• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1160-1164
• /
• 2008

본 연구에서는 유역유출예측시스템인 RRFS(Rainfall Runoff Forecasting System)를 이용하여 금강유역에 대해 기법별 월단위 유출예측을 수행하였다. 적용된 유출예측기간은 '07년 1월부터 12월까지이며 월단위로 유출예측이 수행되었으며, 유출예측 검증을 위한 주요지점으로는 금강유역 내에 있는 용담댐 지점, 대청댐 지점 그리고 공주지점이다. 본 연구에 적용된 유출예측기법으로는 1) 과거 관측 월유출량 자료를 이용한 유출량 예측 기법, 2) ESP 기법을 통한 유출량 예측 기법, 3) 기상전망을 고려한 ESP 유출량 예측 기법, 4) 기상수치예보 자료를 이용한 유출량 예측 기법이다. ESP 기법에서는 통계분석을 통해 얻어진 월별 ESP 확률분포를 이용하여 '02년부터 '07년까지 과거 실측 월별 유출량에 대한 ESP 확률범위를 결정하였으며, 이를 이수기(1월$\sim$6월 그리고 10월$\sim$12월)와 홍수기(7월$\sim$9월)로 분리한 후 각각에 대한 ESP 확률값을 최종적으로 결정하여 유출예측에 적용하였다. 또한 기상전망을 고려한 ESP 기법에서는 기상청에서 제공하는 강수전망(N:평년, A:많음, B:적음)에 대한 정보를 고려하여 ESP 확률을 결정하여 유출예측을 수행하였다. 그림 1과 2는 예로서 4월과 10월에 대해 예측기법에 따른 주요지점별 유출예측결과를 비교한 것이며, 기법별 유출예측결과에 대한 비교분석결과 전반적으로 기상전망을 고려한 ESP 유출량 예측기법이 가장 우수한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.207-207
• /
• 2019

최근 우리나라는 지역 특성 및 기후변화의 영향으로 인해 수문학적 요소의 변동성이 커지고 수자원의 지속적인 관리에 있어 유출량은 중요한 문제로 여겨지고 있다. 특히 일부 소하천 또는 접경지역과 같은 미계측유역은 수문학적 요소에 대한 자료가 부족하고 수문모형의 초기치 설정과 과거 유출량 자료를 통하여 최적화한 매개변수를 결정해야하므로 장기유출분석이 어렵다. 본 연구의 적용유역으로 미계측유역인 임진강상류 유역에 대한 유출량 추정을 위해 계측 유역의 자료를 활용하여 모형의 매개변수 등을 추정하는 지역화 기법인 다중선형회귀분석과 공간근접분석을 활용하여 유출량을 산정 및 검증하였다. 또한, 확률론적 예측이 가능한 앙상블 기법 적용을 통한 유출량 예측을 하였고, 이를 예측 정확성 평가지표를 통해 효율성 검토를 수행하여 미계측유역의 유출량에 대해 확률론적 예측을 수행하였다. 대표적 지역화 기법의 적용성을 검토한 결과, 계측유역을 통해 다중선형회귀분석과 공간근접분석을 abcd 모형에 적용하였다. 모의유출량을 산정하고 실측 유출량과 비교 분석 결과 모의정확성이 높게 분석되었다. 이와 같은 검증 결과를 토대로 미계측유역의 유출량을 추정하였다. 또한, 지역화 기법을 앙상블 기법에 적용하여 확률론적 유출량 예측의 효율성을 검토하였다. 적용유역과 같은 지류를 포함하고 있는 임진강하류 유역을 대상으로 수행하였다. 검증기간(2013년~2017년) 동안의 월 예측 유출량 앙상블 생성을 위해 과거 강우량와 증발량(1988년~2012년) 자료를 사용하였으며, 지역화 기법을 적용한 abcd 모형을 이용하였다. 예측 유출량의 정확성 평가를 실시하였으며, 정확성이 비교적 높게 분석되었다. 이와 같은 결과를 토대로 미계측유역의 확률론적 유출량을 예측하였다. 따라서, 대표적 지역화 기법을 앙상블 기법에 적용하여 확률론적 유출량을 예측할 경우 보다 정확한 유출량 예측이 가능하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.182-182
• /
• 2021

본 연구에서는 1일부터 최대 7일까지의 시간을 두고 남한 전체의 유출량에 대한 예측 모형을 제시하고자 한다. 이를 위하여 LSM (Land Surface Model) 모형을 사용하여 유출량을 모의하였고 이 과정에서 미 계측치에 대한 유출량을 예측하기 위하여 Xgboost (Extreme Gradient Boost)를 활용하여 매개변수를 지역화하였다. 이러한 지역화 기법을 통하여 남한 전체의 유출량에 대한 그리드화 된 유출값을 얻을 수 있었다. 또한 본 연구에서는 기상 예측자료를 유출량에 대한 예측으로 변환하기 위하여 Stacking 앙상블 기반의 수문학적 후처리 기법을 사용하였다. Stacking 앙상블 기법은 Base-learner와 Meta-learner의 조합으로 이루어 지는데 본 연구에서 새롭게 사용되는 패널티 기반의 분위회귀분석 방법론은 기존의 방법론과의 비교에 있어서 유용한 것으로 파악되었다. 결과적으로 본 연구에서는 총 7일의 앞선 시간의 예측에 있어서 한반도 전체의 유출량에서 비교적 짧은 시간에 대한 예측인 1일과 2일에서의 예측은 실질적으로 사용이 가능한 것으로 파악되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.413-413
• /
• 2022

본 연구에서는 통계적 방법으로 도출된 장기 기상예측정보를 이용하여 유역에서의 유출량 전망 가능성을 검토하였다. 먼저 한강권역의 월 강수량과 기온에 대해 글로벌 기후지수와의 원격상관성을 기반으로 다중회귀모형 기반의 통계적 예측모형을 구성하여 미래기간(1~12개월)에 대한 월 단위 기상예측정보를 도출하였다. 월 단위로 도출된 강수량과 기온은 통계적 상세화 기법을 통해 한강권역 주요 ASOS 관측소 지점별로 일 단위 강수량과 기온자료로 변환하였으며, 상세화된 일 자료를 유역모형인 SWAT의 입력자료로 활용하여 경안천 유역의 미래기간에 대한 유출량을 도출하였다. 유출량 예측성을 평가하기 위하여 과거기간(2003~2021년)을 대상으로 관측유출량과 예측기상정보로부터 산출된 예측유출량을 비교하였다. 각 월별로 예측된 유출량의 중앙값과 관측값의 적합도를 분석한 결과, PBIAS는 -5.2~-2.7%, RSR은 0.79~0.91, NSE는 0.34~0.38, r은 0.59~0.62로 강수량 및 기온의 예측성에 비해 낮게 나타났다. 전 기간에 대해 월별로 분석한 예측결과에 대한 3분위 확률은 5월, 6월, 7월, 9월, 11월은 평균 42.8%로 예측성이 충분한 것으로 나타났으나, 나머지 월에서의 평균 예측성은 17.3%로 매우 낮게 나타났다. 상세화된 기상정보를 이용하여 유역모델링을 통해 산정한 유출량에 대한 전망 결과는 기상예측결과에 비해 상대적으로 예측성이 낮은 것으로 분석되었다. 이는 관측값 자체에서 나타날 수 있는 불확실성에 기인할 수도 있으며, 유출량에 지배적인 영향을 주는 강수량의 예측성에 대한 문제가 유역 모델링 과정에서 증폭되어 나타나는 문제일 수도 있다. 또한 지점별 일 자료로 상세화되는 과정에서의 불확실성, 우리나라 여름철 유출량 변동성 등 여러 가지 요인이 복합적으로 영향을 주어 나타나는 것으로 생각된다. 향후 다양한 대상유역에 대한 검토와 기상예측모형의 보완, 상세화 과정에서의 불확실성 해소 등을 통해 예측성을 개선할 계획이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1265-1271
• /
• 2009

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측모형을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저 갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 연속적으로 선행 유출량을 나타내는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 예측모형의 전처리 과정으로 이용하였다. 먼저, 본 연구에서 제안한 방법은 SOM에 의해 강우-유출 관계를 분류하고, SOM에 의한 분류에 따라 각각의 모형을 구성한다. 개별적으로 구축된 모형은 유출량의 예측을 위해 각각의 양상에 따라 분류된 자료를 이용한다. 결과적으로 본 연구에서 제안한 방법은 과거의 인공신경망의 일반적인 적용에 의한 결과보다 더 나은 예측능력을 보여주었으며, 더불어 유출량의 과소 및 과대추정과 Persistence 현상과 같은 문제점이 나타나지 않았다. 또한 강우량 및 유출량의 범위에 제한을 받지 않는 강우-유출예측 모형의 개발 및 홍수기로부터 갈수기까지의 보다 넓은 범위의 유출량의 예측에 기여할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.403-403
• /
• 2012

최근 단시간 동안에 특정지역에 집중되는 국지적 호우에 의한 돌발홍수가 빈번히 발생하고 있으며, 이에 따른 위험과 손실이 증가하고 있는 추세이다. 현재 국내에서는 이러한 피해를 최소화하고자 돌발홍수 예측모형을 개발하고 예 경보 시스템을 구축하여 다양한 비구조적 대책을 마련하고 있다. 그러나 활용되는 예측모형의 경우 개념적 유출량인 한계유출량으로부터 돌발홍수능(Flash Flood Guidance, FFG)을 결정하여 예측 강우와 상대적인 대소 비교를 통해 돌발홍수의 발생가능성 유무를 판단하게 되는데, 문제는 산정되는 한계유출량은 개념적이기 때문에 검증이 어렵고 산정방법도 다양하여 불확실성이 높다는 단점이 있다. 이에 본 연구에서는 기존의 돌발홍수 예측 방법이 아닌, 수문모형 Nesting 기법을 이용한 돌발 홍수 예측 방법을 개발하였다. 저해상도의 대유역 기반의 유출량이 큰 영역의 경계값이 되고, 대유역을 이루고 있는 소유역을 고해상도의 작은 영역이라 할 때, 경계값인 대유역의 기반의 유출량을 참고 유출량으로 하여 소유역의 유출을 물리적 혹은 개념적으로 보다 타당하게 모의하는 방법이 수문모형 Nesting 기법이다. 이러한 기법에 필요한 강우-유출 모형으로는 대유역의 경우, SURR 모형(Sejong University Rainfall-Runoff model)을 선택하였으며, 대유역을 이루는 소유역의 유출모의는 물리적 기반의 분포형 모형인 CASC2D 모형을 이용하였다. 또한 실시간 활용을 위해서는 CASC2D 모형의 매개변수를 자동으로 추정하는 기술이 요구되며, 본 연구에서는 매개변수 전역 최적화 방법인 SCE-UA(The Shuffled Complex Evolution, University of Arizona) 기법을 활용하였다. 본 연구에서 사용한 수문모형의 적용성을 평가한 결과 대상유역에 대한 적용성이 높은 것으로 나타났으며, 연계된 두 모형의 유출거동이 유사하게 나타난 것으로 확인되었다. 본 연구에서는 Nesting 기법을 이용하여 0.5m 하천 수위의 상승 여부에 따라 돌발홍수의 발생 가능성을 예측하는 기법을 제안하였으며, 돌발홍수 사례와 일반호우사상으로부터 이 방법의 적용성을 평가하였다. 실제 돌발홍수가 발생한 유역을 선정하고 연계된 두 모형을 대상 유역에 적용한 결과 Nesting 기반의 돌발홍수 예측방법은 기존의 한계유출량 산정 방법에서 반영하지 못한 사상을 적절히 반영한 것으로 나타났다. 본 연구에서 개발한 Nesting 기법을 이용한 돌발홍수 예측모형은 일반적인 강우량 비교의 돌발홍수 예측방법에서 벗어나 새로운 돌발홍수 예측방법을 제안한 측면에서 큰 의미가 있다고 사료되며, 이러한 연구 결과는 실시간 돌발홍수 예측 시스템의 기본 모형으로 활용이 가능할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.345-349
• /
• 2004

하천의 수량 정보는 내용이 다양하고 공간적${\cdot}$시간적 특성을 갖고 있어 정보의 종류와 양이 광범위해지고 있다. 따라서 하천에서 홍수기에 유출량을 정확히 해석하고 예측한다는 것은 매우 어려울 일이다. 본 연구에서는 이들 수문자료들을 수집하고 홍수유출량을 예측하기 위해 신경망 모형과 상태공간 모형을 이용하여 홍수 유출 예측 모형을 구성하고 금강수계 주요지점에 적용하여 그 적용성을 확인한 후 예측력이 우수한 신경망 모형을 이용하여 Web상에서 홍수 유출량을 예측할 수 있는 시스템을 개발하였다. 개발된 시스템은 자료수집모듈, 유출예측모듈 등으로 구성하여 누구나 Web 상에서 유출량을 예측할 수 있도록 개발되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.95-95
• /
• 2021

전 세계 담수 자원의 예측 및 관리에 있어서 유출량 변화의 예측은 중요하다. 하지만 강수량 대비 유출량의 비율인 유출율이 수자원 시스템에 중요한 영향을 미치는지에 대한 여부는 여전히 불분명하다. 본 연구에서는 전 세계의 1,636개 관측소에서 관측된 유출량과 강수량 자료를 이용하여 최근 60년 (1956-2015) 동안 유출량, 강수량, 증발산량의 관계에 있어서 유출율의 역할에 관해 연구하였다. 수문 기후학적으로 습한 지역과 건조한 지역을 구분할 수 있는 임계값으로 유출율을 사용할 수 있다는 점을 Budyko 공간에서 적용하여 건조 지수와의 비교를 통해 발견할 수 있었다. 유출량 변화에 대한 상세한 분석을 위해 강수량 및 증발산량 변화율에 따라 6가지의 범주를 설정하였고 그 결과 대부분의 관측소에서는 강수량의 변화와 일관된 방향으로 유출량이 변화하는 것으로 밝혀져 유출량의 변화는 강수 변화에 더 민감하다는 결론을 얻었으며 모든 범주에 있어서 유출율은 강수량과 증발산량의 변화에 의한 유출량 변화의 크기에 상당한 영향이 있음이 밝혀졌다. 본 연구의 결과들을 통해 우리는 기후 변화에 따른 유출량 변화에 대한 예측성 향상에 있어서 유출율에 대한 물리적인 이해가 잠재적인 주요한 요소라고 제안한다. 토지 피복 및 토지 이용과 같은 인위적 영향은 유출율을 직접 감소 또는 증가시켜 유출량의 민감도를 변화시킬 수 있다. 본 연구에서 제안된 수치적인 접근 방식은 수자원 가용성에 대한 기후 변화 및 인위적 영향을 완화하기 위해 실행 가능한 정보를 제공할 것으로 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1012-1016
• /
• 2009

수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통한 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료를 예측함에 있어 전형적인 Box-jenkins의 방법을 따랐고 모형의 식별, 추정, 검진의 3단계를 거쳐 모형화 하였다. 최적 수문시계열 예측 모형을 통하여 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 유출량자료의 보유년한이 짧은 대상유역에 월강우량과 증발산량자료 등의 수문시계열 인자 예측을 통한 유출을 모의함으로서 수자원의 중 장기 전략수립에 도움을 줄 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.