• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.388-388
• /
• 2020

매년 국지성호우 및 태풍으로 인해 하천 범람이나 저지대침수가 발생하고 있으며 이는 인명 피해 사례로 이어지기도 한다. 피해 발생을 최소화시키기 위해 강우와 유량과 같은 정형데이터로 홍수예보가 이뤄지고 있으나 기존의 정형데이터만 사용하다보니 도심지역이나 소규모 하천에서 인명 피해 예측에 어려움이 있다. 이를 보완하기 위해서는 인구의 유동성을 고려한 비정형데이터를 활용해야 한다. 최근 소셜 네트워크 서비스(SNS)의 사용자가 증가됨에 따라 텍스트나 사진과 같은 다양한 비정형데이터가 생성되고 있다. 이렇게 생성된 데이터는 다양한 분야에서 활용되고 있으며 특히 지진이나 홍수와 같은 재난 발생 시 유용한 데이터로 활용된 사례가 증가하고 있다. 이는 사람들이 GIS와 같은 위치정보나 시간 등을 포함한 다양한 정보를 포함하기 때문이다. 하지만 이렇게 생산된 비정형데이터를 기존 물리적 기반의 수문모형의 데이터로 활용하기에는 많은 한계점이 있다. 따라서 본 연구에서는 SNS 채널을 통해 생성된 비정형 데이터들을 인공신경망모형에 적용하여 하천수위를 예측하였다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.5 no.2 s.17
• /
• pp.9-16
• /
• 2005

This paper presents the use of an Artificial Neural Network (ANN) as a viable means of forecasting Inundation Damage Area (IDA) in many watersheds. In order to develop the forecasting model with various environmental factors, we selected 108 watershed areas in South Korea and collected 49 damage data sets from 1990 to 2000, of which each set is composed of 27 parameters including the IDA, rainfall amount, and land use. After successful training processes of the ANN, a good agreement (R=0.92) is obtained (under present conditions) between the measured values of the IDA and those predicted by the developed ANN using the remaining 26 data sets as input parameters. The results indicate that the inundation damage is affected by not only meteorological information such as the rainfall amount, but also various environmental characteristics of the watersheds. So, the ANN proves its present ability to predict the IDA caused by an event of complex factors in a specific watershed area using accumulated temporal-spatial information, and it also shows a potential capability to handle complex non-linear dynamic phenomena of environmental changes. In this light, the ANN can be further harnessed to estimate the importance of certain input parameters to an output (e.g., the IDA in this study), quantify the significance of parameters involved in pre-existing models, and contribute to the presumption, selection, and calibration of input parameters of conventional models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.26-26
• /
• 2017

우리나라는 하천 및 호수 등 지표수에 대한 수자원 의존도가 매우 높다. 지표수는 태양광에 노출되어 있고, 기온의 영향을 직접 받기 때문에 기후변화에 대해 매우 민감한 수체이다. 기후변화로 인한 이상 저온, 이상 고온, 홍수, 가뭄 등의 자연 현상은 하천, 호수의 물리화학적 및 생태학적 특성을 변화(교란)시키고 있다. 이러한 기상현상에 변동되는 수질특성을 고려하여 기상청 확률기상예보를 구축된 인공신경망 예측모형의 입력인자로 적용하여 수질예보시스템을 개발하고자 하였다. 모형구축은 실제 일어난 기상관측자료와 요인분석을 통해 분류한 수질인자를 반영하여 단위유역별 수질예측을 위한 ANN학습을 실시하였다. 각 단위유역마다 기상요인의 공간적 세밀화 적용을 위해 각각 남강A, 남강B는 산청기상대, 남강C, 남강D는 진주기상대, 남강E는 의령기상대 자료를 이용하였으며, 수질항목은 DO, BOD, COD, TOC, T-P, SS 총 6개로 단위유역 5개에서 총 30개 예측모형 구축을 위한 자료를 수집하였다. 학습된 인공신경망 예측모형에 기상청 확률예보 값을 입력인자로 사용하여 모형평가를 실시하였다. 5개 단위유역 중 상대적으로 유역관리의 시급성을 고려하여 남강댐 하류 단위유역인 남강D, 남강E 인공신경망 모형의 입력자료로 적용하여 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.116-116
• /
• 2012

하천유역 내의 인자를 이용하여 댐의 하천유량(stream flow)을 예측하는 일은 수문특성의 연구와 자연재해에 대한 대비 및 수공구조물과 방재시설의 설계 시 중요한 역할을 한다. 이러한 연구는 과거부터 활발히 이루어졌으며, 아직도 보다 높은 정확도의 결과를 얻기 위해 많은 연구들이 이루어지고 있다. 특히 기존의 유역 내 자료를 통해 비선형적 모델인 인공신경망(artificial neural network)을 이용한 하천유량을 예측하는 연구 역시 활발히 이루어지고 있다. 본 연구의 목적은 여러 유역인자들 중 하천유량에 가장 영향을 미치는 변수를 추출하고 보다 정확한 예측모델을 구축하는 것이다. 기존의 입력자료 선정기법중의 하나인 상호정보량(mutual information)과 수문기상자료의 비선형 동역학적 성분을 추출하는 웨이블렛 변환(wavelet transform)을 사용하여 인공신경망에 적용시켰다. 인공신경망을 적용하는 경우, 수문자료에 있어서 변수의 선택과 자료의 상태가 강우예측의 결과에 큰 영향을 미친다. 이러한 변수의 선택에 있어서 상호정보량을 바탕으로 한 인공신경망 입력변수 선택기법이 많이 사용되고 있다. 일반적으로 시계열자료는 경향성(trend), 주기성(periodicity) 및 추계학적 성분(stochastic component)의 선형조합으로 가정될 수 있으며, 특히 경향성과 주기성은 시계열 모형을 위해 제거되어야 할 결정론적 성분으로 취급한다. 즉. 수문 기상자료에 포함되어 있는 경향성과 주기성과 같은 비선형 동역학적 잡음(nonlinear dynamical noise)을 제거하고 입력자료의 카오스적 거동을 보이는 성분을 분리하기 위해 웨이블렛 변환을 사용하였다. 대상유역은 한강 유역에 포함되어 있는 충주댐으로 선택하였다. 유역 내 다양한 인자들과 하천유량사이의 상호정보량을 구해 영향력이 가장 큰 변수를 추출하고, 그 자료를 웨이블렛 변환을 적용하여 인공신경망의 입력자료로 사용하였다. 본 논문에서는 위와 같은 과정을 이용해 추정한 하천유량 결과와 기존의 방법인 상호정보량을 이용해 인공신경망을 적용한 결과를 실제자료와 비교하였다.

• Journal of Wetlands Research
• /
• v.21 no.spc
• /
• pp.61-68
• /
• 2019

Recently, climate indices represented by quantifying atmospheric-ocean circulation patterns have been widely used to predict hydrologic variables for considering long-term climate variability. Hydrologic forecasting models based on artificial neural networks have been developed to provide accurate and stable forecasting performance. Forecasts of hydrologic variables considering climate variability can be effectively used for long-term management of water resources and environmental preservation. Therefore, identifying significant indicators for hydrologic variables and applying forecasting models still remains as a challenge. In this study, we selected representative climate indices that have significant relationships with dam inflow time series in the Han-River basin, South Korea for applying the dam inflow forecasting model. For this purpose, the ensemble empirical mode decomposition(EEMD) method was used to identify a significance between dam inflow and climate indices and an artificial neural network(ANN) ensemble model was applied to overcome the limitation of a single ANN model. As a result, the forecasting performances showed that the mean correlation coefficient of the five dams in the training period is 0.88, and the test period is 0.68. It can be expected to come out various applications using the relationship between hydrologic variables and climate variability in South Korea.

• Journal of Korean Society of Disaster and Security
• /
• v.12 no.2
• /
• pp.73-82
• /
• 2019

Recently, as the occurrence frequency of sudden floods due to climate change increased, the flood damage on riverside social infrastructures was extended so that there has been a threat of overflow. Therefore, a rapid prediction of potential flooding in riverside social infrastructure is necessary for administrators. However, most current flood forecasting models including hydraulic model have limitations which are the high accuracy of numerical results but longer simulation time. To alleviate such limitation, data driven models using artificial neural network have been widely used. However, there is a limitation that the existing models can not consider the time-series parameters. In this study the water surface elevation of the Hangang River bridge was predicted using the NARX model considering the time-series parameter. And the results of the ANN and RNN models are compared with the NARX model to determine the suitability of NARX model. Using the 10-year hydrological data from 2009 to 2018, 70% of the hydrological data were used for learning and 15% was used for testing and evaluation respectively. As a result of predicting the water surface elevation after 3 hours from the Hangang River bridge in 2018, the ANN, RNN and NARX models for RMSE were 0.20 m, 0.11 m, and 0.09 m, respectively, and 0.12 m, 0.06 m, and 0.05 m for MAE, and 1.56 m, 0.55 m and 0.10 m for peak errors respectively. By analyzing the error of the prediction results considering the time-series parameters, the NARX model is most suitable for predicting water surface elevation. This is because the NARX model can learn the trend of the time series data and also can derive the accurate prediction value even in the high water surface elevation prediction by using the hyperbolic tangent and Rectified Linear Unit function as an activation function. However, the NARX model has a limit to generate a vanishing gradient as the sequence length becomes longer. In the future, the accuracy of the water surface elevation prediction will be examined by using the LSTM model.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.12
• /
• pp.565-572
• /
• 2017

Traditional method for time series analysis, autoregressive integrated moving average (ARIMA) allows to mine significant patterns from the past observations using autocorrelation and to forecast future sequences. However, Korean baseball games do not have regular intervals to analyze relationship among the past attendance observations. To address this issue, we propose artificial neural network (ANN) based attendance prediction model using various measures including performance, team characteristics and social influences. We optimized ANNs using grid search to construct optimal model for regression problem. The evaluation shows that the optimal and ensemble model outperform the baseline model, linear regression model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.400-404
• /
• 2008

댐 군 연계운영을 위한 기존의 많은 최적화 모형은 경제성에 기반을 둔 단일 목적 함수를 가정함으로써 현실과는 동떨어진 결과를 도출하곤 하였다. 따라서 보다 현실적인 최적화 모형이 되기 위해서는 실제 운영과정을 모사할 수 있도록 적절한 초기 가중치를 부여하여 모형을 구축하고, 상충되는 목적간의 절충안으로 파레토 프런티어(Pareto-frontier)를 제시할 수 있는 다중목적 의사결정 기법이 요구된다. 본 연구의 목적은 댐 군 연계 운영을 위한 최적화 모형으로 소개된 CoMOM(Coordinated Multi-reservoir Operating Model)의 다중목적함수에 적합한 초기 가중치를 도출할 수 있는 시스템을 제안하는 것이다. 본 연구에서는 최적화 모형에 적합한 가중치를 결정함에 있어 댐의 초기저수량과 미래의 예상 유입량과 같은 수문 조건을 감안할 필요가 있음에 주목하였다. 이것은 초기저수량과 미래에 예상되는 유입량이 작을 경우 가급적 저수에 중점을 두고, 그 반대일 경우는 발전방류에 주안점을 두는 것이 바람직하다는 사실에서 추정해 볼 수 있는 가정이다. 따라서 댐의 초기 저수량 조건과 유입량 시나리오의 다양한 수문 조건별로 가장 적합한 가중치를 찾아본 후, 수문 조건을 입력요소로, 최적 가중치를 출력요소로 갖는 신경망 모형을 활용해서 수문 조건에 적합한 가중치를 예측할 수 있는 절차를 제안한다. 이 과정에서 최적 가중치를 도출하는 것이 관건이 될 수 있는데, 이를 위해 전승목 (2008)등이 제안한 DEA기반 순위결정 절차를 활용해서 최선의 파레토 최적해와 이에 대응되는 가중치를 찾아 이를 신경망 모형의 출력요소 값으로 활용하였다. 본 연구에서 제안하는 신경망 모형은 임의의 수문 상황에 대해 이에 적합한 CoMOM의 초기 가중치를 결정해 줌으로써 CoMOM과 같은 최적화 모형의 가중치 선정에 따르는 어려움을 극복하는 데 도움이 될 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.880-880
• /
• 2012

수위-유량자료는 수문모형의 적용 등과 같은 다양한 수자원분야에서 기초적인 관측자료로서 이용되고 있다. 하지만 겨울철 결빙에 따른 수위계의 오작동과 제한된 실측 수위자료에 따른 수위 자료의 보정과 획득에 어려움을 겪고 있다. 본 연구에서는 수자원 분야에서 다양하게 적용된 바 있는 인공신경망 기법과 누적결빙온도일 (AFDD; Accumulated Freezing Degree Days) 개념을 이용하여 오산천 유역의 탑동수위관측점의 결빙기 수위자료를 보정하였다. 연구결과 보정된 수위자료는 강우량과 방류량 등의 영향을 비교적 잘 반영하는 것으로 나타났으며 향후 지속적인 연구를 통해 인공신경망을 이용한 수위 보정 결과를 검정할 수 있어야 할 것이다.