• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.371-371
• /
• 2011

본 연구에서는 한강유역 내 관측기간이 충분한 기상청 지상관측소 10개소를 선정하고 CCCma(Canadian Century for Climate modeling and analysis)에서 제공하는 자료에 대한 인공신경망기법 상세화 적용을 실시하였다. 인공신경망의 학습을 위해 CGCM3.1/T63 20C3M시나리오(reference scenario)의 22개 2D변수 중 물리적으로 민감도가 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 선정하였으며 인공신경망 학습기간은 1991년~1995년, 검증기간은 1996년~2000년, 예측기간은 2011년~2100년으로 A1B, A2 B1 시나리오 등 다양한 기후변화 시나리오를 통해 예측band를 제시하고자 하였다. 하지만 공간상관을 고려하기 위하여 각 관측소에 대하여 인공신경망 학습을 하는 경우 관측소간 spatial correlation 및 spatial cluster구현이 어렵기 때문에 Spatial Rectangular Pulse모형을 이용하고자 하였으나, 강수면적에 대한 scale의 결정이 어렵다는 단점을 확인 하고 본 연구에서는 Random Cascade 모형을 이용하여 ${\beta}$를 통한 강수면적 scale(rainy area fraction)을 결정하고자 하였다. Random Cascade모형의 기법은 격자단위의 downscaling기법으로 강수대의 공간적 형상을 재현하며 스케일에 비종속적인(scale-invariant)프랙탈 특성을 이용하여 매개변수를 최소화 할 수 있는 장점을 가진 기법으로 한강유역 1Km내외 강우장을 만들어 topographic effect를 첨가하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.97-97
• /
• 2023

최근 재해분야에서 인공신경망(ANN), 기계학습(ML), 딥러닝(DL) 등 AI 기술이 활용성이 점차 증가하고 있으며, 센싱정보와 연계한 시설물 안전관리, 원격탐사와 연계한 재해감시(녹조, 산사태, 산불 등), 수문시계열(수위, 유량 등) 예측, 레이더·위성강수 자료의 보정과 예측, 상하수도 관망누수예측 등 다양한 분야에서 AI 기술이 적용되고 그 활용성이 검증된 바 있다. 본 연구에서는 ML, DL, 물리기반신경망(Pysics-informed Neural Networks, PINNs)을 이용한 다양한 재해분석 사례를 소개하고, 그 활용성과 한계에 대해서 논의하고자 한다. 주요사례로는 (1) SAR영상과 기계학습을 이용한 재해피해지역(울진 산불) 감지, (2) 국가 디지털 정보를 이용한 산사태 위험지역 판별(인제 산사태) (3) 기계학습 및 딥러닝 기법을 이용한 위성강수 자료의 보정·예측 및 유출해석, (4) 수리해석을 위한 수치해석분야에서의 PINNs의 적용성(1차원 Saint-Venant 식 해석) 평가 연구결과를 공유한다. 특히, 자료의 입·출력 자료만으로 학습된 인공신경망 모형 대신 지배방정식(물리방정식)을 만족하도록 강제한 PINNs의 경우, 인공신경망 모형보다 우수한 모의능력을 보여주었으며, 향후 복잡한 수리모델링 등 수치해석분야에서 그 활용가능성이 매우 높을 것으로 판단된다.

• 한국지구과학회지
• /
• 제43권3호
• /
• pp.367-385
• /
• 2022

본 연구는 영국기상청에서 개발된 지역기후모델 Hadley Centre Global Environmental Model version 3 regional climate model (HadGEM3-RA)로부터 모의된 동아시아 지역의 기온과 강수 결과를 평가하였다. HadGEM3-RA는 Coordinated Regional climate Downscaling Experiment-East Asia (CORDEX-EA) Phase II 영역에서 15년 (2000-2014년) 모의되었다. 동아시아 여름 몬순에 의한 HadGEM3-RA 강수대 분포는 Asian Precipitation Highly Resolved Observational Data Integration Towards Evaluation of water resources (APHRODITE) 자료와 잘 일치한다. 그러나, 동남아시아 강수는 과대 모의하며 남한에서는 과소 모의한다. 특히 모의된 여름철 강수량과 APHRODITE 강수량은 남한지역에서 가장 낮은 상관 계수와 가장 큰 오차크기(RMSE)를 보인다. 동아시아 기온 예측은 과소 모의하며 겨울철 오차가 가장 크다. 남한 기온 예측은 봄 동안 가장 큰 과소 모의 오차를 나타냈다. 국지적 예측성을 평가하기 위하여 서울기상관측소 ASOS 자료와 비교한 기온과 강수의 시계열은 여름철 강수와 겨울철 기온이 과소 모의하는 공간 평균된 검증 결과와 유사하였다. 특히 여름철 강수량 증가시 과소 모의 오차가 증가하였다. 겨울철 기온은 저온에서는 과소 모의하나 고온은 과대 모의하는 경향이 나타났다. 극한기후지수 비교 결과는 폭염은 과대 모의하여, 집중호우는 과소 모의하는 오차가 나타났다. 수평해상도25km로 모의된 HadGEM3-RA는 중규모 대류계와 지형성 강수 예측에서 한계를 보였다. 본 연구는 지역기후모델 예측성 개선을 위한 초기 자료 개선, 해상도 향상, 물리 과정의 개선이 필요함을 지시한다.

• 한국방재학회 논문집
• /
• 제9권6호
• /
• pp.99-109
• /
• 2009

본 연구에서는 강원도내 정확한 극치강수분포를 파악하여 최근 증가하고 있는 재해를 예방하고자 지역빈도해석 방법을 이용하여 산정한 확률강수량과 공간분석을 통하여 강원도의 강수분포를 분석하였다. 강수자료는 강원도내 기상청 관할의 66개 관측소의 자료를 사용하였다. 지역빈도해석결과 GLO 분포형이 강원도에 가장 적합한 분포형으로 나타났다. 강수분포를 지속기간별로 분석한 결과 지속기간이 증가할수록 설악동, 대관령 및 청일 일원에서 높은 확률강수량을 나타내었으며, 지속기간에 따라서 강수의 공간분포가 확연히 변화됨을 확인하였다. 또한 재현기간별로 분석한 결과 재현기간이 길어질수록 지역별 강수 특성이 강하게 나타났다. 강원도 강수분포를 공간분석한 결과 영동지방에서는 일관적으로 높은 강수량이 발생하였으나 영서지방에서는 지속기간 및 재현기간에 따라 다양한 분포를 나타내었다. 따라서 지역별 강수량의 보다 정확한 예측을 위해서는 지역빈도해석 이외에 다양한 지리 및 기상조건을 고려할 수 있는 모형에 대한 연구가 필요할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제49권10호
• /
• pp.877-885
• /
• 2016

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.

• 한국수자원학회논문집
• /
• 제50권8호
• /
• pp.563-577
• /
• 2017

기후변화로 인해 강수의 불확실성이 증가하는 현 시점에서 효율적인 물 관리를 위한 계절예측 및 기상 예보의 활용은 필수적이다. 본 연구에서는 기상청에서 2014년 6월부터 시행하고 있는 범주형 확률장기예보를 Hit Rate, Reliability Diagram, Relative Operating Curve (ROC)의 평가지표를 활용하여 예측력을 검증하였고, 추가적으로 확률예보를 활용하여 정량적인 예측 강수량을 생산하는 기법을 제안하였다. 확률장기예보의 예측력 검증결과 최대 48%의 예측력을 갖는 것을 확인할 수 있었다. 확률예보를 활용하여 예측 강수량을 추정한 결과, 정량적으로 관측 자료와 유사하게 모의되는 것을 확인할 수 있었으며 예측 적합도 평가결과 100%의 정확도를 가진 예보의 경우 최대 0.98, 실제 예보의 경우 최대 0.71의 상관계수를 보였다. 본 연구에서 제안하는 확률예보를 활용한 예측 강수량 추출기법은 강수의 불확실성을 고려한 물 관리를 가능하게 해줄 것으로 판단되며 효율적인 수자원 장기 이수계획 및 저수지 운영의 의사결정지원 등에 활용 가능할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.278-282
• /
• 2010

기후변화는 홍수나 가뭄과 같은 극한사상의 발생가능성을 증가시키게 됨과 동시에 하천유량, 홍수, 수질, 생태, 지하수, 농업, 융설, 수력발전 등 수자원 전반에 걸쳐 영향을 미치고 있다. 이 중 홍수는 국민의 생명과 재산에 직접적으로 영향을 미치기 때문에 상당수의 국가들이 홍수로부터 자국민을 보호하기 위한 다양한 정책을 제시하고 있다. 이러한 정책을 수립하는데 있어서 무엇보다 중요한 것이 미래의 강수량이 기후변화로 인하여 얼마나 변하게 되는지를 정량적으로 평가하는 것이다. 이에 본 연구에서는 기후변화의 영향을 평가하기 위해서 프랑스 국립기상연구소에서 개발한 A1b시나리오 기반의 CNCM3모형을 대상으로 KNN기법과 일강수발생모형을 적용하여 기상청 산하 58개 관측소의 일 강수량으로 축소하였다. 제시된 일 강수량을 이용하여 2020s, 2050s, 2080s에 해당하는 80년, 100년, 150년, 200년 빈도의 확률강수량을 각각 산정하였다. 검토결과 확률강수량은 전국 58개 지점 중 49~52개 지점정도가 증가하는 것으로 나타나 현재에 비해서 전반적으로 증가하는 것으로 예측되었으며, 지점별 증가량의 경우, 빈도별로 차이를 보이기는 하나 현재에 비해서 전반적으로 3%~7%정도 증가하는 것을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.155-169
• /
• 2016

본 연구에서는 2014년 8월 부산 경남 집중호우 사례를 대상으로 레이더와 위성결합 Multi-sensor Blending 초단기 강우예측을 실시하였다. 레이더 최적 Z-R관계는 열대형 강수 Z-R관계식($Z=32R^{1.65}$)을 적용하였으며, 20 mm/h 이상의 강한 강우에서 강수량 추정 정확도가 향상됨을 확인하였다. 또한 60 mm/h 이상 강한 폭우사상에 대하여 천리안 위성자료와 레이더자료를 합성한 결과 정량강수 추정 성능이 향상됨을 확인하였다. 지속시간별 강우예측 정확도 검증을 위하여 AWS, MAPLE 자료와 비교결과, 강우예측 1시간까지 약 50%이상의 지점강우예측 정확도를 확보하였으며, 10분 단위 예측시간별 상관계수는 0.80~0.53, 평균제곱근오차는 3.99~6.43 mm/h로 분석되었다. 본 연구 결과 레이더와 위성정보를 이용한 보다 신뢰성 있는 강우예측 정보 활용이 가능할 것으로 판단되며, 향후 지속적인 사례연구와 레이더 위성 활용 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1125-1134
• /
• 2023

우리나라의 17,000여개의 저수지 중 13,600개소의 소규모 농업용 저수지에는 수문 계측 시설이 설치되지 않아서, 저수율 예측과 합리적인 저수지 운영이 쉽지 않다. 본 연구는 인공지능 기술을 이용하여 농업용 저수지의 저수율을 예측하는 것을 목적으로 하며, 단변량 long short-term memory (LSTM)에서 저수율 그 자체를 사용하는 것뿐만 아니라, 다변량 LSTM에서 강수 등의 기상변수와 시기 등의 계절변수를 추가하여 예측에 활용하였다. 이동저수지의 2013년부터 2020년까지 8년간 데이터로 모델을 학습시키고, 모델의 예측 결과를 2021년의 일일 저수율 데이터로 검증하였다. 단변량 LSTM은 1일 후 저수율을 root-mean square error (RMSE) 1.04%, 3일 후 2.52% 이내, 5일 후 4.18%의 오차로 예측하였으며, 다변량 LSTM은 1일 후 저수율을 RMSE 0.98%, 3일 후 1.95%, 5일 후 2.76%의 오차로 예측하여 더 좋은 성능을 보였다. 1일 후 저수율을 예측하는 다변량 모델의 경우, 시계열 저수율 이외에도 date of year (DOY)와 1일 및 5일 누적 강수량이 중요한 변수인 것으로 나타났는데, 이를 통해 볼 때 당일 저수율에 영향을 미치는 강수의 시간적 범위는 5일 정도인 것으로 사료된다.

• 전산구조공학
• /
• 제30권1호
• /
• pp.24-28
• /
• 2017