• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.222-222
• /
• 2021

도시 내 하천 친수공간은 레저 및 여가를 위한 공간과 더불어 자연경관 및 생태체험 등의 다목적으로 활용되어 지역사회에 있어 중요한 공간으로 활용되고 있다. 과거 4대강 사업으로 국가하천 내 휴식공간을 조성하였다. 그 후 친수지구 중에서 이용도가 저조한 곳을 해제하였으며, 현재 297개의 친수지구를 중점으로 관리하고 있다. 이러한 친수지구를 유지하는데 필요한 보수 비용들을 지자체에서 담당하고 있으나, 상당한 비용이 소요되므로 친수지구 지정 후 운영단계에서 지역 주민들의 특성 및 요구를 정확히 파악할 필요가 있다. 하천 친수공간에 대한 정보구축은 조사원 조사, 유지관리 기관 조사 등 인적 조사 방식을 통한 데이터 수집으로 많은 비용이 필요할 뿐만아니라 DB 갱신 부분에도 한계가 있다. 그러므로 본 연구에서는 RS/GIS를 기반으로 친수시설에 대한 정보맵 작성 방안 연구와 친수시설 뿐만 아니라 유역조사 시 하천공간에서 수행할 수 있는 기술에 대한 연구를 수행하였다. 연구대상지역은 대저생태공원과 삼락생태공원을 대상으로 선정하였다. 해당 지역 항공영상의 정합 및 전처리를 실시한 후 QGIS를 활용하여 LSMS(Large-Scale Mean Shift) 기법으로 시설물 분류를 실시하였다. 공원 내 친수시설 분류를 위해 공간 반경(Spatial radius)를 10 ~ 25까지 변화시키면서 최적 분류 결과를 도출하는 공간 반경을 찾았으며 친수시설 규모와 시설의 특성에 따라 공간 반경을 조절하여 친수시설 분류맵을 작성하였다. 친수지구 내 친수시설 분류맵과 친수지구 내 친수시설 현황 및 친수시설별 코드와, 위치정보(위도, 경도 및 표고), 면적 및 관리현황으로 분류하여 입력 할 수 있도록 하였다. 본 연구에서 구축한 친수시설 자동분류 알고리즘을 통해 전국 단위 통합 하천관리체계 구축 및 친수시설에 대한 정보맵을 작성할 수 있는 기반 마련이 가능할 것이다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.43 no.1
• /
• pp.99-107
• /
• 2023

Recently, the rate of death and safety accidents at construction sites is the highest among all kinds of industries. In order to apply artificial intelligence technology to construction sites, it is essential to secure a dataset which can be used as a basic training data. In this paper, a number of image data were collected through actual construction site, for which major construction equipment objects mainly operated in civil engineering sites were defined. The optimal training dataset construction was completed by annotation process of about 90,000 image dataset. Reliability of the dataset was verified with the mAP of over 90 % in use of YOLO, a representative model in the field of object detection. The construction equipment training dataset built in this study has been released which is currently available on the public data portal of the Ministry of Public Administration and Security. This dataset is expected to be freely used for any application of object detection technology on construction sites especially in the field of construction safety in the future.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.27 no.2
• /
• pp.50-57
• /
• 2023

Autonomous driving technologies have been gradually improved for road traffic owing to the development of artificial intelligence. Since the truck platooning is beneficial in terms of the associated transporting expenses, the Connected-Automated Vehicle technology is rapidly evolving. The structural performance is, however, rarely investigated to capture the effect of truck platooning on civil infrastructures.In this study, the dynamic behavior of bridges under truck platooning was investigated, and the amplification factor of responses was estimated considering several parameters associated with the driving conditions. Artificial intelligence techniques were used to estimate the maximum response of the mid span of a bridge as the platooning vehicles passing, and the importance of the parameters was evaluated. The most suitable algorithm was selected by evaluating the consistency of the estimated displacement.

• Membrane Journal
• /
• v.33 no.1
• /
• pp.34-45
• /
• 2023

Two computational intelligence techniques namely artificial neural networks (ANN) and support vector machine (SVM) are employed to model the permeate flux based on seven input variables including time, transmembrane pressure, rotating velocity, the pore diameter of the membrane, dynamic viscosity, concentration and density of the feed fluid. The best-fit model was selected through the trial-error method and the two statistical parameters including the coefficient of determination (R²) and the average absolute relative deviation (AARD) between the experimental and predicted data. The obtained results reveal that the optimized ANN model can predict the permeate flux with R² = 0.999 and AARD% = 2.245 versus the SVM model with R² = 0.996 and AARD% = 4.09. Thus, the ANN model is found to predict the permeate flux with high accuracy in comparison to the SVM approach.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.26 no.3B
• /
• pp.291-300
• /
• 2006

In this study a statistical water quality monitoring network design of Kyung-An stream is proposed. Water quality data for the design is obtained by QUAL2E model simulation. The observed monthly average water quality data from March to November in Kyung-An stream has been applied to this study. HEC-RAS model is also used for QUAL2E hydrauric parameter estimation. Before QUAL2E water quality parameter estimation, FORA is performed to reduce the number of parameters to be estimated, and then water quality parameters are calibrated with a observed monthly average data. Using these simulated water quality data, the number of gage station and its location are estimated by kriging theory and branch & boundary method. Such a network design is based on two case; average flow and low flow case, respectively. Next, proportional sampling method is applied to estimate the sampling frequency.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.457-457
• /
• 2022

최근 기후변화로 인한 위기가 인류의 생존을 위협하면서 전 지구적으로 기후변화에 대응하기 위한 탄소 중립 대책을 모색하고 있으며, 지속가능한 신재생에너지에 대해 주목하고 있다. 산업통상자원부는 2034년까지 총 발전량 중 신재생에너지의 비율을 25.8%까지 증가시키는 것을 목표로 신재생에너지의 발전 비율을 증가시키기 위한 다양한 노력을 기울이고 있다. 특히, 신재생에너지 중 가장 많은 비중을 차지하고 있는 태양광 발전은 비교적 광범위한 부지를 필요로 하고 있으며, 환경 및 지형적 영향이 크게 작용하는 만큼 발전 시설 부지 선정 및 운용 계획을 위한 면밀한 분석이 필수적이다. 그러나, 태양광 발전 활용 계획을 수립하기 위해 고려할 수 있는 지상 관측 일사량 및 일조량 데이터는 상당히 제한적이며 관측 밀도가 조밀하지 않다는 한계점이 있다. 본 연구에서는 천리안위성의 후속으로 발사된 천리안2위성의 산출물인 일사량 데이터를 활용하여 한반도 영역에서의 일사량에 대한 시·공간적 분석을 수행하였으며, 이를 기반으로 각 지역적 특성을 파악하고, 토지 피복 유형에 따른 태양광 발전의 효율 정도를 분석·평가하였다. 본 연구의 결과는 계측 지역 및 미계측 지역에서의 시공간적인 태양광 에너지의 효율성에 대한 정보를 제공함에 따라 태양광 발전을 위한 관련 시설물들의 최적 설치 위치 및 규모 등에 대한 설계 기준 마련에 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.43-43
• /
• 2022

유해 조류 대발생은 전국 각지의 인공호소나 하천에서 다발적으로 발생하며, 경관을 해치고 수질을 오염시키는 등 수자원에 부정적인 영향을 미친다. 본 연구에서는 인공호소에서 발생하는 유해 조류 대발생을 예측하기 위해 심층학습 기법을 이용하여 예측 모델을 개발하고자 하였다. 대상 지점은 대청호의 추동 지점으로 선정하였다. 대청호는 금강유역 중류에 위치한 댐으로, 약 150만명에 달하는 급수 인구수를 유지 중이기에 유해 남조 대발생 관리가 매우 중요한 장소이다. 학습용 데이터 구축은 대청호의 2011년 1월부터 2019년 12월까지 측정된 수질, 기상, 수문 자료를 입력 자료를 이용하였다. 수질 예측 모델의 구조는 다중 레이어 퍼셉트론(Multiple Layer Perceptron; MLP)으로, 입력과 한 개 이상의 은닉층, 그리고 출력층으로 구성된 인공신경망이다. 본 연구에서는 인공신경망의 은닉층 개수(1~3개)와 각각의 레이어에 적용되는 은닉 노드 개수(11~30개), 활성함수 5종(Linear, sigmoid, hyperbolic tangent, Rectified Linear Unit, Exponential Linear Unit)을 각각 하이퍼파라미터로 정하고, 모델의 성능을 최대로 발휘할 수 있는 조건을 찾고자 하였다. 하이퍼파라미터 최적화 도구는 Tensorflow에서 배포하는 Keras Tuner를 사용하였다. 모델은 총 3000 학습 epoch 가 진행되는 동안 최적의 가중치를 계산하도록 설계하였고, 이 결과를 매 반복마다 저장장치에 기록하였다. 모델 성능의 타당성은 예측과 실측 데이터 간의 상관관계를 R2, NSE, RMSE를 통해 산출하여 검증하였다. 모델 최적화 결과, 적합한 하이퍼파라미터는 최적화 횟수 총 300회에서 256 번째 반복 결과인 은닉층 개수 3개, 은닉 노드 수 각각 25개, 22개, 14개가 가장 적합하였고, 이에 따른 활성함수는 ELU, ReLU, Hyperbolic tangent, Linear 순서대로 사용되었다. 최적화된 하이퍼파라미터를 이용하여 모델 학습 및 검증을 수행한 결과, R2는 학습 0.68, 검증 0.61이었고 NSE는 학습 0.85, 검증 0.81, RMSE는 학습 0.82, 검증 0.92로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.62-62
• /
• 2022

홍수 예보를 위한 강우-유출 분석에서 정확한 예측 강우량 정보는 매우 중요한 인자이다. 이에 따라 강우 예측을 위하여 다양한 연구들이 수행되고 있지만 시·공간적으로 비균일한 특성 또는 변동성을 가진 강우를 정확하게 예측하는 것은 여전히 난제이다. 본 연구에서는 딥러닝 기반 ConvLSTM (Convolutinal Long Short-Term Memory) 모형을 사용하여 위성 강수 자료의 단기 예측을 수행하고 그 정확성을 분석하고자 한다. 대상유역은 메콩강 유역이며, 유역 면적이 넓고 강우 관측소의 밀도가 낮아 시·공간적 강우량 추정에 한계가 있으므로 정확한 강우-유출 분석을 위하여 위성 강수 자료의 활용이 요구된다. 현재 TRMM, GSMaP, PERSIANN 등 많은 위성 강수 자료들이 제공되고 있으며, 우선적으로 ConvLSTM 모형의 강수 예측 활용가능성 평가를 위한 입력자료로 가장 보편적으로 활용되는 TRMM_3B42 자료를 선정하였다. 해당 자료의 특성으로 공간해상도는 0.25°, 시간해상도는 일자료이며, 2001년부터 2015년의 자료를 수집하였다. 모형의 평가를 위하여 2001년부터 2013년 자료는 학습, 2014년 자료는 검증, 2015년 자료는 예측에 사용하였다. 또한 민감도 분석을 통하여 ConvLSTM 모형의 최적 매개변수를 추정하고 이를 기반으로 선행시간(lead time) 1일, 2일, 3일의 위성 강수 예측을 수행하였다. 그 결과 선행시간이 길어질수록 그 오차는 증가하지만, 전반적으로 3가지 선행시간 모두 자료의 강수량뿐만 아니라 공간적 분포까지 우수하게 예측되었다. 따라서 2차원 시계열 자료의 특성을 기억하고 이를 예측에 반영할 수 있는 ConvLSTM 모형은 메콩강과 같은 미계측 대유역에서의 안정적인 예측 강수량 정보를 제공할 수 있으며 홍수 예보를 위한 강우-유출 분석에 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.183-183
• /
• 2022

최근 몇 년 동안 기후변화에 대응하기 위한 탄소중립 혹은 저탄소 운영의 중요성이 강조되어왔다. 상수도 관망은 직접적인 탄소 배출 시설물은 아니지만, 상수도 관망의 운영 그리고 구성요소의 제조부터 폐기까지의 전 생애주기 동안 막대한 양의 에너지를 사용하는데, 이러한 에너지의사용이 탄소 배출에 간접적인 영향을 주는 것으로 알려져 있다. 특히 수자원공사에 따르면, '17년 기준 수도사업 관련 전기 사용에 따른 간접 배출이 70만tCO2eq에 이르는 것으로 보고되고 있어, 에너지의 효율적인 운영 및 자산관리 체계의 필요성이 커지고 있는 실정이다. 상수도 관망의 에너지 효율에 영향을 주는 요인은 크게 구성요소의 노후와 누수로 구분할 수 있다. 본 연구에서는 상수도 관망 관로 별 노후와 누수 여부를 판단하여 교체 전략을 수립할 수 있는 자산관리 모형을 제안하고 관로별 에너지 효율을 시각화하여 전반적인 자산관리에 근거를 제시하고자 한다. 모형은 최적화 기법을 통한 관로별 기능적 노후도 산정 및 누수 탐지, 관만 내 누수 지역화, 에너지 효율 시각화 등 총 3개의 모듈로 구성되어 있다. 제안한 모형은 고도의 차이가 큰 국내 D시 가상 관망에 적용하였다. 해당 관망에 다양한 관로의 노후 및 누수 상황을 가정하여 가상의 데이터를 생성하고 이를 토대로 관로별 기능적 노후와 누수 조건을 고려하여 해당 모형을 검증한다. 또한, 노후와 누수에 따른 가상 상황별 관로의 자산관리 의사결정 예시를 제공하여 향후 모형의 활용에 대한 가이드 라인을 제시한다. 마지막으로 관망 내 설치된 감압밸브를 터빈으로 전환하여 관망 운영 단계에서 무의미하게 소산되는 열에너지를 회수하는 방안을 검증하였다. 최적화 기법을 통해 비용 대비 최적 터빈 설치 지역을 선정하였고 향후 터빈 설치에 고려해야 할 사항을 정리한다. 본 연구에서의 결과는 향후 종합적인 저탄소형 상수도 관망을 위한 초석을 제공할 것으로 기대한다.