• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• 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.

• Journal of Korea Water Resources Association
• /
• v.48 no.10
• /
• pp.793-806
• /
• 2015

The simulation of natural streamflow at ungauged basins is one of the fundamental challenges in hydrology community. The key to runoff simulation in ungauged basins is generally involved with a reliable parameter estimation in a rainfall-runoff model. However, the parameter estimation of the rainfall-runoff model is a complex issue due to an insufficient hydrologic data. This study aims to regionalize the parameters of a continuous rainfall-runoff model in conjunction with a Bayesian statistical technique to consider uncertainty more precisely associated with the parameters. First, this study employed Bayesian Markov Chain Monte Carlo scheme for the estimation of the Sacramento rainfall-runoff model. The Sacramento model is calibrated against observed daily runoff data, and finally, the posterior density function of the parameters is derived. Second, we applied a multiple linear regression model to the set of the parameters with watershed characteristics, to obtain a functional relationship between pairs of variables. The proposed model was also validated with gauged watersheds in accordance with the efficiency criteria such as the Nash-Sutcliffe efficiency, index of agreement and the coefficient of correlation.

• Journal of the Korean Geographical Society
• /
• v.48 no.6
• /
• pp.978-993
• /
• 2013

It can be advantage as well as disadvantage to use the spatial weight matrix in a spatial regression model; it would benefit from explicitly quantifying spatial relationships between geographical units, but necessarily involve subjective judgment while specifying the matrix. We took Incheon City as a study area and investigated how the fitness of a spatial regression model changed by constructing various spatial weight matrices. In addition, we explored neighborhood segmentation in the study area and analyzed any influence of it on the model adequacy of two basic spatial regression models, i.e., spatial lagged and spatial error models. The results showed that it can help to improve the adequacy of models to specify the spatial weight matrix strictly, that is, interpreting the neighborhood as small as possible when estimating land price. It was also found that the spatial error model would be preferred in the area with serious spatial heterogeneity. In such area, we found that its spatial heterogeneity can be alleviated by delineating sub-neighborhoods, and as a result, the spatial lagged model would be preferred over the spatial error model.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1133-1146
• /
• 2016

Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.224-224
• /
• 2017

지구온난화로 인한 기후변화 등으로 안전한 하천구조물을 설계하기 위해서는 신뢰할 수 있는 홍수량 산정이 필요하다. 신뢰할 수 있는 홍수량 산정을 위해서는 정도 높은 과거 수문자료가 필요하나 국내의 많은 중소 규모유역이 미계측 유역 또는 과거 수문자료 부족으로 신뢰 할 수 있는 홍수량 산정이 어려운 실정이다. 본 연구에서는 미계측 유역의 홍수량 산정을 위하여 확률분포모형(PDM)의 매개변수 지역화를 수행하였다. 매개변수 지역화 연구를 수행하기 위하여, 금강 25개 유역을 대상으로 유역별 9~18개의 단기홍수수문사상을 선정하였다. 선정된 단기홍수수문사상을 확률분포모형에 적용하기위하여, MCAT (Monte Carlo Analysis Toolbox)을 활용하여 검정 및 검증을 수행하였으며, 목적함수는 수문곡선 모든 구간을 반영하는 NSE (Nash Sutcliffe Efficiency)와 고유량 부분을 반영하는 RMSE (Root Mean Squared Error) - FH를 적용하였다. 각각의 목적함수에 대하여 검정 모형 매개변수와 유역 특성인자의 다중 선형회귀식을 강우유출모형 매개변수 지역화 모형으로 제시하였다. 매개변수 지역화 결과의 평가를 위하여 청주 유역을 미계측 유역으로 가정하였다. 청주 유역에 대하여 지역화 매개변수를 적용한 결과, 17개의 사상 중 11개의 사상에서 NSE 목적함수 값이 0.5이상으로 전체적인 수문곡선의 경향성을 보였으며, 첨두 홍수량은 17개 사상 중 11개 사상에서 관측 첨두 홍수량 값의 20%이내를 제시하여 적합한 결과를 제시하였다. 또한 금강 25개 유역에 Jackknife 방법으로 검정 결과 관측 첨두 홍수량 값 20%이내의 성능을 보이는 사상이 56%를 포함하고 있어 의미있는 지역화 모형을 제시하였다고 판단된다. 본 연구에서 제시한 매개변수 지역화 방법은 미계측 유역의 유출모의에 활용될 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1164-1168
• /
• 2010

수자원이 우리 생활의 전반적으로 중요한 역할을 차지하면서 댐의 효율적인 운영과 안정적인 용수공급에 대한 연구는 지속적으로 수행되어지고 있다. 1990년대 이후 비선형적인 특성을 잘 모의하는 장점을 가진 인공신경망(ANN)을 이용하여 유입량 예측에 대한 많은 연구가 수행되었다. 하지만 ANN 모형을 포함한 회귀모형은 월 강우 및 유입량의 예측에 대해 간편하게 사용을 할 수 있지만, 예측의 정확성에 한계를 가지고 있다. 본 연구에서는 ANN 모형과 회귀모형의 예측오차를 후처리 과정을 통하여 오차를 줄임으로써 예측모형의 성과를 향상시키는 방법을 제안하였다. 연구지역은 금강수계의 대청댐 유역으로, 1982년 9월부터 2005년 12월에 해당하는 유역 내 11개 지점의 강우관측소에서 관측한 월 강우와 댐 유입량을 수집하여 모형을 구축하였다. 강우량과 유입량 자료에 대해 자기상관함수와 교차상관함수를 이용하여 입력변수를 결정하였고, 정규화를 통한 전처리 과정을 거쳐 ANN 모형과 회귀모형을 이용한 예측모형을 구축하였으며, 예측성과의 향상을 위하여 군집 분석을 이용하여 오차를 재조정하였다. 이러한 오차 후처리 과정을 포함한 모형은 RMSE와 상관계수를 이용하여 비교 평가한 결과, 예측성과를 약 40% 정도 향상시켰다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.39-39
• /
• 2020

Low-flow 하천에서의 최저수위를 나타내는 지표이다. 일반적으로 유황곡선의 갈수량(Q355)를 대표적으로 사용한다. Low-flow는 물 공급 관리 및 계획, 관개용수, 생태계등 다양한 분야에 영향을 미친다. 이러한 Low-flow를 산정하기 위해서는 충분한 기간의 유량자료가 필요하다. 하지만 국토의 70%가 산지지형으로 구성되어 있는 우리나라의 경우 국가하천과 1급하천을 제외한 산지유역은 수위관측소가 부재하거나 결측으로 인해 자료가 충분하지 않아 Low-flow분석에 한계가 있다. 이에 과거에는 미계측지역의 갈수량을 예측하기 위해서 다중회귀분석, ARIMA 모형 등 다양한 기법을 사용하였지만, 최근들어 머신러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 새로운 패러다임에 맞는 머신러닝 기법인 DNN기법을 사용하고자 한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 머신러닝 기법인 DNN기법을 통해 미계측지역에 적용 가능한 지역화 Low-flow indices를 산정하고자 한다. 먼저, Low-flow에 영향을 미치는 인자들을 수집하고 인자들간의 상관분석, 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 또한 기존의 갈수량 예측기법인 다중회귀분석 결과와 비교하여 머신러닝 기법의 효용성을 검토하였다.

• Journal of Korean Society of Forest Science
• /
• v.90 no.1
• /
• pp.133-138
• /
• 2001

Increased base cation loss and Al mobilization, a consequence of soil acid neutralization responses, are common in air polluted areas showing forest decline. The prediction models of acid neutralization responses were developed by using indicators of soil acidification level(pH, and base saturation) in order to assess the forest soil sensitivity to acidification. The soil acidification level was greatest in Namsan followed by Kanghwa, Ulsan, and Hongcheon, being contrary to regional total $ANC_H$ pattern through soil columns leached with additional acid ($16.7mmol_c\;H^+/kg$), Both base exchange and Al dissolution were main acid neutralization processes in all study regions. There were low base exchange and high Al dissolution in the regions of the low total $ANC_H$. The $ANC_M$ by sulfate adsorption was greatest in Hongcheon compared with other regions even though the AN rate was very low as 6.4%. Coefficients of adjusted determination of simple and multiple regression models between soil acidification level indicators and the acid neutralization responses were more than 0.52(p<0.04) and 0.89(p<0.01), respectively. The result suggests that soil pH and base saturation are available indicators for predicting the acid neutralization responses. These prediction models could be used as an useful method to measure forest soil sensitivity to acidification.