• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.250-250
• /
• 2012

하천유량 예측정보는 하천홍수를 잘 관리하기 위한 중요한 정보이다. 하천유량을 예측하기 위해서는 실제 기상상황이 잘 나타내는 관측 및 예측강우정보 구축, 대상유역의 수문반응특성을 잘 모의할 수 있는 유출모형 적용, 상류에 댐이 존재할 경우 저수지추적모형의 연계모의가 필요하다. 다만, 강우정보, 유출모형, 저수지추적모형은 항상 불확실성을 포함하고 있으며 어느 하나의 정보 또는 모형이 다른 것보다 항상 정확하기는 어렵다. 이러한 조건에서 하천유량을 잘 예측하기 위한 대안은 자료동화기법의 연계적용이라 할 수 있다. 본 연구에서는 관측유량 자료동화가 가능한 SURF 모형에 AUTO ROM 저수지추적방법을 연계하여 상류에 댐이 존재하는 유역에서도 하천유량을 예측할 수 있는 통합하천유량예측모형을 개발하였다. 적용유역은 한강유역을 채택하였으며 2002~2009년에 대해 모형을 구축하였다. 자료동화효과로 인해 유출모형만을 적용한 경우보다 유출모의 정확도가 높아지는 것을 확인하였다. 또한 저수지추적과정에서도 임의시점을 기준으로 과거기간에 대해서는 관측유입량과 방류량을 적용하고 미래기간에 대해서는 저수지추적을 통해 모의되며 이 결과로부터 저수위-유입량-방류량의 관계가 합리적으로 모의됨을 확인하였다. 이상의 결과로부터 하천유량예측을 위해서는 하천유량정보와 댐수문정보의 자료동화를 수행하므로써 하천유량 예측결과의 정확도를 향상시킬 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.38-38
• /
• 2017

본 연구는 내수침수에 의한 침수면적 예측을 위한 강우특성과 1차원 유출모형의 유출특성 및 월류특성 자료를 이용한 침수면적의 정확도를 다양한 호우사상을 적용하여 분석하였다. 국내에서 침수 취약지역 예측을 위해서 강우-유출모형의 유출량 예측 즉 홍수추적을 중심으로 이루어지고 있는 실정이다. 기존 모형이 홍수추적을 중심으로 이루어진 것은 대유역의 경우에 XP-SWMM 모형과 같은 정밀모형을 이용할 경우 긴 모의시간으로 인하여 예경보 발령을 위한 골든타임 확보가 어려우며, 홍수량 예측을 통하여 예측된 침수피해에 대한 정밀도 확보가 어렵기 때문에 실제 상황에 적용하기 어려운 문제점이 발생하고 있다. 컴퓨터 하드웨어의 발전에 따른 연산속도의 증가와 빅데이터 처리기술을 발전에 따라서 10년 전과 비교하여 2차원 침수면적 예측시간이 단축되기는 하였지만, 실제 침수면적 예측에 적용하기는 어려운 실정이다. 따라서, 모의시간이 짧은 1차원 강우-유출모형, 1차원 도시유출모형을 이용한 침수면적 예측방법에 대하여 연구하였다. 홍수피해 예측을 위하여 다양한 수문학적 인자의 영향 분석을 위해서 XP-SWMM 모형의 다양한 형태의 강우입력자료에 따른 1차원 유출 모의결과와 2차원 지표류 모의결과를 이용하여, 2차원 침수면적 예측결과를 추정하기 위한 수문학적 인자의 적용방법에 대하여 분석하였다. 모의시간이 짧은 강우-유출모형과 1차원 도시유출모형을 이용하여 도출한 수문학적 인자를 이용한 침수면적의 추정방법을 분석을 비교분석함으로써 침수면적 예측 시스템 구축방안에 대하여 구체적인 수문학적 인자들 생성을 위한 단계적 모형 적용방안 수립을 위한 자료로 활용할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.206-206
• /
• 2018

설마천 및 청미천 시험유역에서 측정된 증발산량은 강수량 대비 약 20%이상으로 유출해석에 있어 큰 부분을 차지하고 있다. 시험유역 이외의 유역에서는 증발산 측정자료 확보가 어려워 이와 관련된 연구는 측정자료의 확보가 가능한 지역 혹은 기후변화자료를 이용한 연구가 주를 이루고 있다. 특히, 전국을 대상으로 하는 장기유출해석에 있어 유출량 자료를 활용하여 증발산량까지 추정하는 것에는 한계가 있다. 따라서, 본 연구에서는 이에 대한 대안으로 하천의 유출량과 WHAT모형을 이용하여 계산된 기저유출량을 동시에 고려하여 증발산량의 예측능력을 향상할 수 있는 방안을 제시하였다. 유출해석모형으로는 전국유역조사에서 활용되고 있을 뿐만 아니라, 증발산량 계산을 위하여 다양한 기법의 활용이 가능한 K-BASIN(PRMS)모형을 활용하였고, 매개변수 최적화를 위하여 하천유량뿐만아니라 기저유출량을 대상으로 Monte-Carlo 시뮬레이션을 수행하였다. 용담댐 시험유역에 적용하여 각 샘플의 하천유량과 기저유출량에 대하여 NSE 및 Pbias를 검토한 결과, 유출량에 대하여 NSE가 최고(0.9이상)인 샘플의 경우 관측된 증발산량과 상당한 차이를 보였으나, 유출량과 기저유출에 대하여 NSE가 최고(유출에 대한 NSE가 0.8, 기저유출량에 대한 NSE가 0.6)인 샘플의 경우에는 관측된 증발산량의 패턴을 유사하게 모의하였다. 추후 본 연구에서 제시된 기법의 타수계 적용 등의 추가적 검증을 통하여 장기유출해석시 증발산량의 예측정확도를 향상시킬 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.201-201
• /
• 2022

본 연구에서는 강우량이 여름에 집중되어있는 우리나라의 강우 특성을 잘 나타낼 수 있는 최적의 확률분포형을 선정하고 해석적 확률모델 (Analytical Probabilistic Model, APM)을 개발하여 유출량을 예측하고자 하였다. 국내 10개 지역인 부산, 춘천, 대구, 대전, 전주, 진주, 서울, 속초, 태백, 원주를 연구 지역으로 설정하였고, 30년 시 단위 강우자료를 지역별 interevent time definition(IETD)을 적용하여 강우 사상으로 그룹화하였다. APM 연구에 일반적으로 사용되는 일변수 지수 분포 이외의 이변수 지수, 감마, 이변수 로그정규 확률밀도함수 (Probability Density Function, PDF)를 강우사상의 특성인 강우량, 강우 지속시간, 무강우 시간의 히스토그램에 적용한 결과, 이 변수 로그정규분포가 우리나라의 강우 특성을 가장 잘 대표하였다. 로그정규분포를 이용하여 APM을 유도하고 유출량을 예측하였다. 예측한 유출량에 대한 빈도분석을 수행하여 Storm Water Management Model (SWMM)의 결과와 비교함으로써 유도한 APM의 적합성을 확인하였다. SWMM의 입력 매개변수 보정을 위해서는 서울 군자 지역에서 관측한 실제 강우량 및 유출량 자료를 사용하였다. 로그정규분포로 유도한 APM과 SWMM의 빈도분석 결과를 비교하였을 때 초과 확률과 재현주기 모두 매우 유사한 결과를 나타내었음을 확인하였다.

• Journal of the Korea Convergence Society
• /
• v.8 no.10
• /
• pp.1-8
• /
• 2017

Accurate forecasting enables to effectively prepare for future phenomenon. Especially, meteorological phenomenon is closely related with human life, and it can prevent from damage such as human life and property through forecasting of weather and disaster that can occur. To respond quickly and effectively to oil spill accidents, it is important to accurately predict the movement of oil spills and the weather in the surrounding waters. In this paper, we selected four representative machine learning techniques: support vector machine, Gaussian process, multilayer perceptron, and radial basis function network that have shown good performance and predictability in the previous studies related to oil spill detection and prediction in meteorology such as wind, rainfall and ozone. we suggest the applicability of oil spill prediction model based on machine learning.

• Journal of Korea Water Resources Association
• /
• v.34 no.3
• /
• pp.275-285
• /
• 2001

Since the majority of streamflow during dry periods is provided by groundwater storage, the streamflow depends on a basin moisture state recharged from rainfall during wet periods. This hydrologic characteristics dives good condition to predict long-term streamflow if the basin state like groundwater recharge is known in advance. The objective of this study is to examine groundwater recharge effect to monthly streamflow, and to attempt monthly streamflow prediction using estimated groundwater recharge. The ground water recharge is used as an independent variable with streamflow and precipitation to construct multiple regression models for the prediction. Correlation analysis was performed to assess the effect of groundwater carry-over to streamflow and to establish the associations among independent variables. The predicted streamflow shows that the multiple regression model involved groundwater recharge gives improved results comparing to the model only using streamflow and precipitation as independent variables. In addition, this paper shows that the prediction model with the effect of groundwater carry-over taken into account can be developed using only precipitation.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.207-207
• /
• 2018

현행 홍수예보모형은 집중형 모형을 이용하여 강우-유출을 계산하고 하천의 수위를 예측한다. 집중형 모형은 유역을 동질의 배수구역으로 가정하여 공간적인 변화를 고려하지 못하는 한계가 있어 하나의 유역 내에 산지와 평지가 혼재하는 하천의 상류지역은 지형의 공간적인 분포가 반영되어야 정확한 홍수예측이 가능하다. 따라서 본 연구에서는 금호강 유역에 대해서 분포형 유역유출모형을 적용하고 다양한 해상도와 유역분할을 수행한 해석결과를 비교하여 분포형 유역유출모형을 최적화 하였다. 타 강우자료의 활용성을 높이기 위해 유역의 분할은 수자원단위지도에서 제시한 표준유역 단위로 분할하였고, 격자의 해상도는 최소 100m에서 최대 500까지 변화를 주어 유역유출결과에 영향을 미치지 않는 최대크기의 격자의 크기를 찾아 홍수예보모형에 적용할 수 있는 최적화된 격자의 크기를 소유역별로 도출하였다. 본 연구의 결과를 통해 유역유출 예측의 정확성은 만족시키면서 홍수예보에 적합한 계산속도가 나올 수 있는 최적 해상도를 제시하였으며 분포형 모형의 적용을 전국적으로 확대하고자 할 때 기초자료로 활용이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1119-1123
• /
• 2010

유역내의 강우량을 통하여 유역 출구지점에서의 유출량을 예측하고, 그에 따른 대비를 세우는 것은 매우 중요하다. 유역내의 강우량은 유역내의 강우관측소에서 얻어지는 실시간 자료를 통하여 알 수 있지만, 강우 관측소의 강우 자료가 유역 출구지점에서의 유출량이나 하천 흐름의 특성에 어떠한 영향을 주는지는 알 수 없다. 유역 내에서 강우 관측소가 유출량 또는 하천의 흐름에 긍정적인 영향을 줄 수도 있지만, 부정적인 요소가 될 수도 있기 때문이다. 따라서 본 연구에서는 유역 내 강우 관측소가 출구지점 유출량과 흐름특성에 어떠한 영향을 미치는지 판단하고 최적의 강우 관측소 조합을 찾아 내 하천 흐름의 특성과 유출량을 예측하였다. 본 연구에서는 갑천 유역 내의 6개 강우관측소와 유역 출구지점의 유출량과 하천 흐름에 영향을 줄 것이라고 판단되는 유역 주변의 강우 관측소 7개, 총 13개의 강우 관측소를 선정하였다. 13개의 강우 관측소에서 12, 11개씩 선택하여 총 90개의 부분집합을 구성하고, 유전자 알고리즘을 통하여 실제 유출량에 가장 비슷한 결과를 보이는 강우 관측소 조합을 찾아내고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.96-96
• /
• 2023

지구온난화는 집중호우 및 태풍의 빈도와 규모를 증가시키는 원인이 되었으며, 전 세계적으로 홍수로 인한 피해가 발생하고 있다. 한국에서는 2020년 홍수로 인하여 1조 이상의 피해가 발생하였으며, 2021년에는 호우로 인한 피해가 60%이상을 차지하였다. 과거에는 구조적인 대책을 수립하기 위하여 경제성 높은 치수사업을 결정하는 연구들이 수행되었다. 하지만 치수 사업은 지구온난화를 가속시키게 되며 그로 인해 집중호우의 빈도와 규모가 증가하는 악순환이 발생하게 된다. 따라서 최근에는 비구조적 대책인 홍수 예경보를 수행하여 홍수에 대응하고자 홍수 예경보 지점을 확대하고 있다. 홍수 예경보는 강우-유출 모형을 이용하여 유출량을 산정하고, 일정 수위를 초과하면 홍수 경보가 발령된다. 하지만 강우-유출 모형의 경우 많은 매개변수 값을 요구하며, 강우 사상에 따라 다른 매개변수를 산정하는데 많은 시간을 필요로 한다. 따라서 특정 강우 사상에 따라 매개변수 값을 고정하여 유출량을 산정하고 있으나, 이는 실제 유출량과 예측 유출량과의 오차가 발생할 수 있다. 따라서 본 연구에서는 강우-유출 모형의 오차를 AI로 예측하여 유출량을 보정하는 연구를 수행하고자 하였다. 강우-유출 모형에서는 유출량을 산정하고 그에 따른 오차를 생성하게 된다. 그리고 산정된 오차들을 이용하여 오차를 예측할 수 있는 AI 모형을 개발하게 된다. 최종적으로 강우-유출 모형의 유출량과 AI 모형의 오차가 결합되어 보정된 유출량을 산정하게 된다. 강우-유출 모형과 AI 모형이 결합된 Hybrid model은 기존의 단일로 사용했을 때의 발생할 수 있는 강우-유출 모형의 문제를 개선할 수 있을 것으로 판단된다.