• Journal of Wetlands Research
• /
• v.21 no.spc
• /
• pp.61-68
• /
• 2019

Recently, climate indices represented by quantifying atmospheric-ocean circulation patterns have been widely used to predict hydrologic variables for considering long-term climate variability. Hydrologic forecasting models based on artificial neural networks have been developed to provide accurate and stable forecasting performance. Forecasts of hydrologic variables considering climate variability can be effectively used for long-term management of water resources and environmental preservation. Therefore, identifying significant indicators for hydrologic variables and applying forecasting models still remains as a challenge. In this study, we selected representative climate indices that have significant relationships with dam inflow time series in the Han-River basin, South Korea for applying the dam inflow forecasting model. For this purpose, the ensemble empirical mode decomposition(EEMD) method was used to identify a significance between dam inflow and climate indices and an artificial neural network(ANN) ensemble model was applied to overcome the limitation of a single ANN model. As a result, the forecasting performances showed that the mean correlation coefficient of the five dams in the training period is 0.88, and the test period is 0.68. It can be expected to come out various applications using the relationship between hydrologic variables and climate variability in South Korea.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.381-381
• /
• 2020

자료동화(Data Assimilation) 기법은 실시간 수문학적 예측에 있어 정확도 향상을 위해 필수적인 과정이다. 가장 대중적으로 사용되는 기법들 중 하나가 모델 상태변수와 매개변수를 동시에 업데이트할 수 있는 이중 앙상블 칼만 필터(Dual Ensemble Kalman Filter)이다. 이 방법은 정확도 개선 및 적용의 용이성 때문에 많은 연구 분야에서 사용되어져 왔지만, 앙상블을 생성하는 과정에서 상당시간이 소요되는 단점이 존재한다. 본 연구에서는 상태변수와 매개변수를 동시에 업데이트 하면서 홍수 예측의 정확성을 보장할 뿐만 아니라, 앙상블 생성에 있어 계산 효율을 크게 향상시킬 수 있는 기법을 제안한다. Polynomial Chaos Expansion(PCE) 기법을 사용하여 앙상블 칼만 필터를 모방(mimic)할 수 있는 새로운 대체필터(Surrogate Filter)를 개발하는 것을 목표로 한다. 구체적으로 대체필터를 구성하기 위한 다양한 필터를 설계하였다. 첫째 시간에 대해서 PCE가 변화하지 않는 '불변 필터'(즉, 전체 예측기간에 대해 하나의 필터를 사용하여 자료동화할 수 있는 대체필터)와, 매 시간마다 PCE가 변화하는 '시변 필터'(즉, 예측하는 매 시간마다 새로운 필터를 생성해야 하는 대체필터)를 설계하여 적용성, 정확성, 예측성 등을 비교하였다. 또한, PCE의 하이퍼 매개변수를 최적화하기 위한 최적의 프레임 워크가 제안되어, 대체필터를 구축하는 데 효율을 높이고 PCE의 과적합(overfitting) 현상을 피할 수 있도록 하였다. 본 연구에서 제안된 기법은 기존 단일 및 이중 앙상블 칼만 필터(EnKF)의 결과와 비교 검증하였으며, 그 결과는 다음과 같다. (1) 대체필터의 대부분은 원래 EnKF와 비슷한 정도의 불확실성을 설명할 수 있음; (2) 모든 대체 필터는 선행시간이 짧은 경우의 예측에 있어 우수한 결과를 제공하며, 시변 필터가 불변 필터보다 더 정확한 예측 결과를 제공함; (3) 대체필터는 원래 앙상블 칼만필터보다 최대 500배 빠른 속도로 성능을 향상시킬 수 있음. 제안된 대체필터는 자료동화를 수행하는 기존필터와 비슷한 정도의 정확성, 매우 향상된 효율성을 보장함을 확인할 수 있었다.

• Journal of Korea Water Resources Association
• /
• v.44 no.3
• /
• pp.209-220
• /
• 2011

Input uncertainty is one of the major sources of uncertainty in hydrologic modeling. In this paper, first, three alternate rainfall inputs generated by different interpolation schemes were used to see the impact on a distributed watershed model. Later, the residuals of precipitation interpolations were tested as a source of ensemble streamflow generation in two river basins in the U.S. Using the Monte Carlo parameter search, the relationship between input and parameter uncertainty was also categorized to see sensitivity of the parameters to input differences. This analysis is useful not only to find the parameters that need more attention but also to transfer parameters calibrated for station measurement to the simulation using different inputs such as downscaled data from weather generator outputs. Input ensembles that preserves local statistical characteristics are used to generate streamflow ensembles hindcast, and showed that the ensemble sets are capturing the observed steamflow properly. This procedure is especially important to consider input uncertainties in the simulation of streamflow forecast.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.231-235
• /
• 2009

본 연구에서는 홍수예보를 위한 사상형 모형인 저류함수모형 적용시 문제점을 개선하기 위해 기존의 저류함수 모형에 자유수와 장력수의 2개 영역으로 구성된 토양수분모의 컴포넌트를 결합하여 지표유출, 중간유출, 기저유출의 유출수문성분에 대한 연속적인 모의가 가능하도록 하였으며 실시간 홍수예측을 위해 다수의 유량 관측지점과의 실시간 오차 보정이 가능하도록 앙상블 칼만 필터링 기법을 도입하였다. 개발된 모형의 적용성을 평가하기 위해 낙동강 권역을 대상유역으로 선정하였으며 시단위 강우자료, 기상자료, 유량자료를 비롯하여 GIS를 기반의 지형자료를 구축하였다. 연속형 저류함수형의 매개변수 추정결과 주요지점의 관측유량에 대해 높은 적합도를 보였으며 1시간 선행시간의 홍수량 예측결과에서도 높은 정확도를 보이는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.272-276
• /
• 2004

이수기와 같이 장기적인 관점에서 저수지운영을 해야 하는 관리자는 해당 기간동안의 이익을 최대화하는 전략을 필요로 한다. 이를 위해서는 미래 유입량의 불확실성을 고려한 최적화 모형에 근거한 운영률을 수립해야 할 것이다. 본 연구에서는 금강수계의 이수기를 대상으로 추계학적 최적화 기법인 표본 추계학적 동적계획법(Sampling Stochastic Dynamic Programming)을 적용하여 최적 연계운영 시스템을 개발하였다. 본 연구를 통해 개발된 모형은 상용프로그램인 CSUDP와의 비교를 통해 검증되었으며 이를 기반으로 과거자료를 이용한 SSDP/Hist모형과 앙상블 유량예측(Ensemble Streamflow Prediction)을 이용한 SSDP/ESP모형을 개발하여 두 모형의 장${\cdot}$단점을 비교 분석하였다. 발전부분은 두 모형이 비슷하였으나 용수공급 측면에서는 SSDP/ESP가 SSDP/Hist 보다 우수함을 알 수 있었다.

• Journal of Korea Water Resources Association
• /
• v.42 no.11
• /
• pp.953-961
• /
• 2009

The objective of this study is to develop a stochastic continuous storage function model for enhancement of an event-oriented watershed and channel storage function models which have been used as an official flood forecast model in Korea. For this study, soil moisture accounting component is added to the original storage function model and each hydrologic component, such as surface flow, subsurface flow, groundwater flow and actual evaportranspiration, is simulated as a function of soil water content. And also, ensemble Kalman filtering technique is used for real-time assimilation of measured streamflow from various stream locations in the watershed. Therefore the enhanced model will be able to simulate hydrologic components for long-term period without additional estimation of model parameters and to give more accurate and reliable results than those from the existing deterministic model due to the assimilation of measured streamflow data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.27-31
• /
• 2009

홍수피해를 예방할 수 있는 대책에는 여러 가지 방법이 있으나 비구조물적인 방법 중에서 대표적인 것이 홍수예경보이다. 이에 합리적인 설계홍수량 산정을 위해 하천유역에서 강우-유출과정의 정확한 해석과 유출예측은 수자원의 효율적인 활용과 하천의 이수, 치수를 위한 수문학적 해석에 있어서 매우 중요하며, 이를 위해서는 강우로부터 정도 높은 유출량 예측이 요구된다. 뿐만 아니라 하천범람 등의 재해로부터 인명과 재산을 보호하기 위한 홍수예경보 시스템의 구축이 필요하다. 홍수예경보 시스템의 효율적인 관리를 위해서는 실시간 홍수예측(Real-time Flood Prediction)기법의 개발이 필요하다. 홍수유출모형에 있어 공간적 변화특성과 평균 강우량의 공간분포를 반영할 수 있는 분포형 매개변수 모형(Distributed-Parameter Model)인 분포형 모델을 대상으로 앙상블 칼만필터(Ensemble Kalman Filter, EnKF) 이론을 적용하여 비선형시스템에서 오차를 포함한 반응을 실시간으로 처리하여 불확실성을 정량적으로 감소시켜 홍수유출을 예측하는데 그 목적이 있다. 하천유역특성을 이용한 홍수유출예측을 위하여 비선형시스템에서의 앙상블 칼만필터 기법을 적용한 분포형 모형을 이용하여 더욱 정밀한 홍수유출을 예측하게 되고 향후 홍수예경보모형으로서 적정 유역분할 규모를 결정해주는 근거를 제시할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.276-276
• /
• 2021

최근 댐과 같은 수공구조물의 건설로 대규모 홍수피해는 급격히 줄어들었지만, 돌발홍수(flash flood)로 인한 저지대 침수 등의 도시홍수 발생빈도가 급증하고 있다. 2020년에는 최장의 장마가 관측되었으며, 전국적으로 홍수로 인한 침수피해가 발생하였다. 홍수에 선제적으로 대응하기 위해서 신뢰성 있는 홍수예·경보가 필요하며, 이를 위해서는 신속하고 정확성있는 강우예측이 선행되어야 한다. 이에 본 연구에서는 초단기 강우예측을 목적으로 둔 레이더 기반의 강우앙상블 예측모형을 개발하였다. 라그랑지안 지속성(Lagrangian persistence)을 기반으로 개발하였으며, 강우장의 이동 패턴은 이류특성을 활용해 추정하였다. 즉, 강우장의 예측정확도를 향상시키기 위해 공간적 규모별 캐스캐이드(cascade) 방법으로 분리해 이동 경로를 추정하였다. 예측시간에 따른 강우량은 각 캐스캐이드에 자기회귀모형을 적용하였다. 레이더 강우량은 2016-2020년 사이에 발생한 강우사상에 대한 환경부 홍수통제소에서 제공한 레이더 합성장을 이용하였다. 예측강우량에 대한 평가는 RMSE, Pearson's Correlation, FSS 등 통계치를 통해 수행하였다. 본 연구에서 소개된 강우예측 모형은 초단기 홍수예측에 정확도 높은 강우 정보를 제공할 수 있으며, 이에 따라 홍수피해를 저감하는데 도움이 될 것으로 판단된다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.1
• /
• pp.27-35
• /
• 2021

In this paper, we propose a new stacking ensemble framework for deep learning models which reflects the distribution of label embeddings. Our ensemble framework consists of two phases: training the baseline deep learning classifier, and training the sub-classifiers based on the clustering results of label embeddings. Our framework aims to divide a multi-class classification problem into small sub-problems based on the clustering results. The clustering is conducted on the label embeddings obtained from the weight of the last layer of the baseline classifier. After clustering, sub-classifiers are constructed to classify the sub-classes in each cluster. From the experimental results, we found that the label embeddings well reflect the relationships between classification labels, and our ensemble framework can improve the classification performance on a CIFAR 100 dataset.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.5
• /
• pp.1125-1132
• /
• 2017

In a situation where the severity and frequency of drought events getting stronger and higher, many studies related to drought forecast have been conducted to improve the drought forecast accuracy. However it is difficult to predict drought events using a single model because of nonlinear and complicated characteristics of temporal behavior of drought events. In this study, in order to overcome the shortcomings of the single model approach, we first build various single models capable to explain the relationship between the meteorological drought index, Standardized Precipitation Index (SPI), and other independent variables such as world climate indices. Then, we developed a combined models using Stochastic Gradient Descent method among Ensemble Learnings.