• Proceedings of the Korean Society of Tribologists and Lubrication Engineers Conference
• /
• 1996.04b
• /
• pp.75-79
• /
• 1996

유량 보존 경계 조건을 적용하여 커넥팅 로드 베어링의 성능 해석을 수행하였다. 레이놀즈 경계 조건을 적용하는 경우에 비하여 최소 유막 두께, 동력 손실율과 축방향 유량은 더 작게, 최대 유막 압력은 더 크게 예측되었다. 유량 보존 경계 조건을 적용한 경우 축 방향으로의 공급 유량과 방출 유량이 거의 균형을 이루었다. 물리적으로 타당한 유량 보존 경계 조건을 적용한 커넥팅 로드 베어링의 성능 해석으로 얻어진 동력 손실율과 축 방향 유량을 이용하면, 윤활제의 온도 상승과 그에 따른 점도 변화를 좀 더 정확하게 예측 할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.319-319
• /
• 2019

기후변화로 인한 극한 기후 상황의 증가로 홍수기 홍수피해와 갈수기 가뭄피해가 심화되고 있으며, 수자원 관리에 대한 어려움이 발생하고 있다. 효율적인 수자원 관리를 위해 국내에는 약 1,8000여개의 댐을 운영하고 있으며, 댐의 유입량과 저수량을 감안하여 물을 적절하게 방류하는 것을 목적으로 한다. 그러기 위해서는 유입량이 우선적으로 확보되어야 하며, 더 나아가 유입량을 미리 예측할 수 있다면 더욱 효율적인 댐 운영이 가능할 것이다. 기존에는 수위나 유량을 예측하기 위해서는 주로 물리적 모형이 사용되어 왔으며, 물리적 모형은 매개변수 결정을 위한 많은 자료를 필요로 하고 그 과정에서 많은 불확실성을 포함하고 있기 때문에 계산 과정을 거치는 동안 다양한 오차가 반복 누적되는 단점이 있다. 반면에 시계열 데이터 예측을 위한 알고리즘 LSTM(Long Short-Term Memory)은 입력된 데이터와 출력된 데이터를 동시에 이용하여 보다 정확한 예측 값을 얻을 수 있다. 따라서 본 연구는 다목적댐의 유입유량 예측을 위해 구글에서 제공하는 딥러닝 오픈소스 라이브러리를 활용하여 LSTM모형을 구축하고 댐 유입유량을 예측하였다. 분석 자료로는 wamis에서 제공하는 용담댐의 2006년부터 2018년까지의 시간당 유입량 자료를 사용하였으며, 입력 데이터로 모형을 학습한 후 2018년의 유입량을 예측하였다. 예측 값의 정확도를 판단하기 위해 2018년의 실제 유입량 자료와 비교하였다.

• Journal of Korea Water Resources Association
• /
• v.45 no.6
• /
• pp.607-616
• /
• 2012

The objective of this study is to evaluate the valid forecast lead time and the accuracy when AWS observed rainfall data are used for real-time river flow forecast. For this, Namhan river basin is selected as study area and SURF model is constructed during flood seasons in 2006~2009. The simulated flow with and without the assimilation of the observed flow data are well fitted. Effectiveness index (EI) is used to evaluate amount of improvement for the assimilation. EI at Chungju, Dalcheon, Hoengsung and Yeoju sites as evaluation points show 32.08%, 51.53%, 39.70% and 18.23% improved, respectively. In the results of the forecasted values using the limited observed rainfall data in each forecast time before peak flow occur, the peak flow under the 20% tolerance range of relative error at Chungju, Dalcheon, Hoengsung and Yeoju sites can be simulated in forecast time-11h, 2h, 3h and 5h and the flow volume in the same condition at those sites can be simulated in forecast time-13h, 2h, 4h and 9h, respectively. From this results, observed rainfall data can be used for real-time peak flow forecast because of basin lag time.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1727-1731
• /
• 2008

수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.7
• /
• pp.963-971
• /
• 2022

Water pipeline network in local and metropolitan area is buried underground, by which it is hard to know the degree of pipe aging and leakage. In this study, assuming various sensor combinations installed in the water pipeline network, the optimal algorithm was derived by predicting the water flow rate and pressure through artificial intelligence algorithms such as linear regression and neuro fuzzy analysis to examine the possibility of detecting pipe leakage according to the data combination. In the case of leakage detection through water supply pressure prediction, Neuro fuzzy algorithm was superior to linear regression analysis. In case of leakage detection through water supply flow prediction, flow rate prediction using neuro fuzzy algorithm should be considered first. If flow meter for prediction don't exists, linear regression algorithm should be considered instead for pressure estimation.

• Journal of Korean Society of Disaster and Security
• /
• v.14 no.4
• /
• pp.17-27
• /
• 2021

Streamflow prediction is a very vital disaster mitigation approach for effective flood management and water resources planning. Lately, torrential rainfall caused by climate change has been reported to have increased globally, thereby causing enormous infrastructural loss, properties and lives. This study evaluates the contribution of rainfall to streamflow prediction in normal and peak rainfall scenarios, typical of the recent flood at Piney Resort in Vernon, Hickman County, Tennessee, United States. Daily streamflow, water level, and rainfall data for 20 years (2000-2019) from two USGS gage stations (03602500 upstream and 03599500 downstream) of the Piney River watershed were obtained, preprocesssed and fitted with Long short term memory (LSTM) model. Tensorflow and Keras machine learning frameworks were used with Python to predict streamflow values with a sequence size of 14 days, to determine whether the model could have predicted the flooding event in August 21, 2021. Model skill analysis showed that LSTM model with full data (water level, streamflow and rainfall) performed better than the Naive Model except some rainfall models, indicating that only rainfall is insufficient for streamflow prediction. The final LSTM model recorded optimal NSE and RMSE values of 0.68 and 13.84 m³/s and predicted peak flow with the lowest prediction error of 11.6%, indicating that the final model could have predicted the flood on August 24, 2021 given a peak rainfall scenario. Adequate knowledge of rainfall patterns will guide hydrologists and disaster prevention managers in designing efficient early warning systems and policies aimed at mitigating flood risks.

• Journal of Korea Water Resources Association
• /
• v.44 no.11
• /
• pp.853-861
• /
• 2011

The objective of this study is to assess Sejong University River Forecast (SURF) model which consists of a continuous rainfall-runoff model and measured streamflow assimilation using ensemble Kalman filter technique for streamflow forecast on Nakdong river basin. The study area is divided into 43 subbasins. The forecasted streamflows are evaluated at 12 measurement sites during flood season from 2006 to 2007. The forecasted ones are improved due to the impact of the measured streamflows assimilation. In effectiveness indices corresponding to 1~5 h forecast lead times, the accuracy of the forecasted streamflows with the assimilation approach is improved by 46.2~30.1% compared with that using only the rainfall-runoff model. The mean normalized absolute error of forecasted peak flow without and with data assimilation approach in entering 50% of the measured rainfall, respectively, the accuracy of the latter is improved about 40% than that of the former. From these results, SURF model is able to be used as a real-time river forecast model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.2148-2152
• /
• 2009

하천수질보전을 위한 필요유량은 하천유지유량 항목 중 하나로써 환경기초시설 등으로 최대한 처리한 후 남는 오염부하량을 고려하여 적정 수질을 유지하는데 필요한 유량을 의미한다. 하천수질보전을 위한 필요 유량을 산정하는 절차는 (1) 수질특성 파악 및 평가대상 항목의 선정, (2) 목표연도 및 목표수질 기준 설정, (3) 오염부하량 조사 및 목표연도별 오염부하량 산정, (4) 수질예측모형의 선정 및 수질예측, (5) 목표수질과의 비교 및 필요유량의 설정으로 이루어질 수 있다. 현재 우리나라에서는 수질평가 항목으로 여러 가지가 제시되어 있지만 주로 생물화학적 산소요구량(BOD)만으로 목표수질을 설정하고 있는 실정이며, 수질예측 모형으로써 QUAL2E 모형이 주로 이용되고 있다. 현재까지 고시된 하천유지유량은 대부분 기준갈수량 또는 평균갈수량이며 몇몇 지점이 하천생태계 및 하천수질보전을 위한 필요유량으로 고시된 바 있다. 본 연구에서는 국내 하천수질예측에 많이 이용하고 있는 QUAL2E 모형의 단점을 수정, 보완하고 보다 사용자가 쉽게 사용할 수 있도록 개발된 QUAL2K 모형을 이용하여 용담댐 하류의 하천수질보전을 위한 필요유량을 산정하였다. 과거에 산정된 하천수질보전을 위한 필요유량 산정치와 환경부에서 최근 제시하고 있는 금강오염총량관리 기본계획과의 비교를 통해 산정한 결과의 타당성을 분석해 보았으며 장래 발생할 수 있는 여러 가지 상황들을 시나리오로 구축하여 분석함으로써 보다 합리적인 결과를 도출하도록 노력하였다. 하천수질보전을 위한 필요유량 산정 시 하나의 경우에 대한 분석보다는 발생할 수 있는 여러 상황을 시나리오로 분석함으로써 의사결정자나 일반대중에게 보다 다양한 정책 방향성과 유량에 따른 하천수질변화에 대한 다양한 정보를 제공할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.71-71
• /
• 2012

현재 전 세계적으로 극한강우의 발생빈도가 점차 높아지고 있으며 홍수량 또한 강도가 커지고 있는 것이 현실이다. 하지만 과거의 홍수발생 빈도에 따라 설계된 홍수방어시설들이 점차 한계를 보이고 있으므로 이를 대비하기위한 구조적 대책뿐만 아니라 홍수피해 발생 가능지역에 사전 예경보를 시행하는 비구조적 대책마련 또한 필요하다. 기존의 홍수예측은 확정적인 하나의 유량예측값만을 제공함으로써 신속하고 편리하였지만 이에 대한 불확실성이 큰 경우 예상치 못한 큰 인적 물적 피해를 가져올 수 있다. 이처럼 확률론적 홍수예측의 필요성이 대두되어 지면서 유럽이나 미국등 선진국에서는 EFFS(European Flood Forecasting System)과 NWSRFS(National Water Service River Forecast System)같이 이미 확률론적 홍수예측에 대한 연구 및 기술개발이 활발하게 진행되어지고 있다. 하지만 홍수예측의 확률론적 접근에 있어서는 많은 불확실성들이 내포되어 있으므로 예측시스템에서 생성된 앙상블 유량예측 결과의 신뢰도 분석과 올바른 불확실성 정보의 제공이 필요하다. 본 연구는 확률론적 홍수예측 방법을 국내에 적용시켜서 기상청의 예측시스템 KLAPS(Korea Local Analysis and Prediction System), MAPLE(McGill Algorithm for Precipitation Nowcasting by Lagrangian Extrapolation), UM(Unified Model) 그리고 MOGREPS(Met Office Global Regional Ensemble Prediction System)으로부터 생성된 기상앙상블을 현재 국토해양부 홍수통제소에서 사용하고 있는 강우-유출모형인 저류함수모형(Storage Function Method)의 입력 자료로 사용한다. 확률론적 홍수예측에서 오는 불확실성을 분석하기 위해서 첫 번째로 제공되는 기상예측 시스템의 시 공간적 스케일 및 대상유역의 공간특성에 따라 어떠한 형태로 전파되어지는지를 분석하였다. 두 번째는 각각의 예측시스템들이 선행기간(Lead time)에 따라 불확실성의 특성이 어떻게 나타나게 되는지를 확인하였다. 이러한 불확실성의 특성을 정확하게 파악하게 된다면 예측에 있어서 현재 갖고 있는 문제점들로부터 개선해 나가야 할 방향을 제시해주어 향후연구에 유용하게 활용될 수 있을 것이다.

• Water for future
• /
• v.22 no.3
• /
• pp.331-339
• /
• 1989

The monthly flows with periodicity and trend were forecasted by multiplicative ARIMA model and then the applicability of the model was tested based on 23 years of the historical monthly flow data at Jindong river stage gauging station in the Nakdong River Basin. The parameter estimation was made with 21 years of data and the remaining two years of monthly data were used to compare the forecasted flows by ARIMA (2,0,0)$\times$$(0,1,1)_{12}$ with the observed. The results of forecast showed a good agreement with the observed, implying the applicability of multiplicative ARIMA model for forecasting monthly river flows at the Jindong site.