• Title/Summary/Keyword: 월유입량 예측

Search Result 97, Processing Time 0.036 seconds

Development and evaluation of dam inflow prediction method based on Bayesian method (베이지안 기법 기반의 댐 예측유입량 산정기법 개발 및 평가)

  • Kim, Seon-Ho;So, Jae-Min;Kang, Shin-Uk;Bae, Deg-Hyo
    • Journal of Korea Water Resources Association
    • /
    • v.50 no.7
    • /
    • pp.489-502
    • /
    • 2017
  • The objective of this study is to propose and evaluate the BAYES-ESP, which is a dam inflow prediction method based on Ensemble Streamflow Prediction method (ESP) and Bayesian theory. ABCD rainfall-runoff model was used to predict monthly dam inflow. Monthly meteorological data collected from KMA, MOLIT and K-water and dam inflow data collected from K-water were used for the model calibration and verification. To estimate the performance of ABCD model, ESP and BAYES-ESP method, time series analysis and skill score (SS) during 1986~2015 were used. In time series analysis monthly ESP dam inflow prediction values were nearly similar for every years, particularly less accurate in wet and dry years. The proposed BAYES-ESP improved the performance of ESP, especially in wet year. The SS was used for quantitative analysis of monthly mean of observed dam inflows, predicted values from ESP and BAYES-ESP. The results indicated that the SS values of ESP were relatively high in January, February and March but negative values in the other months. It also showed that the BAYES-ESP improved ESP when the values from ESP and observation have a relatively apparent linear relationship. We concluded that the existing ESP method has a limitation to predict dam inflow in Korea due to the seasonality of precipitation pattern and the proposed BAYES-ESP is meaningful for improving dam inflow prediction accuracy of ESP.

Application of recurrent neural network for inflow prediction into multi-purpose dam basin (다목적댐 유입량 예측을 위한 Recurrent Neural Network 모형의 적용 및 평가)

  • Park, Myung Ky;Yoon, Yung Suk;Lee, Hyun Ho;Kim, Ju Hwan
    • Journal of Korea Water Resources Association
    • /
    • v.51 no.12
    • /
    • pp.1217-1227
    • /
    • 2018
  • This paper aims to evaluate the applicability of dam inflow prediction model using recurrent neural network theory. To achieve this goal, the Artificial Neural Network (ANN) model and the Elman Recurrent Neural Network(RNN) model were applied to hydro-meteorological data sets for the Soyanggang dam and the Chungju dam basin during dam operation period. For the model training, inflow, rainfall, temperature, sunshine duration, wind speed were used as input data and daily inflow of dam for 10 days were used for output data. The verification was carried out through dam inflow prediction between July, 2016 and June, 2018. The results showed that there was no significant difference in prediction performance between ANN model and the Elman RNN model in the Soyanggang dam basin but the prediction results of the Elman RNN model are comparatively superior to those of the ANN model in the Chungju dam basin. Consequently, the Elman RNN prediction performance is expected to be similar to or better than the ANN model. The prediction performance of Elman RNN was notable during the low dam inflow period. The performance of the multiple hidden layer structure of Elman RNN looks more effective in prediction than that of a single hidden layer structure.

Evaluation of Dam Inflow Predictability Using Hybrid Seasonal Forecasting System (하이브리드 계절예측 시스템을 이용한 댐 유입량 예측성 평가)

  • Cho, Jaepil;Kim, Chul-Gyum
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2017.05a
    • /
    • pp.27-27
    • /
    • 2017
  • 신뢰성 있는 수개월 선행시간의 댐 유입량 예측은 가뭄 상황으로 진입하는 시점에서 효율적인 댐 운영을 위해 필수적이다. 최근 기후변화로 인한 강수량의 경년 및 계절 내 변동성이 증가됨에 따라서 기존의 과거 통계치를 이용한 댐 운영 의사결정은 많은 도전을 받고 있다. 최근 엘리뇨-남방진동(ENSO) 등의 전구기후지수와 지역수문기후와의 원격상관성을 활용하여 수개월 이후에 대한 수문조건을 통계적으로 예측하기 위한 연구가 시도되고 있다. 또한 매월 제공되는 역학적 예측모형으로부터 생산된 월단위 예측정보를 유량예측을 위한 유역모형에 활용하기 위하여 편이보정 및 상세화 기법이 개발되어 활용되고 있다. 본 연구에서는 댐 유입량 예측을 위해 SWAT 모형을 선정하였고 최장 6개월 선행 강수량 및 기온의 예측을 위해서 하이브리드 계절예측 시스템을 활용하였다. 이 시스템은 전지구역학적 예측모형의 자료를 편이보정을 거쳐 직접적으로 사용하는 단순 편이보정(Simple Bias Correction, SBC) 방법에 회귀모형을 이용하여 통계적인 방법으로 예측자료를 생산하는 전구기후지수 기반의 Climate Index Regression (CIR), 실시간 재분석자료 기반의 Observation-based Moving Window Regression (MWR-Obs), 역학적 예측모형의 예측자료 기반의 Moving Window Regression (MWR) 방법을 통합하여 사용하고 있다. 충주댐을 대상으로 우선 관측자료를 이용하여 SWAT 모형을 검 보정한 후, 관측기간에 대하여 하이브리드 시스템에 의한 예측 기상자료를 적용하여 모의된 댐 유입량과 관측 유입량과의 비교를 통해 예측성을 평가하였다. 본 연구는 다양한 기후정보를 활용하여 댐 유입량 예측에 있어서 예측성을 높이고자 시도되었으며, 도출된 결과는 향후 충주댐 운영에 유용한 정보를 제공할 수 있는 것으로 판단된다.

  • PDF

Hydrologic Design Parameters of Small Hydro Power Sites for River Systems (소수력발전입지의 수계별 수문학적 설계변수 특성)

  • Lee, Chul-Hyung;Park, Wan-Soon
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2011.05a
    • /
    • pp.224-224
    • /
    • 2011
  • 5대 주요 수계의 소수력자원에 대하여 연구를 수행하였고, 하천의 유량지속특성을 예측할 수 있는 모델이 개발되었으며, 이를 이용하면 강우사상으로 야기되는 유입량의 변화에 대한 분석이 가능하다. 또한 소수력발전소의 성능을 예측할 수 있는 모델도 개발되었다. 안동댐에서 측정된 월유입량 자료를 분석하였으며,. 본 연구를 통해 개발된 모델을 이용하여 예측한 결과는 안동댐에서 오랜기간 동안 측정된 결과와 거의 일치되는 것으로 나타났다. 이는 개발된 모델들이 소수력발전입지의 이용가능한 잠재량과 기술적 잠재량을 예측하는데 효과적인 것으로 밝혀졌다. 본 모델들을 이용하여 수계별로 소수력발전입지에 대한 수문학적 성능을 분석하였다. 분석결과 소수력발전 입지의 수문학적 성능특성은 수계별로 차이가 있는 것으로 나타났다. 특히 북한강과 낙동강수계에 위치한 소수력발전입지의 비설계유량과 비출력량은 다른 수계들 보다 차이가 큰 것으로 나타났다. 그림 1은 수계별 비설계유량에 따른 비출력량의 변화를 나타낸다.

  • PDF

Probabilistic Reservoir Inflow Forecast Using Nonparametric Methods (비모수적 기법에 의한 확률론적 저수지 유입량 예측)

  • Lee, Han-Goo;Kim, Sun-Gi;Cho, Yong-Hyon;Chong, Koo-Yol
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2008.05a
    • /
    • pp.184-188
    • /
    • 2008
  • 추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

  • PDF

Drought risk assessment by monthly precipitation regression in multipurpose dams (다목적 댐의 월강우량 회귀분석에 의한 가뭄위험 평가)

  • Park, Chang Eon;Kim, Da Rae
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2016.05a
    • /
    • pp.263-263
    • /
    • 2016
  • 기후변화 등에 따른 가뭄위험을 평가하기 위한 다양한 방법이 연구되어 왔으며, 기상학적인 가뭄이나 생물학적인 가뭄 등으로 정의되는 가뭄지수들이 개발되어졌다. 그러나 궁극적으로 가뭄의 판정은 수원으로부터 더 이상의 용수를 공급할 수 없는 상황에 처해졌을 때 비로소 결정되는 것이므로, 수원공의 가뭄위험에 대한 평가가 우선적일 것으로 판단된다. 본 연구에서는 수도권의 생공용수 공급을 책임지고 있다고 해도 과언이 아닌 다목적댐인 소양강댐과 충주댐의 가뭄위험을 평가하기 위하여 월강우량 자료로부터 특정시기의 저수율을 예측할 수 있는 방법을 개발하도록 하였다. 월강우량 변화에 따른 저수율의 변화양상을 예측하기 위하여 저수지 유입량과 방류량에 따른 물수지 분석이 정교하게 이루어져야 하지만, 실질적으로 상류에 또 다른 댐이 존재하는 상황에서 유입량을 정확하게 예측하는 것도 어렵지만 수시로 상황에 따라 이루어지는 방류량을 적절히 예측하는 것은 거의 불가능하므로, 물수지 분석에 의한 저수율 예측은 어느 정도의 불확실성을 가질수밖에 없을 것으로 판단되어 댐 관리관행에 따라 나타나는 월강우량과 저수율 사이의 회귀분석을 통하여 일정한 법칙을 만들 수 있는지 시도하였다. 다목적 댐인 소양강댐과 충주댐의 1984-2013년의 일별 저수율 자료로부터 저수율 관리관행을 파악할 수 있었는데, 다목적 댐인 관계로 호우시의 홍수피해 예방을 위하여 6월말에는 25-35% 정도의 저수율을 유지하도록 관리가 이루어지고 있었으며 호우가 발생된 이후에는 일정량을 수시로 방류하여 다음 호우를 준비하고 있는 것으로 나타났다. 또한 각 댐의 최저 저수율은 3월말 - 4월에 발생하는 것으로 나타났으며, 4월과 5월에 일정 정도의 강우량만 존재한다면 가뭄피해는 발생하지 않는 것으로 나타났다. 이와 같은 저수율 관리 관행을 적용하여 예측되는 강우량 패턴에 따른 저수율 변화를 예측하기 위하여 월강우량 자료와 4월 1일 기준의 저수율 자료 사이의 회귀분석을 실시하여 전년의 7월부터 당해 3월까지의 월강우량으로부터 4월 1일의 저수율을 예측할 수 있는 의미 있는 결과를 도출하였다. 이러한 결과는 기후변화 등에 따른 미래에 예측되는 월강우량 자료로부터 각 댐의 4월 1일 기준 저수율 자료를 예측할 수 있으며, 4월 및 5월의 월강우량과 함께 분석함으로써 가뭄위험을 평가할 수 있는 한 방법으로 적절한 활용이 가능할 것으로 판단된다.

  • PDF

Application Examples of Daecheong Dam for Efficient Water Management Based on Integrated Water Management (통합물관리 기반 효율적 물관리를 위한 대청댐 실무적용 사례)

  • Kang, Kwon-Su;Heo, Jun-Haeng
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2017.05a
    • /
    • pp.85-85
    • /
    • 2017
  • 효율적 물관리란 거대한 물순환 과정에서 인간이 편안한 삶을 사는데 필요한 물의 이용효율을 극대화하는 것이다. 과거의 물관리는 이원화된 수량과 수질관리, 수량중심에서는 용수공급과 홍수조절이 주요한 관심사였다. 현재는 과거의 물관리에 친수와 환경을 더한 복잡한 분야로 확대되고 있다. 통합물관리란 물을 최적으로 관리하기 위해 물관리 이해당사자간의 소통과 물 기술의 고도화를 기반으로 기존에 분산된 물관리 구성요소들(시설 정보, 수량 수질 등)을 권역적으로 관리하는 것을 말한다. 본 연구에서는 대청댐 방류에 따른 금강 하류부의 홍수추적을 위해 수행한 댐하류 소유역별 강우량 빈도분석 과정, 용담댐 방류를 고려한 대청댐 홍수도달시간 검토, Poincare Section과 신경망기법을 이용한 수문자료 예측, 추계학적 다변량 해석과 다변량 신경망해석에 의한 대청댐 유입량 산정과정, 보조여수로 건설에 따른 주여수로와 보조여수로간의 연계운영방안, 단계(관심, 주의, 경계, 심각)를 고려한 대청댐 확보수위 산정, 저수지 중장기 운영계획 수립과 댐 운영 기준수위를 결정하기 위해 누가차분방식으로 적용되는 갈수기 유입량 빈도분석에 대한 실무적용 사례를 소개하고자 한다. 강우량 빈도분석 과정은 L-모멘트방법(Hosking과 Wallis, 1993)을 적용하였고, 홍수도달시간 검토는 평균유속, 하류 수위상승 기점 영향검토, 수리학적 모형(FLDWAV, Progressive lag method 등)을 활용하였다. 카오스 이론을 도입하여 대청댐 수문자료의 상관성 검토 및 추계학적 모형을 이용한 모의발생을 유도하여 수문자료 예측을 시행하였다. 추계학적 모형과 신경망모형 연구의 대상은 대청댐으로, 시계열 자료는 댐의 월강우량, 월유입량, 최고기온, 평균기온, 최소기온, 습도, 증발량 등의 자료를 기반으로 하였다. 적용기간은 1981~2009년의 자료를 이용하여 2010년 1월부터 12월까지 12개월 동안의 월유입량을 예측하였다. 수문자료 해석의 기본이 되는 약 30년간의 자료를 이용하여 분석을 실시하였다. 대청댐의 유입량 예측을 위해 적용된 모형으로는 추계학적 모형인 ARMA모형, TF모형, TFN 모형 등이 적용되었고, 또한 신경망 모형의 종류인 다층 퍼셉트론, PCA모형 등을 활용하여 실측치와 가장 가깝게 근사화시키는 방법론을 찾고자 하였다. 또한, 기존여수로와 보조여수로 연계운영을 위해 3차원 수치해석을 통한 댐하류 안정성 검토 및 확보수위 산정을 통해 단계(관심, 주의, 경계, 심각)별로 대처가 가능한 수위를 산정하였다.

  • PDF

Monthly Dam Inflow Forecasts by Using Weather Forecasting Information (기상예보정보를 활용한 월 댐유입량 예측)

  • Jeong, Dae-Myoung;Bae, Deg-Hyo
    • Journal of Korea Water Resources Association
    • /
    • v.37 no.6
    • /
    • pp.449-460
    • /
    • 2004
  • The purpose of this study is to test the applicability of neuro-fuzzy system for monthly dam inflow forecasts by using weather forecasting information. The neuro-fuzzy algorithm adopted in this study is the ANFIS(Adaptive neuro-fuzzy Inference System) in which neural network theory is combined with fuzzy theory. The ANFIS model can experience the difficulties in selection of a control rule by a space partition because the number of control value increases rapidly as the number of fuzzy variable increases. In an effort to overcome this drawback, this study used the subtractive clustering which is one of fuzzy clustering methods. Also, this study proposed a method for converting qualitative weather forecasting information to quantitative one. ANFIS for monthly dam inflow forecasts was tested in cases of with or without weather forecasting information. It can be seen that the model performances obtained from the use of past observed data and future weather forecasting information are much better than those from past observed data only.

Accurate dam inflow predictions using SWLSTM (정확한 댐유입량 예측을 위한 SWLSTM 개발)

  • Kim, Jongho;Tran, Trung Duc
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2021.06a
    • /
    • pp.292-292
    • /
    • 2021
  • 최근 데이터 과학의 획기적인 발전으로 딥러닝(Deep Learning) 알고리즘이 개발되어 다양한 분야에 널리 적용되고 있다. 본 연구에서는 인공신경망 중 하나인 LSTM(Long-Short Term Memory) 네트워크를 기반으로 정확한 댐유입량 예측을 수행하는 SWLSTM 모델을 제안하였다. SWLSM은 모델의 정확도를 개선하기 위해 세 가지 주요 아이디어를 채택하였다. (1) 통계적 속성 (PACF) 및 교차 상관 함수(CCF)를 사용하여 적절한 입력 변수와 시퀀스 길이를 결정하였다. (2) 선택된 입력 예측 변수 시계열을 웨이블릿 변환(WT)을 사용하여 하위 시계열로 분해한다. (3) k-folds cross validation 및 random search 기법을 사용하여 LSTM의 하이퍼 매개변수들을 효율적으로 최적화하고 검증한다. 제안된 SWLSTM의 효과는 한강 유역 5개 댐의 시단위/일단위/월단위 유입량을 예측하고 과거 자료와 비교함으로써 검증하였다. 모델의 정확도는 다양한 평가 메트릭(R2, NSE, MAE, PE)이 사용하였으며, SWLSTM은 모든 경우에서 LSTM 모델을 능가하였다. (평가 지표는 약 30 ~ 80 % 더 나은 성능을 보여줌). 본 연구의 결과로부터, 올바른 입력 변수와 시퀀스 길이의 선택이 모델 학습의 효율성을 높이고 노이즈를 줄이는 데 효과적임을 확인하였다. WT는 홍수 첨두와 같은 극단적인 값을 예측하는 데 도움이 된다. k-folds cross validation 및 random search 기법을 사용하면 모델의 하이퍼 매개변수를 효율적으로 설정할 수 있다. 본 연구로부터 댐 유입량을 정확하게 예측한다면 정책 입안자와 운영자가 저수지 운영, 계획 및 관리에 도움이 될 것이다.

  • PDF

A Study on Monthly Dam Infow Forecasts by Using Neuro-fuzzy System (Neuro-Fuzzy System을 활용한 월댐유입량 예측에 관한 연구)

  • Jeong, Dae Myoung;Bae, Deg Hyo
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2004.05b
    • /
    • pp.1280-1284
    • /
    • 2004
  • 본 논문에서는 월 댐유입량을 예측하는데 있어서 뉴로-퍼지 시스템의 적용성을 검토하였다. 뉴로-퍼지 알고리즘으로 퍼지이론과 신경망이론의 결합형태인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 이용하여 모형을 구성하였다. ANFIS의 공간분야에 의한 제어규칙의 선정에 있어 퍼지변수가 증가함에 따라 제어규칙이 기하급수적으로 증가하는 단점을 해결하기 위해 퍼지 클러스터링(Fuzzy flustering)방법 중 하나인 차감 클러스터링(Subtractive Clustering)을 사용하였다. 또한 본 연구에서는 기후인자들을 인력으로 하여 모형을 구성하였으며 각각 학습기간과 검정기간으로 나누어 학습기간에는 모형의 매개변수 최적화를, 검정기간에는 최적화된 모형의 매개변수를 검정하는 순으로 연구를 수행하였다. 예측 길과, ANFIS는 댐유입량 예측시 입력자료의 종류가 많아질수록 예측능력 더욱 정확한 것으로 판단된다.

  • PDF