• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.315-315
• /
• 2023

급격한 기후변화에 기인하여 전 세계적으로 거듭되는 돌발홍수로 인한 피해가 급격히 증가하고 있는 실정이다. 우리나라에서도 최근 중소 규모의 하천 뿐 아니라 도시 생활하천, 도심지 저지대에서 갑작스런 홍수와 침수로 인해 많은 인명과 재산 피해를 경험하고 있다. 이런 문제를 인식하여 최근 정부차원에서 다양한 센서와 인공지능에 기반하는 많은 인프라 및 연구 투자가 이루어지고 있지만, 높은 설치 및 운영 비용과 우리나라의 복잡한 하천 환경 특성으로 인해 소하천이나 도심지 저지대에서는 그 효율성을 제대로 발휘하지 못하고 있다. 따라서 본 논문에서는 주변환경의 변화에 강인한 복합 센서단말을 통해, 하천 정보(유량, 유속, 수위 등)을 실시간 측정하고, 해당지역의 특성을 고려한 하천 또는 저지대의 위험도를 스스로 판단할 수 있는 기술을 제안한다. 또한, 본 논문에서는 제안한 저비용 초소형의 단말 장치로 지점의 하천 정보를 실시간 측정하여 IoT망을 통해 3차원 하천 디지털트윈 모델로 전달하여, 유속과 수위를 그대로 재연함으로써, 하천 침수 위험 감시의 효율성을 검증하였다. 3차원 DEM(Digital Elevation Models) 데이터와 실제 하천을 관측한 데이터를 이용한 디지털트윈 검증 결과, 데이터 전송 지연시간을 감안하여 3초 이내에 하천의 수위와 유속이 3차원 모델에 반영되는 것을 확인하였다. 이 결과로부터 열악한 환경에서도 실시간 하천 상황을 원거리에서 모니터링 할 수 있으며, 강우와 유출에 따른 하천 홍수 메카니즘을 새롭게 시뮬레이션할 수 있는 방법론을 제시할 수 있을 것으로 기대한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.10a
• /
• pp.216-218
• /
• 2022

Natural disasters caused by abnormal climates are continuously increasing, and the types of natural disasters that cause the most damage are flood damage caused by heavy rains and typhoons. Therefore, in order to reduce flood damage, this paper proposes a system that can predict the water level, a major parameter of flood, in real time using LSTM and GRU. The input data used for flood prediction are upstream and downstream water levels, temperature, humidity, and precipitation, and real-time prediction is performed through the pre-trained LSTM-GRU model. The input data uses data from the past 20 hours to predict the water level for the next 3 hours. Through the system proposed in this paper, if the risk determination function can be added and an evacuation order can be issued to the people exposed to the flood, it is thought that a lot of damage caused by the flood can be reduced.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.388-388
• /
• 2023

영산강은 황룡강과 지석천이 합류하는 지점이기 때문에 많은 비가 내리면 홍수에 취약한 반면, 인근 지역인 나주시 노안면과 광주광역시 승촌동 지역의 지하수를 풍부하게 해주는 역할을 하고 있다. 특히, 승촌보 인근 지역은 겨울철 수온이 따뜻한 지하수를 활용하여 겨울철 미나리를 대규모로 재배하고 있다. 현재 승촌보 운영 수위를 관리 수위인 E.L.7.5m보다 1.5~2m 낮은 E.L.5.5~6.0m로 운영함에 따라 지하수 수위가 보 관리 수위보다 낮게 형성되고 있다. 이에 K-water 영산강보관리단은 여름철 홍수방어를 위해 설치된 배수문을 겨울철에 닫아 인공소류지를 형성함으로써 겨울철 미나리 재배지역에 지하수가 함양되는지 시험운영을 계획하였다. 배수문 시설을 관리하는 한국농어촌공사 광주지사와 광주광역시 남구청과 협의하였다. 이후 영산강유역환경청 민관협의체 위원장과 주민대표 통장님들께 방문 설명 등 지역주민들의 공감대 형성을 거쳐, '22년 9월 30일 승촌보 인근 승촌배수문 등 5개 배수문을 폐쇄하여 11월 30일까지 소류지에 물을 담수하였다. 또한, 소류지의 수위를 파악하기 위해 GPS 측량으로 해발 표고 산정한 간이 목자판 수위계를 설치하여 소류지내 수위를 모니터링하였다. 승촌배수문(#1)에서 발생한 누수는 스펀지를 바닥에 깔아 보강함으로써 누수를 줄여 소류지 수위를 E.L.6.7m 이상을 유지하였다. 그 결과 영산강에 인접한 SCM-008 지하수 관측소 데이터는 승촌보 운영 수위에 영향을 받고 있음을 확인할 수 있었다. 미나리 재배 기간인 3월에는 수막 재배로 인한 지하수 사용으로 수위가 가장 낮았으며, 여름철에 지하수 수위가 회복되는 패턴을 반복하였다. 10월~11월 시험운영기간 동안 SCM-005, -008, -101 지하수 관측정은 소류지와 중앙배수로에 가까울수록 인공 함양시 수위 상승효과가 크게 나타났으며, 평년(2020년~2021년) 대비 지하수위 상승을 확인하였다. SC-0 지역은 2022년 가뭄으로 다우년 대비 지하수 수위가 낮았으나, 시험운영 기간 중 지하수 수위 하강 속도가 늦춰지거나, 수위가 상승하는 것을 확인하였다. 또한, 인근 마을주민들에게 시험 운영 결과를 공유하였고, 소류지가 예년처럼 건천화되었을 때보다 지하수 수위상승과 중앙배수로나 소류지에서 양수하는 등 용수 이용에 도움이 되었다는 긍정적인 답변을 받았다. 따라서 2023년도에도 겨울철 미나리 재배 시기 동안 배수문을 닫아 소류지를 형성하여 지하수 함양에 도움이 되록하여, 미나리 지역의 농가 수익 증대에 보탬이 되도록 할 예정이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• 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.

• Journal of Korea Water Resources Association
• /
• v.55 no.12
• /
• pp.1137-1147
• /
• 2022

River and groundwater stages are the main elements in the hydrologic cycle. They are spatially correlated and can be used to evaluate hydrological and agricultural drought. Stochastic simulation is often performed independently on hydrological variables that are spatiotemporally correlated. In this setting, interdependency across mutual variables may not be maintained. This study proposes the Bayesian vector autoregression model (VAR) to capture the interdependency between multiple variables over time. VAR models systematically consider the lagged stages of each variable and the lagged values of the other variables. Further, an autoregressive model (AR) was built and compared with the VAR model. It was confirmed that the VAR model was more effective in reproducing observed interdependency (or cross-correlation) between river and ground stages, while the AR generally underestimated that of the observed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.363-363
• /
• 2019

활성화 함수(activation function)는 기계학습(machine learning)의 학습과정에 비선형성을 도입하여 심층적인 학습을 용이하게 하고 예측의 정확도를 높이는 중요한 요소 중 하나이다(Roy et al., 2019). 일반적으로 기계학습에서 사용되고 있는 활성화 함수의 종류에는 계단 함수(step function), 시그모이드 함수(sigmoid 함수), 쌍곡 탄젠트 함수(hyperbolic tangent function), ReLU 함수(Rectified Linear Unit function) 등이 있으며, 예측의 정확도 향상을 위하여 다양한 형태의 활성화 함수가 제시되고 있다. 본 연구에서는 기계학습을 통하여 수위예측 시 정확도 향상을 위하여 Hybrid 활성화 함수를 제안하였다. 연구대상지는 조수간만의 영향을 받는 한강을 대상으로 선정하였으며, 2009년 ~ 2018년까지 10년간의 수문자료를 활용하였다. 수위예측 알고리즘은 Python 내 Tensorflow의 RNN (Recurrent Neural Networks) 모델을 이용하였으며, 강수량, 수위, 조위, 댐 방류량, 하천 유량의 수문자료를 학습시켜 3시간 및 6시간 후의 수위를 예측하였다. 예측정확도 향상을 위하여 입력 데이터는 정규화(Normalization)를 시켰으며, 민감도 분석을 통하여 신경망모델의 은닉층 개수, 학습률의 최적 값을 도출하였다. Hybrid 활성화 함수는 쌍곡 탄젠트 함수와 ReLU 함수를 혼합한 형태로 각각의 가중치($w_1,w_2,w_1+w_2=1$)를 변경하여 정확도를 평가하였다. 그 결과 가중치의 비($w_1/w_2$)에 따라서 예측 결과의 RMSE(Roote Mean Square Error)가 최소가 되고 NSE (Nash-Sutcliffe model Efficiency coefficient)가 최대가 되는 지점과 Peak 수위의 예측정확도가 최대가 되는 지점을 확인할 수 있었다. 본 연구는 현재 Data modeling을 통한 수위예측의 정확도 향상을 위해 기초가 되는 연구이나, 향후 다양한 형태의 활성화 함수를 제안하여 정확도를 향상시킨다면 예측 결과를 통하여 침수예보에 대한 의사결정이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.333-333
• /
• 2023

기후변화로 인해 전지구적인 이상기후현상이 빈번하게 발생하고 있으며 지구온도와 해수면상승과 더불어 강우패턴의 변화가 세계적인 문제로 대두되고 있다. 특히 아세안 국가의 경우 태풍 및 집중호우에 대한 침수피해의 빈발로 2,000만명 이상이 피해를 입은 것으로 나타났다. 이러한 윈인으로는 자연재해에 의한 인명 및 재산피해관련 대응기술의 개발 및 대응조직의 전문성이 미흡하다는 것이 가장 큰 원인으로 제시되고 있다. 이에 많은 국가 및 기관에서 재난 대응 기술을 ODA사업을 통해 지원하고 있다. 우리나라에서도 지속적인 ODA사업으로 재난 대응 기술, 그 중에서도 홍수대응 기술을 적극적으로 보급하고 있다. 본 연구에서는 ASEAN국가 현지 맞춤형 인공지능 하천수위예측 모형을 개발하여 ASEAN국가의 홍수대응 능력을 향상시키고자 하였다. 연구대상으로는 관측데이터의 수집이 용이하고 양질의 관측자료를 장기간 확보할 수 있는 필리핀의 Montalban 관측소를 대상으로 하였다. Montalban 수위관측소는 마닐라를 관통하는 마리키나 강의 상류에 위치하고 있다. 주변에는 상류쪽에 Mt. Oro 강우관측소가 있으며 해당 관측소의 강우자료와 Montalban 관측소의 수위자료를 입력자료로 활용하여 최대 3시간까지 수위를 예측하였다. 예측수위에 대한 적합도 지표로 NSE(Nash-Sutcliffe model efficiency coefficient)를 사용하였으며 2시간 예측까지는 0.8이상의 유의미한 결과를 나타내 홍수예보에 활용할 수 있을 것으로 판단되나, 3시간 예측결과는 홍수예보에 활용하기 어려운 것으로 판단하였다. 이는 Mt. Oro관측소에 내린 강우가 Montalban 관측소에 도달하기까지 소요되는 시간이 3시간 이내이기 때문으로 판단된다. 관측소의 수위자료와 상류에 위치한 강우관측소의 장기간 고품질의 관측자료가 존재한다면 높은 정확도의 예측결과를 도출 할 수 있을 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.48 no.10
• /
• pp.807-816
• /
• 2015

In general, the water stage-discharge relationship curve is established based on the assumptions of linearity and homoscedasticity. However, the relationship between the water stage and discharge is affected from geomorphological factors, which violates the basic assumptions of the water stage-discharge relationship curve. In order to reduce the error due to the violations, the curve is divided into several sections based on the manager's judgement considering change of cross-sectional shape. In this research, the objective-splitting criteria of the curve is proposed based on the measured data without the subjective decision. First, it is assumed that the coefficient of variation follows the normal distribution. Then, if the newly calculated coefficient of variation is outside of the 95% confidential interval, the curve is divided. Namely, the groups is divided by the characteristics of the coefficient of variation and the reasonable criteria is provided for establishing a multi-segmented rating curve. To validate the proposed method, it was applied to the data generated by three artificial power functions. In addition, to confirm the applicability of the proposed method, it is applied to the water stage and discharge data of the Muju water stage gauging station and Sangegyo water stage gauging station. As a result, it is found that the automatically divided rating curve improves the accuracy and extrapolation accuracy of the rating curve. Finally, through the residual analysis using Shapiro-Wilk normality test, it is confirmed that the residual of water stage-discharge relationship curve tends to follow the normal distribution.

• Ecology and Resilient Infrastructure
• /
• v.5 no.3
• /
• pp.125-133
• /
• 2018

Artificial neural network (ANN) is a powerful model to predict time series data and have been frequently adopted to predict groundwater level (GWL). Many researchers have also tried to improve the performance of ANN prediction for GWL in many ways. Dummies are usually used in ANN as input to reflect the seasonal effect on predicted results, which is necessary for improving the predicting performance of ANN. In this study, the effect of Dummy on the prediction performance was analyzed qualitatively and quantitatively using several graphical methods, correlation coefficient and performance index. It was observed that results predicted using dummies for ANN model indicated worse performance than those without dummies.