• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.152-152
• /
• 2016

최근 기후변화의 영향으로 장마, 태풍 등 극한사상의 발생빈도와 강도가 비정상적인 증가 추세를 나타내고 있으며, 여름철 국지성 호우로 인한 농경지 및 도심 저지대 지역의 침수 피해가 발생하고 있다. 침수 피해에 대한 대책 마련을 위해서는 수공구조물 설계 기준을 초과하는 호우에 대한 홍수 영향을 분석할 필요가 있으며, 기후변화에 따른 강우자료의 변화 특성을 파악하기 위해서는 비정상성 (Non-Stationary) 가정이 수반되어야 한다. 따라서 본 연구에서는 비정상성 빈도해석을 통해 중소하천을 대상으로 부정류 해석을 실시하고 미래 침수특성을 분석하고자 한다. 연구대상지는 상습 침수지역이 위치한 중소하천을 선정하였고, 각 유역에 가장 인접한 기상관측소로부터 강수량 자료를 수집하였다. 강수량 모의 자료는 국립기상과학원에서 제공하는 해상도 12.5 km의 지역 기후변화 시나리오를 이용하여 구축하였다. 구축한 강수량 자료는 정상성 및 비정상성 빈도해석을 각각 수행하였으며 비정상성 빈도해석 방법으로는 누적평균 방법 및 이동평균 방법을 적용하였다. 유역 유출량은 실무에서 설계홍수량 산정에 널리 이용되고 있는 HEC-HMS 모형으로 산정하였다. 유출량과 하천기본계획의 하천단면 측량자료를 1차원 부정류 해석 모형인 HEC-RAS 모형에 입력하고 부정류 해석을 실시하여 하천 홍수위를 모의하였다. 본 연구의 결과는 상습 침수 지역의 침수 피해에 대한 관리 대책을 수립하는데 기초자료로 사용할 수 있을 것을 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.54-54
• /
• 2019

최근 이변량 가뭄 빈도해석시 Copula 함수 기반의 빈도해석모델을 활용한 분석이 이루어지고 있다. 그러나 기존 연구에서는 이변량 가뭄 빈도해석시 지점빈도해석에 국한되어 분석이 이루어지며, 지역을 대표하는 수문자료의 특성이 반영된 빈도분석에 대한 연구는 미진한 실정이다. 이에 본 연구에서는 Bayesian 기법과 이변량 Copula 가뭄 빈도해석 기법을 연계한 Bayesian 이변량 Copula 지역빈도해석 모델을 개발하였다. 개발된 모델에 모의자료를 적용하여 가정한 가뭄특성 및 매개변수를 추정하였으며, 유사하게 도출된 결과를 통해 모델의 적합성을 평가하였다. 최종적으로 최근 발생한 가뭄사례를 중심으로 이변량 가뭄 지역빈도해석을 수행한 결과, 기존 지점빈도해석보다 가뭄의 특성을 효과적으로 반영된 빈도해석이 이루어지는 것을 확인하였으며, 기존 Copula 모델에 Bayesian 기법을 도입하여 매개변수에서 발생하는 불확실성을 정량화 하였다. 본 연구에서 제안된 모델의 검증과정과 도출된 결과를 통해 가뭄자료의 지역적 분포특성 및 자료간의 상관성을 효과적으로 재현하는데 유리할 뿐만 아니라, 매개변수의 불확실성을 평가할 수 있는 장점을 제공할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.424-428
• /
• 2011

기후변화의 영향으로 대규모 호우와 예측이 어려운 국지성 호우가 전 세계적으로 빈번하게 발생하고 있으며, 우리나라 또한 최근 강수일수의 감소와 강수량 및 집중호우의 증가추세가 보고되고 있다. 집중호우에 따른 피해를 저감시키기 위한 비구조적 대책으로써 홍수범람 위험지역에 대해서는 침수면적이나 침수심도의 예측은 풍수해로 인한 인명 및 재산피해를 최소화하기 위한 중요한 정보로 활용될 수 있다. 비정방향격자기반 2차원 홍수범람 해석모형은 고정확도의 해석결과를 제공하지만 범람모의를 위한 입력 자료의 구축과 모의시간의 제약성으로 인해 범람예측의 신속성을 확보하기 어렵고, 다른 수리 수문 모형과의 결합이 상대적으로 어려우며, 다양한 래스터 DB들과의 호환이 어려워 홍수피해액을 산정 또는 예측하기 어렵다는 단점을 가지고 있다. 따라서 본 연구에서는 지반고를 고려하여 범람류의 전파거동을 해석하는 정방형격자기반의 2차원 홍수범람해석기법과 다차원 피해액 산정기법을 결합하여 2002년 태풍 '루사'로 인한 '동막', '장현' 저수지의 동시붕괴로 인한 피해지역의 침수편입률 및 침수피해액을 산정하고 실측 침수심도와 피해액 통계자료를 활용하여 모의결과의 정확도를 검증한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.688-692
• /
• 2006

산지 소하천 유역을 대상으로 물순환 과정을 규명하기란 대단히 어려운 실정이다. 1차적으로는 수문자료의 부재가 제일 크며, 자료가 있다 하더라도 홍수기 중심 및 단기간 자료의 축적에 불과하다. 이중 설마천 시험유역은 한국건설기술연구원의 11년간 운영경험을 바탕으로 비교적 장기간의 수문자료를 축적하고 있다. 최근 6년간은 신뢰할 만한 양질의 수문자료를 구축하였으며, 현재는 신뢰도의 완성을 높이는 연구가 활발히 진행 중에 있다. 설마천 시험유역의 유역의 물순환 구조는 자연계의 유입과 유출이 지배적이며, 이들의 수문성분을 규명하기 위해서는 각각의 수문성분들의 관측 및 해석이 필요하며, 각 수문성분들의 물수지 분석을 통하여 정량적인 합의 결과를 가시적으로 확보함이 매우 중요하다. 신뢰도와 정확성에 근거한 관측자료를 이용한 물수지 분석결과는 수문성분들의 총체적 표현이라 할 수 있는 모형(model)의 중요 입력자료이며, 모형의 분석결과를 검증할 수 있는 중요한 기준이 된다. 모형의 결과와의 비교 검토를 통해 산지 소하천 유역의 물순환 관계를 규명하는 기반을 확보하게 될 것이다. 본 연구에서는 신뢰성 있는 수문관측 자료를 이용하여 물수지 분석을 수행하였다. 물수지 분석의 대상유역인 설마천 시험유역의 신뢰할 만한 관측자료에는 강우량, 유출량, 지하수이용량이며, 증발산량 산정을 위한 기상관측 및 대형증발계를 통한 실제 증발량 관측은 이루어지나 유역을 대표하는 증발산량의 관측이 연속적으로 이루어지지 못하는 실정이다. 그러나, 설마천 시험유역은 소규모이며, 대체로 동질성 있는 유역이라고 가정하여 1개 기상관측소에서 운영하는 기상자료를 이용하여 증발산량을 산정하고 물수지에 적용하였다. 또한, 그 동안 관측하지 못했던 지하수위 관측을 실시함으로써 정확한 물순환 해석을 할 수 있는 기반을 확보 하였으며, 가용한 장 단기간의 관측자료와 물수지 분석 연산식의 추정치를 바탕으로 관측자료에 의한 물수지 분석을 수행하였다. 분석 결과로 산지 소하천 유역인 설마천 시험유역의 각 수문요소의 물이동간의 정량적인 값을 알 수가 있었으며, 앞으로 추가적이고 지속적인 수문모니터링이 운영되고 물순환 해석 모형에 의한 검증이 수행된다면 정량적인 물순환 관계를 규명할 수 있을 뿐만 아니라 이와 관련된 수문요소기술을 확보할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1493-1497
• /
• 2007

산지 소하천 유역을 대상으로 물순환 과정을 규명하기란 대단히 어려운 실정이다. 1차적으로는 수문자료의 부재가 제일 크며, 자료가 있다 하더라도 홍수기 중심 및 단기간 자료의 축적에 불과하다. 이중 설마천 시험유역은 한국건설기술연구원의 12년간 운영경험을 바탕으로 비교적 장기간의 수문자료를 축적하고 있다. 최근 7년간은 신뢰할 만한 양질의 수문자료를 구축하였으며, 현재는 신뢰도의 완성을 높이는 연구가 활발히 진행 중에 있다. 설마천 시험유역의 유역의 물순환 구조는 자연계의 유입과 유출이 지배적이며, 이들의 수문성분을 규명하기 위해서는 각각의 수문성분들의 관측 및 해석이 필요하며, 각 수문성분들의 물수지 분석을 통하여 정량적인 합의 결과를 가시적으로 확보함이 매우 중요하다. 신뢰도와 정확성에 근거한 관측자료를 이용한 물수지 분석결과는 수문성분들의 총체적 표현이라 할 수 있는 모형(model)의 중요 입력자료이며, 모형의 분석결과를 검증할 수 있는 중요한 기준이 된다. 모형의 결과와의 비교 검토를 통해 산지 소하천 유역의 물순환 관계를 규명하는 기반을 확보하게 될 것이다. 본 연구에서는 신뢰성 있는 수문관측 자료를 이용하여 물수지 분석을 수행하였다. 물수지 분석의 대상유역인 설마천 시험유역의 신뢰할 만한 관측자료에는 강우량, 유출량, 지하수이용량이며, 증발산량 산정을 위한 기상관측 및 대형증발계를 통한 실제 증발량 관측은 이루어지나 유역을 대표하는 증발산량의 관측이 연속적으로 이루어지지 못하는 실정이다. 그러나, 설마천 시험유역은 소규모이며, 대체로 동질성 있는 유역이라고 가정하여 1개 기상관측소에서 운영하는 기상자료를 이용하여 증발산량을 산정하고 물수지에 적용하였다. 또한, 그 동안 관측하지 못했던 지하수위 관측을 실시함으로써 정확한 물순환 해석을 할 수 있는 기반을 확보 하였으며, 가용한 장 단기간의 관측자료와 물수지 분석 연산식의 추정치를 바탕으로 관측자료에 의한 물수지 분석을 수행하였다. 분석 결과로 산지 소하천 유역인 설마천 시험유역의 각 수문요소의 물이동간의 정량적인 값을 알 수가 있었으며, 앞으로 추가적이고 지속적인 수문모니터링이 운영되고 물순환 해석 모형에 의한 검증이 수행된다면 정량적인 물순환 관계를 규명할 수 있을 뿐만 아니라 이와 관련된 수문요소기술을 확보할 수 있을 것이다.

• Economic and Environmental Geology
• /
• v.43 no.6
• /
• pp.615-623
• /
• 2010

Seismic refraction survey is a geophysical method that delineates subsurface velocity structure using direct wave and critically refracted wave. The generalized reciprocal method(GRM) is an inversion technique which uses travel-time data from several forward and reverse shots and which can provide the geometry of irregular inclined refractors and structures underlain by hidden layer such as low velocity zone and thin layer. In this study, a simple Excel-GRM routine was tested for fast mapping of the interface between weathering layer and bedrock during the survey, with employing a pair of forward and reverse shots. This routine was proved to control the maximum dip of approximately $30^{\circ}C$ and maximum velocity contrast of 0.6, based on the panel tests in terms of dipping angle and velocity contrast for the two-layer inclined models. In contrast with conventional operation of five to seven shots with sufficient offset distance and indoor data analysis thereafter, this routine was performed in the field shortly after data acquisition. Depth to the bedrock provided by Excel-GRM, during the field survey for Cheongju granite area, correlates well with the elevation of the surface of soft rock from the drill core and SPS logging data. This cost-effective routine developed for quickly delineating the bedrock surface in the field survey will be readily applicable to mapping of weathering zone in narrow zone with small variation of elevation of bedrock.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.195-195
• /
• 2019

최근 센싱 기술과 정보화의 영향으로 하천에서 발생하는 다양한 정보들이 디지털화되어 저장되고 있으며, 이를 효율적으로 저장하고 관리하고자 하는 연구가 수행되고 있다. 특히, 과거에는 점, 선, 면으로 구성된 자료 위주로 구성되어 있어 수집된 자료를 주제별로 관리하는 레이어 형식으로 저장하여 자료를 표출하기 위한 목적으로 설계되었지만, 최근에는 영상자료, 시계열자료 등 기존의 자료와 다른 비구조적 형태의 자료가 발생함에 따라 하천 네트워크를 기반으로 한 하천공간정보를 관계형 구조로 설계하고 있다. 하천의 경우, 각 하천공간정보가 가지는 고유의 값을 활용하여 인접한 하천 네트워크를 구성하는 하천의 중심선 혹은 최심선을 기준으로 하천공간정보들을 관계성을 부여한다. 하지만 이러한 관계성은 자료의 저장, 관리, 제공에는 유리한 측면이 있지만 기하학적인 고려가 없기 때문에 공간정보로서 활용하기에는 한계가 존재한다. 쉽게 설명하면, 1차원 점에 해당하는 공간좌표는 가장 가까운 하천 네트워크를 대상으로 관계성 부여가 가능하지만, 2차원 선과 3차원 면에 해당하는 도형을 대표하는 위치가 공간적으로 많기 때문이다. 본 연구에서는 하천 네트워크 기반 공간정보가 관계성을 부여하되 하천공간정보가 가지는 기하하적 구조를 반영하기 위해 하천 네트워크를 중심으로 한 곡선좌표계 부여 방법을 제시하고자 한다. 하천은 실제로 연속적으로 변화하며, 곡선으로 이루어져 있기 때문에 공간적으로 직교좌표계를 활용하기 보다는 곡선좌표계를 활용하는 것이 더 적합한 것으로 알려져 있다. 실제로 많은 수치해석 모형에서는 곡선좌표계를 고려하여 수치해석을 수행하고 있으며, 도로나 교통 분야의 공간정보에서도 공간적 고려를 위해 곡선좌표계를 활용하는 것으로 알려져 있다. 본 연구에서는 하천 중심선 혹은 최심선을 기준으로 흐름방향 거리를 S, 횡방향 거리를 N으로 설정하여 곡선좌표계를 정의하였으며, 직교좌표계와 곡선좌표계간의 좌표변환을 위해 이차원 변환방법인 투영변환을 활용하였다. 본 연구에서 제시된 방법을 활용할 경우, 하천 네트워크 기반 공간정보가 자료 간의 관계성을 유지하며, 기하하적 고려가 될 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1836-1840
• /
• 2010

최근 홍수범람해석에 대한 필요성이 점차적으로 증대되면서 다양한 해석모형과 프로그램들이 개발되었고 현재까지도 홍수범람분석에 관한 활발한 연구들이 이루어지고 있다. 하지만 다양한 홍수범람해석 Tool의 이해도 부족과 양질의 지형자료 부족으로 인한 실제 지형 구축시 상당한 수작업과 시간소요 등의 다양한 문제점을 내포하고 있어 실무 엔지니어들에게 널리 적용되는데 있어 걸림돌이 되고 있는 실정이다. 따라서 본 연구는 CAD를 기반으로 1차원 수리모형인 HEC-RAS를 자체 내에 통합함으로서 CAD환경에서 1차원 수리모형인 HEC-RAS 구동이 가능한 RiverCAD를 이용하여 실무적 요구빈도가 높은 중소규모 자연하천을 대상으로 홍수위 모의 후, 홍수범람도 작성 순의 홍수범람해석을 수행함으로서 CAD기반의 통합 해석 TOOL의 효율성과 적용성을 검토하였으며, 실무적 관점에서 하천과 관련한 각종 기본계획 및 지자체별 풍수해저감종합계획 등의 수립 시 많이 이용되는 수치지도를 활용하여 축척별로 제내지 지형의 DTM을 구성함으로서 홍수범람해석 결과를 비교 검토함으로서 계획의 목적과 범위에 따라 합리적인 결과를 도출 할 수 있는 수치지도의 축척을 제시하였다.

• Geophysics and Geophysical Exploration
• /
• v.24 no.3
• /
• pp.89-97
• /
• 2021

Fault detection in seismic data is well suited to the application of machine learning algorithms. Accordingly, various machine learning techniques are being developed. In recent studies, machine learning models, which utilize synthetic data, are the particular focus when training with deep learning. The use of synthetic training data has many advantages; Securing massive data for training becomes easy and generating exact fault labels is possible with the help of synthetic training data. To interpret real data with the model trained by synthetic data, the synthetic data used for training should be geologically realistic. In this study, we introduce a method to generate realistic synthetic seismic data. Initially, reflectivity models are generated to include realistic fault structures, and then, a one-way wave equation is applied to efficiently generate seismic stack sections. Next, a migration algorithm is used to remove diffraction artifacts and random noise is added to mimic actual field data. A convolutional neural network model based on the U-Net structure is used to verify the generated synthetic data set. From the results of the experiment, we confirm that realistic synthetic data effectively creates a deep learning model that can be applied to field data.