• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.128-128
• /
• 2022

최근 호우의 빈도와 규모는 증가하는 추세이며 이에 따른 홍수 피해는 많은 피해를 야기하고 있다. 이러한 관점에서 홍수 피해에 대한 선제적 대응을 위한 요소로써 초단시간 강우예측 정보의 중요성은 매우 높다. 특히, 레이더 자료 기반의 강우예측은 수치예보모델과 비교하여 3시간 이내의 짧은 선행시간 이내의 높은 정확도를 갖고 있어 홍수예보에 다수 활용되고 있다. 최근에는 강우자료의 복잡한 관계와 특징을 고려하기 위해 딥러닝 기반의 강우예측 활용 사례가 증가하고 있으나 국내 적용 사례는 적어 관련 연구가 요구되는 실정이다. 본 연구에서는 레이더 강우를 활용한 딥러닝 기반의 강우예측 기법을 제안하고 이에 대한 적용성을 평가하고자 한다. 2차원 레이더 강우자료의 특징과 시계열 특성을 고려하기 위한 심층신경망 구조를 제안하였으며 기존 딥러닝 모형과의 비교를 통해 활용 가능성을 제시하고자 하였다. 적용 대상지역은 한강 유역으로 선정하였다. 정성적 평가를 위해 임계성공지수(CSI)를 활용하여 예측 강우에 대한 정확도를 평가하였으며 정량적 평가를 위해 예측 강우와 관측 강우의 상관관계를 분석하였다. 평가 결과, 제안하는 방법이 기존 모형과 비교하여 예측오차의 범위가 적고 강우의 위치 변화를 잘 반영하는 것으로 나타났다. 본 연구결과는 초단기간 강우예측 자료를 활용하는 홍수예보의 정확도 향상에 기여할 것으로 기대된다.

• Proceedings of the KAIS Fall Conference
• /
• 2010.05b
• /
• pp.1007-1009
• /
• 2010

실험을 통하여 엔진의 성능을 파악하고자 한다면 적지 않은 시간동안 많은 비용과 노력이 필요하다. 최근 연구에서는 이러한 단점을 해결하기 위해 CFD를 이용 선행해석을 통해 미리 그 엔진의 성능을 예측하여 실험에 들이는 시간과 비용을 줄여가고 있다. 본 연구는 실험을 통하여 소형엔진의 성능을 알아보기 이전에 선행해석을 통해 소형엔진의 성능을 예측하고자 한다. 소형엔진의 선행 해석을 위해 전자제어 연료분사 방식의 400cc급 소형엔진을 모델링하고 1D 해석프로그램인 GT-Power를 통하여 엔진의 Toque, Power 및 배기가스를 예측하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.904-907
• /
• 2005

본 연구에서는 강우량의 실측치인 자동기상관측소(AWS) 자료와 현재의 대기상태인 인공위성(GMS-5호) 자료를 입력자료로 하여 현재부터 3시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 강우예측 신경망 모형을 개발하였으며, 2002년 8월 집중호우시 남강댐 유역에 적용하였다. 신경망 모형의 학습을 위해서 $1998\~2001$년 $6\~9$월과 2002년 6, 7월의 강우사상과 적외선 자료가 사용되었고, 학습이 종료되면 예측기간(2002년 8월 $6\~16$일)동안의 강우예측이 수행되었다. 신경망 모형의 학습단계에서는 자료들간의 비선형 상관관계를 나타내는데 적합한 역전파 알고리즘 학습방법 중 모멘텀법을 사용하였으며, 신경망 모형의 출력값은 현재부터 3시간 후까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 예측된 면적평균강우량은 실제 관측된 강우량의 패턴은 잘 따르고 있었지만 첨두치를 과소평가하는 경향이 나타났다. 본 연구에서 개발된 신경망 모형은 관측된 강우자료의 품질과 패턴이 모형의 정확성에 미치는 영향이 절대적인 기존의 신경망 모형과 차별화하여, 현재의 대기상태를 나타내는 인공위성 자료를 추가함으로써 보다 정확한 강우량 예측이 가능하도록 하였다.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2013.11a
• /
• pp.174-175
• /
• 2013

본 연구에서는 구획화재의 화재성상을 온도곡선으로 나타내어 시간 경과에 따른 단계별 화재성장을 예측하고자 EN 1991-1-2 Annex A의 이론식을 프로그램화 하였다. 그리고 이를 검증하기 위하여 선행연구 조사 후 선행연구에 사용된 입력 값을 프로그램화 된 이론식에 입력하여 도출된 결과와 선행연구에서 제시하고 있는 결과와 비교 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2184-2188
• /
• 2008

최근 도시의 발달은 하상공간에 대한 이용도를 높이는 방향으로 개발이 진행되어가는 추세이며, 하상도로 및 하상주차장의 이용은 이제 도시 내에서 이용 가능한 마지막 여유 공간으로 인식될 정도로 그 의존도가 높아져가고 있다. 그러나 하상공간의 활용도가 높아져갈 수록 도시홍수의 발생으로 인한 대피문제가 발생하게 되고 돌발홍수로 인하여 하상도로의 차단 혹은 하상 주차장에 주차된 차량의 소거가 늦어지는 경우 고스란히 피해를 보게 되는 등 그 부작용도 계속 증가되고 있다. 도시홍수의 특성을 살펴보면 국지성 돌발 강우에 의한 유량의 급격한 증가와 짧은 유하시간, 작은 유역면적 등에 의하여 주요 예보지점까지의 도달시간이 매우 짧아 수문학적 홍수예측 모형을 이용하여 홍수예측 업무를 수행하는데 선행시간을 충분히 확보할 수 없다는 단점을 지니고 있다. 이에 따라 본 연구에서는 기존의 하천시스템에 대한 모의모형을 통하여 홍수 예경보를 발령하기에는 선행시간의 확보(대피시간의 확보)라는 측면에서 상당한 어려움을 지닐 수 있으므로 시시각각으로 측정되는 실시간 수위측정 자료 및 실시간 강우자료를 이용하여 모형의 수행과정을 생략하고, 하천의 수위변동을 직접 예측하여 대피할 수 있는 통계학적 모형 (회귀분석 기법) 기반의 수문모형을 개발하였다. 이를 위하여 각 관측 자료로부터 대상 지점(홍수 예보지점)의 수위를 간단한 입력 자료만으로도 직접 구할 수 있는 통계학적 기법을 활용하여 홍수예보 업무를 실시할 수 있도록 하였다. 이에 따라 강우강도 등의 강우정보, 하천 수위정보 등을 이용하여 간단한 홍수예보가 가능한 규칙을 제시하였고, 홍수예보 업무에 신속하게 대응할 수 있는 시스템을 구축하기 위하여 Visual Basic 6.0을 사용한 GUI 기반의 홍수예측 수문모형을 구성하였으며, 제어변수(control variable)로는 강우 관측자료, 수위 등 유출관측 자료로 구분하여 수문모형을 구성함으로써 실무자들이 쉽게 활용할 수 있는 홍수 예경보 시스템의 기본모형을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.193-197
• /
• 2009

오늘날 도시지역의 무분별한 개발로 인해 불투수면적이 증가하여 첨두유량 및 유출용적의 증가와 홍수도달시간을 단축시키고 있으며, 특히 도시유역에서는 하천 홍수위 상승에 의한 외수피해와 순간적인 집중호우에 의해 도로 노면수의 배수불량에서 기인하는 내수피해가 결합되어 홍수피해가 더욱 가중되고 있는 실정이다. 이에 대한 효율적인 조기 대응책으로 도시 수문기상 현상의 변화 및 현황을 파악하여 홍수로 인한 인명 및 재산피해를 최소화할 수 있는 적절한 홍수 예 경보 시스템의 구축을 들 수 있다. 이를 위하여 선진 외국의 경우 기상전문가에 의한 집중호우 현상규명 및 사전예보 기법 확립과 수자원 전문가에 의한 이들 예보자료를 활용한 특정지역의 홍수피해 유무를 사전에 예측하는 기상과 수자원의 학제간 연구가 활발히 진행되고 있다. 국내의 경우 기상 현업에서는 국지성 집중호우 예측과 단시간 강수예보를 위해 수치예보모형, 레이더 및 기상위성을 활용하고 있으나 수자원 분야에서는 예측강우를 활용한 홍수예보에 관한 연구는 매우 미진한 상태이다. 특히 도시홍수의 경우 도달시간이 매우 짧으므로 강수의 초단시간 예보기법을 통한 강수예보의 선행시간 확보는 매우 중요하다. 이를 위해 본 연구에서는 기상레이더 정보와 이류모델을 활용한 초단시간 강수예보의 적용성을 검토하였다. 이류모델은 강우강도 분포를 이류벡터에 따라 이동시키면서 강우의 발달쇠약 회전 등을 고려하여 강수를 예측하는 모형이다. 본 연구에서는 초단시간 강수예보의 적용성 검토를 위해 Least-square fitting 기법으로 레이더 강수를 추정하고, 추정된 강수를 이류모델의 입력장으로 활용하였다. 또한, 도시홍수예보의 활용을 위해 중랑천 유역을 대상으로 초단시간 예측강수의 유역면적평균강우량을 산정하여 적용성을 평가하였다.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1095-1105
• /
• 2021

The advancement of dam operation is further required due to the upcoming rainy season, typhoons, or torrential rains. Besides, physical models based on specific rules may sometimes have limitations in controlling the release discharge of dam due to inherent uncertainty and complex factors. This study aims to forecast the water level of the nearest station to the dam multi-timestep-ahead and evaluate the availability when it makes a decision for a release discharge of dam based on LSTM (Long Short-Term Memory) of deep learning. The LSTM model was trained and tested on eight data sets with a 1-hour temporal resolution, including primary data used in the dam operation and downstream water level station data about 13 years (2009~2021). The trained model forecasted the water level time series divided by the six lead times: 1, 3, 6, 9, 12, 18-hours, and compared and analyzed with the observed data. As a result, the prediction results of the 1-hour ahead exhibited the best performance for all cases with an average accuracy of MAE of 0.01m, RMSE of 0.015 m, and NSE of 0.99, respectively. In addition, as the lead time increases, the predictive performance of the model tends to decrease slightly. The model may similarly estimate and reliably predicts the temporal pattern of the observed water level. Thus, it is judged that the LSTM model could produce predictive data by extracting the characteristics of complex hydrological non-linear data and can be used to determine the amount of release discharge from the dam when simulating the operation of the dam.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.233-233
• /
• 2017

현재의 기술과 전문가들의 지식을 바탕으로 수치 예보 모델의 해상도가 점차 증가하고 있으나 한편으로는 해상도가 높아질수록 신뢰성 있는 장기 예보를 제공하는데 어려움이 있다. 즉, 고해상도 모델의 경우 미세한 오차가 발생 하더라도, 실제 기상학적 관점에서 시공간적으로 변동성이 크게 발생할 개연성이 크며, 이로 인해 모델에서 발생하는 불확실성은 더욱 커질 수 있다. 한국 기상청(KMA)에서는 영국기상청으로부터 도입한 통합모델(UM)을 현업 운영하고 있다. 본 연구에서 기상청 통합모델인 UM3.0 예보모델의 예측정확성을 다양한 관점에서 평가하고자 한다. 기상청 UM3.0 모델은 3km의 공간해상도와 1시간 시간해상도를 가지며, 예보시작시점기준 7일간의 예보정보를 제공한다. 강수량 예측정보의 활용성을 평가하기 위해서 예측 시계열에 대해 RMSE, 편의 및 등 다양한 통계지표와 공간적인 강수량 발생 특성을 평가하기 위해서 FSS 방법을 적용하였다. 본 연구 결과를 통해 UM3.0 모델의 1시간 및 3km의 시공간해상도와 선행예보 기간을 그대로 수문학적으로 활용하는 데에는 다소 무리가 있는 것으로 평가되었으며, 이러한 점에서 수문학적 활용관점에서 최적의 시공간적 규모와 선행예보 시간을 분석하였다.

• 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.