동진강 유역이다. 동진강 유역은 섬진강 유역에 위치한 섬진강 댐에서 발전 및 농업용수 공급을 위해 유역변경식으로 동진강 유역으로 용수가 공급되고 있으며, 방류량은 동진강 본류 및 동진강 도수로, 김제간선, 정읍간선, 기타 간선 공급되는 복잡한 배수계통을 가지고 있다. 그리고 방류량 및 각 간선으로 공급되는 용수량은 인위적인 수문조작에 의해 운영되고 있어 유량자료의 평가를 위한 유출검토가 매우 어렵다. 본 연구에서는 복잡한 배수계통을 갖는 동진강 유역에서 2007년 유량측정을 통해 개발된 수위-유량관계 곡선 및 유량자료의 평가를 위해 유출평가를 실시하였다. 대상지점은 동진강 본류의 옹동과 태인 지점이며, 정확한 유출평가를 위해 수계망도 및 배수계통도를 조사하였고, 댐 방류량 및 각 간선으로 공급되는 용수량을 파악하여 물수지 분석을 하였다. 그 결과 2007년 전 기간 유출률은 옹동 53.4%, 태인 47.2%로 분석되었고, $6{\sim}$9월 주요 홍수기의 유출률이 옹동 60.1%, 태인 64.8%로 두 지점의 유출률 차가 심하지 않았고, 자연하천의 일반적인 유출률과 비슷한 결과를 보였다. 상 하류 유량검토를 통해서는 하류의 태인 지점이 상류의 옹동 지점보다 큰 정상적인 상 하류 관계를 나타내었다. 이러한 결과로서 동진강 유역의 옹동, 태인 지점의 유량자료는 적절하며, 측정된 유량자료를 토대로 개발된 수위-유량관계곡선식도 신뢰성이 높다는 것을 확인할 수 있었다.

• Journal of Korea Water Resources Association
• /
• v.53 no.2
• /
• pp.97-105
• /
• 2020

Recently, Artificial Neural Network receives attention as a data prediction method. Among these, a Long Shot-term Memory (LSTM) model specialized for time-series data prediction was utilized as a prediction method of hydrological time series data. In this study, the LSTM model was constructed utilizing deep running open source library TensorFlow which provided by Google, to predict inflows of multipurpose dams. We predicted the inflow of the Yongdam Multipurpose Dam which is located in the upper stream of the Geumgang. The hourly flow data of Yongdam Dam from 2006 to 2018 provided by WAMIS was used as the analysis data. Predictive analysis was performed under various of variable condition in order to compare and analyze the prediction accuracy according to four learning parameters of the LSTM model. Root mean square error (RMSE), Mean absolute error (MAE) and Volume error (VE) were calculated and evaluated its accuracy through comparing the predicted and observed inflows. We found that all the models had lower accuracy at high inflow rate and hourly precipitation data (2006~2018) of Yongdam Dam utilized as additional input variables to solve this problem. When the data of rainfall and inflow were utilized together, it was found that the accuracy of the prediction for the high flow rate is improved.

• Spatial Information Research
• /
• v.22 no.1
• /
• pp.55-63
• /
• 2014

Near surface air temperature data which are one of the essential factors in hydrology, meteorology and climatology, have drawn a substantial amount of attention from various academic domains and societies. Meteorological observations, however, have high spatio-temporal constraints with the limits in the number and distribution over the earth surface. To overcome such limits, many studies have sought to estimate the near surface air temperature from satellite image data at a regional or continental scale with simple regression methods. Alternatively, we applied various Kriging methods such as ordinary Kriging, universal Kriging, Cokriging, Regression Kriging in search of an optimal estimation method based on near surface air temperature data observed from automatic weather stations (AWS) in South Korea throughout 2010 (365 days) and MODIS land surface temperature (LST) data (MOD11A1, 365 images). Due to high spatial heterogeneity, auxiliary data have been also analyzed such as land cover, DEM (digital elevation model) to consider factors that can affect near surface air temperature. Prior to the main estimation, we calculated root mean square error (RMSE) of temperature differences from the 365-days LST and AWS data by season and landcover. The results show that the coefficient of variation (CV) of RMSE by season is 0.86, but the equivalent value of CV by landcover is 0.00746. Seasonal differences between LST and AWS data were greater than that those by landcover. Seasonal RMSE was the lowest in winter (3.72). The results from a linear regression analysis for examining the relationship among AWS, LST, and auxiliary data show that the coefficient of determination was the highest in winter (0.818) but the lowest in summer (0.078), thereby indicating a significant level of seasonal variation. Based on these results, we utilized a variety of Kriging techniques to estimate the surface temperature. The results of cross-validation in each Kriging model show that the measure of model accuracy was 1.71, 1.71, 1.848, and 1.630 for universal Kriging, ordinary Kriging, cokriging, and regression Kriging, respectively. The estimates from regression Kriging thus proved to be the most accurate among the Kriging methods compared.

• Journal of Wetlands Research
• /
• v.26 no.2
• /
• pp.147-159
• /
• 2024

Lack of streamflow observations makes model calibration difficult and limits model performance improvement. Satellite-based remote sensing products offer a new alternative as they can be actively utilized to obtain hydrological data. Recently, several studies have shown that artificial intelligence-based solutions are more appropriate than traditional conceptual and physical models. In this study, a data-driven approach combining various recurrent neural networks and decision tree-based algorithms is proposed, and the utilization of satellite remote sensing information for AI training is investigated. The satellite imagery used in this study is from MODIS and SMAP. The proposed approach is validated using publicly available data from 25 watersheds. Inspired by the traditional regionalization approach, a strategy is adopted to learn one data-driven model by integrating data from all basins, and the potential of the proposed approach is evaluated by using a leave-one-out cross-validation regionalization setting to predict streamflow from different basins with one model. The GRU + Light GBM model was found to be a suitable model combination for target basins and showed good streamflow prediction performance in ungauged basins (The average model efficiency coefficient for predicting daily streamflow in 25 ungauged basins is 0.7187) except for the period when streamflow is very small. The influence of satellite remote sensing information was found to be up to 10%, with the additional application of satellite information having a greater impact on streamflow prediction during low or dry seasons than during wet or normal seasons.