• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.37-37
• /
• 2019

기후변화에 따른 강우량 변화는 유역의 수문학적 변화와 하천 침식, 토양유실 등 물리적 변화를 함께 동반하여 유역환경에 영향을 미치게 된다. 최근에도 강우 발생시 집중강우에 의해 짧은 시간에 많은 강우가 발생하여 홍수피해가 발생하고 있으며, 건기시에는 가뭄이 지속되고 있다. RCP 4.5 및 8.5를 활용한 미래 기후시나리오 예측에 따르면 강우량과 증발산량은 증가할 것으로 예측되고 있으나, 우기시의 강수량은 증가하고 건기시의 강수량은 감소하여 계절 간 강수의 불균형이 심화될 것으로 예측되고 있다. 이러한 변화는 강수량, 하천유량, 침투량 등 유역의 수문체계에 영향을 끼치게 되고, 유량의 변화에 따라 하상변동 등 하천형상의 변화가 발생할 수 있으며, 하천 형상변화에 따라 유량이 변화하고, 토사의 유입이 증가하여 수질이 변화하여, 유역 내 유량 및 수질변화에 따른 불확실성이 높아지게 된다. 최근 개발에 의한 불투수면의 증가와 집중호우의 발생으로 인한 유출량 증가에 따라 강우발생시 직접유출량은 증가하고 침투량은 감소하여 우기시에는 홍수 및 침수가 발생하고, 건기시에는 기저유출에 의한 하천유지용수가 감소하여 하천이 건천화되고 수질이 악화 되는 등 물순환 체계가 훼손되고 있다. 강수량과 강우패턴의 변화에 따른 유출량 변화는 유역의 물순환에 직접적인 영향을 미치게 된다. 홍수나 극한강우가 발생할 경우 유역의 수문학적 특성에 따라 직접유출량은 증가하고 상대적으로 침투 및 증발산양은 감소하게 되며, 건기시에는 하천이 건천화 되는 등 물순환 체계가 훼손되고 유량의 변화에 따라 수질 또한 악화될 수 있다. 본 연구에서는 낙동강 유역을 대상으로 기후변화에 따른 유역 유출량 변화 및 하천형상 변화예측을 위해 기후변화 시나리오를 이용하여 하천환경변화에 대한 전망을 예측하고, 유역의 유출량을 구체적으로 분석 할 수 있는 유역모형을 활용하여 유역의 물순환에 미치는 영향을 검토하고 물순환을 고려한 유량 및 수질부하량을 분석하였다.

• Journal of Korea Water Resources Association
• /
• v.57 no.2
• /
• pp.73-85
• /
• 2024

Predicting water quality of rivers and reservoirs is necessary for the management of water resources. Artificial Neural Networks (ANNs) have been used in many studies to predict water quality with high accuracy. Previous studies have used Gradient Descent (GD)-based optimizers as an optimizer, an operator of ANN that searches parameters. However, GD-based optimizers have the disadvantages of the possibility of local optimal convergence and absence of a solution storage and comparison structure. This study developed improved optimizers to overcome the disadvantages of GD-based optimizers. Proposed optimizers are optimizers that combine adaptive moments (Adam) and Nesterov-accelerated adaptive moments (Nadam), which have low learning errors among GD-based optimizers, with Harmony Search (HS) or Novel Self-adaptive Harmony Search (NSHS). To evaluate the performance of Long Short-Term Memory (LSTM) using improved optimizers, the water quality data from the Dasan water quality monitoring station were used for training and prediction. Comparing the learning results, Mean Squared Error (MSE) of LSTM using Nadam combined with NSHS (NadamNSHS) was the lowest at 0.002921. In addition, the prediction rankings according to MSE and R² for the four water quality indices for each optimizer were compared. Comparing the average of ranking for each optimizer, it was confirmed that LSTM using NadamNSHS was the highest at 2.25.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.143-143
• /
• 2023

최근 대청댐('17), 평림댐('19) 등 광역 취수원에서 망간의 먹는 물 수질기준(0.05mg/L 이하) 초과 사례가 발생되어, 다수의 민원이 제기되는 등 취수원의 망간 관리 중요성이 부각되고 있다. 특히, 동절기 전도(Turn-over)시기에 고농도 망간이 발생되는 경우가 많은데, 현재 정수장에서는 망간을 처리하기 위해 유입구간에 필터를 설치하고 주기적으로 교체하는 방식으로 처리하고 있다. 그러나 단기간에 고농도 망간 다량 유입 시 처리용량의 한계 등 정수장에서의 공정관리가 어려워지므로 사전 예측에 의한 대응 체계 고도화가 필요한 실정이다. 본 연구는 광역취수원인 주암댐을 대상으로 망간 예측의 정확도 향상 및 예측기간 확대를 위해 다양한 머신러닝 기법들을 적용하여 비교 분석하였으며, 독립변수 및 초매개변수 최적화를 진행하여 모형의 정확도를 개선하였다. 머신러닝 모형은 수심별 탁도, 저수위, pH, 수온, 전기전도도, DO, 클로로필-a, 기상, 수문 자료 등의 독립변수와 화순정수장에 유입된 망간 농도를 종속변수로 각 변수에 해당하는 실측치를 학습데이터로 사용하였다. 그리고 데이터기반 모형의 정확도를 개선하기 위해서 성층의 수준을 판별하는 지표로서 PEA(Potential Energy Anomaly)를 도입하여 데이터 분석에 활용하고자 하였다. 분석 결과, 망간 유입률은 계절 주기에 따라 농도가 달라지는 것을 확인하였고 동절기 전도시점과 하절기 장마기간 난류생성 시기에 저층의 고농도 망간이 유입이 되는 것을 분석하였다. 또한, 두 시기의 망간 농도의 변화 패턴이 상이하므로 예측 모델은 각 계절별로 구축해 학습을 진행함으로써 예측의 정확도를 향상할 수 있었다. 다양한 머신러닝 모델을 구축하여 성능 비교를 진행한 결과, 동절기에는 Gradient Boosting Machine, 하절기에는 eXtreme Gradient Boosting의 기법이 우수하여 추론 모델로 활용하고자 하였다. 선정 모델을 통한 단기 수질예측 결과, 전도현상 발생 시기에 대한 추종 및 예측력이 기존의 데이터 모형만 적용했을 경우대비 약 15% 이상 예측 효율이 향상된 것으로 나타났다. 본 연구는 머신러닝 모델을 활용한 망간 농도 예측으로 정수장의 신속한 대응 체계 마련을 지원하고, 수처리 공정의 효율성을 높이는 데 기여할 것으로 기대되며, 후속 연구로 과거 시계열 자료 활용 및 물리모형과의 연결 등을 통해 모델의 신뢰성을 제고 할 계획이다.

• Journal of Korea Water Resources Association
• /
• v.38 no.7 s.156
• /
• pp.575-584
• /
• 2005

The judgement model to warn of possible pollution accident is constructed by multi-perceptron, multi layer neural network, neuro-fuzzy and it is trained stability, notice, and warming situation due to developed standard axis. The water quality forecasting model is linked to the runoff forecasting model, and joined with the judgement model to warn of possible pollution accident, which completes the artificial intelligence warning system. And GUI (Graphic User Interface) has been designed for that system. GUI screens, in order of process, are main page, data edit, discharge forecasting, water quality forecasting, warming system. The application capability of the system was estimated by the pollution accident scenario. Estimation results verify that the artificial intelligence warning system can be a reasonable judgement of the noized water pollution data.

• Journal of the Korean Society for Marine Environment & Energy
• /
• v.1 no.2
• /
• pp.96-108
• /
• 1998

The management of water quality and fishery resources with a major environmental problem in eutrophic coastal sea is studied. The numerical experiments using the water-sediment quality model (WSQM) were carried out for the management of water quality at the Seto Inland Sea in Japan. The results of long-term water quality simulation showed responses of seawater quality to input loads to vary in different localities. A formula roughly forecasting water qualify to estimate the effect of loading abatement was proposed. The simulation for the improvement of seawater quality showed the abatements of nutrient loads such as total phosphorus (TP) and total nitrogen (TN) as well as organic loads such as chemical oxygen demand (COD) to be peformed in the eastern Seto Inland Sea from Bisan Seto to Osaka Bay. On the other hand, it is indicated that the increase of loading leads to the increase of primary production. while not straightly to the increase of fish production for the catch of fisheries.

• Journal of the Korean GEO-environmental Society
• /
• v.7 no.6
• /
• pp.57-65
• /
• 2006

In this study, WASP6 was used to predict the water quality of the reservoir and the lake. This can help the managers make the right choice of water quality policy. The results through studying are below. Raw pollutant load caused by the tourists in pollutant load of the study area takes 91.66% and 92.75% in total amount T-N, T-P. It showed high value when compared to raw pollutant load by land and stock farm and it seems that the main contamination is the population of tourists. From the result of the prediction model, BOD will increase about 1.5 times, T-N and T-P will be 1.5 times in 2012. It means that some counter plan is needed to reduce pollutant load. Enviroment grade of Suokjeong reserver is in I~II grade which is in good condition comparatively. However, the water contamination will be in poor as the year passes. when considering T-N T-P, which are the nutrients to control eutrophication, the concentrated administration about contamination sources is in urgent.

• Journal of Korea Water Resources Association
• /
• v.35 no.6
• /
• pp.737-751
• /
• 2002

Water quality in Daechung Lake was predicted for various discharge conditions of Yongdam dam. The same scenarios were applied as in the previous paper by the authors for Keum River water quality modeling. Effects in water quality due to changes in discharge conditions from Yongdam Dam were less distinct to the Daechung Lake than to the inflowing Keum River due to sink processes in the lake. For the minimum flow year, it is appropriate to maintain Yongdam dam discharge rate to 8.9 $m^3$/sec considering the current field conditions and future predictions of TN and TP concentrations of Yongdam dam. Effect of Yongdam dam discharge conditions to the Daechung Lake water quality were stronger for drier years. However it should be noted that the effects were dependent upon the water quality of Yongdam discharge at the same time. Therefore, water quality management effort should be emphasized before the discussion over the discharge volume of Yongdam dam. The input data sets for simulations in this study were formulated using the available data and assumptions based on authors experiences for the fields. Therefore, continued data collection effort will ensure the validity of this study.

• Journal of Korea Water Resources Association
• /
• v.34 no.6
• /
• pp.701-711
• /
• 2001

Forecasting of water quality variation is not an easy process due to the complicated nature of various water quality factors and their interrelationships. The objective of this study is to test the applicability of neural network models to the forecasting of the water quality at Gongju station in Geum River. This is done by forecasting monthly water qualities such as DO, BOD, and TN, and comparing with those obtained by ARIMA model. The neural network models of this study use BP(Back Propagation) algorithm for training. In order to improve the performance of the training, the models are tested in three different styles ; MANN model which uses the Moment-Adaptive learning rate method, LMNN model which uses the Levenberg-Marquardt method, and MNN model which separates the hidden layers for judgement factors from the hidden layers for water quality data. the results show that the forecasted water qualities are reasonably close to the observed data. And the MNN model shows the best results among the three models tested

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.782-782
• /
• 2012

지금까지 우리나라에서는 도시하수, 공장폐수 등의 점오염원에 국한하여 중점적으로 수질관리를 실행하여 부분적으로 효과를 얻을 수 있었으나, 하천과 호소의 수질은 크게 향상되지 않고 있다. 이는 급속한 도시화와 산업발달로 토지개발이 가속화되고 대지, 도로, 주차장 등 불투수층 면적이 늘어남에 따라 비점오염원에 의한 하천, 호소의 수질영향도가 커지고 있기 때문이다. 인구증가로 인해 물 사용량 뿐만 아니라 이에 따라 배출되는 오염원의 종류 및 오염부하량 역시 함께 증가하고 있다. 장래의 수질관리 성공여부는 비점오염원의 효율적인 관리여부가 큰 변수로 작용할 것으로 본다. 따라서 공공수역의 수질관리를 위해서는 토지이용과 지역특성을 고려한 비점오염원 부하량의 합리적인 조사, 오염 부하량 절감을 위한 관리기술의 개발, 비점오염원 관리정책의 개발 및 수질모형을 이용한 정확한 수질예측 등이 필요하다. 따라서 본 연구에서는 공간정보를 바탕으로 한 낙동강 유역에서의 비점오염원 정량화 분석을 수행하고자 한다. 우선 대상유역으로 낙본 G유역을 선정하여 이에 대한 조사를 통해 점오염원의 실측자료를 구축하고 이를 HSPF의 입력하여 모의를 수행하여 대상유역에 대한 실측치를 이용해 모형의 보정과 검증을 수행한다. 이러한 과정을 통해 도출된 결과는 대상유역의 총 오염량을 의미한다. 따라서 위의 과정에서 도출된 매개변수를 이용하고, 점오염원을 제거한 뒤 모의를 재수행하여 나온 결과가 대상유역의 비점오염원의 양이라 판단하였다. 모의 결과 대상유역인 낙본 G유역에서 약 39% 정도의 비점오염원 비율을 보였다. 그러나 수질 및 유량 관측치를 지금까지는 국립환경과학원 낙동강물환경연구소 유량측정데이타를 사용하고 있는데 이 자료는 8일 이상 간헐적으로 측정이 수행되고 있다. 따라서 검 보정 대상이 되는 실측치의 자료의 부족과 부정확한 유역이 있음이 한계점으로 작용한다. 그러므로 추후의 신경망 모형이나 기타 실측치 보간에 있어서의 신뢰도를 높이는 기법 개발이나 측정제도의 보편적인 기술의 증대도 앞으로의 모델링에 있어서 중요할 것으로 판단된다. 또한 유역수질모형의 모델링 과정에서 좀 더 신뢰도 높은 측정자료와 그 측정자료를 활용하여 PEST 보정기법을 적용한다면 더욱 정확한 예측이 이루어질 수 있을 것이며, 본 연구에서의 평가방법을 바탕으로 유역수질모델링이 이루어진다면 보다 더 정확성 높은 비점오염원 정량화와 수질 예측이 수행될 수 있을 것이며 더 나아가 오염총량제의 수행에 효과적으로 적용될 것으로 판단된다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.117-123
• /
• 2007

최근 도시화 산업화가 진행됨에 따라 급격한 토지이용 변화가 발생되어 이로 인한 수질악화 등의 문제가 대두되면서 효율적인 수자원 관리를 위한 대책이 필요한 실정이다. 특히, 비점오염물질로 인한 수질악화는 수문현상 및 토지이용변화와 밀접한 관련이 있어 그 발생량을 추정하기에 매우 어려움이 많았다. 근래 수문 수질관리를 하기 위한 방법으로 GIS기반의 수질모형을 이용한 연구가 활발히 진행되고 있다. 그 중 SWAT(Soil and Water Assesment Tool)모형은 다양한 토지이용변화로 인한 장기유출과 수질모의가 가능한 모형으로서 적극 활용되고 있다. 본 연구에서는 경안천 유역을 대상으로 ArcView기반의 AVSWAT2000모형을 이용하여 미래 토지이용변화가 수문-수질에 미치는 영향을 분석하고자 하였다. Landsat TM, $ETM^+$ 위성영상으로부터 시계열 토지이용도를 작성하고, CA-Markov기법을 이용하여 2030, 2060, 2090년도의 미래 토지이용변화를 예측하였다. 모형의 입력 자료인 수문 기상자료와 지형자료(DEM, 토양도, 하천도 등), 수질자료(TN, TP, SS)를 구축하여 미래 토지이용변화에 따른 유출량과 비점오염 부하량의 변화를 예측하였다.