• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.448-448
• /
• 2021

최근 급격한 기후변화와 도시화 및 산업화로 인한 지류하천에서의 수량과 수질의 변동은 생물 다양성 감소와 수생태계 건강성 저하에 큰 영향을 미치고 있다. 효율적인 수생태 관리를 위해서는 지속적인 유량, 수질, 그리고 수생태 모니터링을 통한 데이터 축적과 더불어 면밀한 상관 분석을 통해 수생태계 건강성의 악화 원인을 규명해야 할 필요가 있다. 그러나 수많은 지류하천을 대상으로 한 지속적인 모니터링은 현실적으로 어려움이 있으며, 수생태계의 특성 상 단일 영향 인자만으로 수생태계의 건강성 변화와의 관계를 정확히 파악하는데 한계가 있다. 따라서 지류하천에서의 유량 및 수질의 시공간적인 변동성과 다양한 영향 인자를 고려하여 수생태계의 건강성을 효율적으로 예측할 수 있는 기술이 필요하다. 이에 본 연구에서는 경험적 데이터 기반의 머신러닝 모델 구축을 통해 미계측 하천에서의 수생태계 건강성 지수(BMI, TDI, FAI)의 등급(A to E)을 예측하고자 하였다. 머신러닝 모델은 학습 데이터셋의 양과 질에 따라 성능이 크게 달라질 수 있으며, 학습 데이터셋의 분포가 불균형적일 경우 과적합 또는 과소적합 문제가 발생할 수 있다. 이를 보완하고자 본 연구에서는 실제 측정망 데이터셋을 바탕으로 생성적 적대 신경망 GAN(Generative Adversarial Network) 알고리즘을 통해 머신러닝 모델 학습에 필요한 추가 데이터셋(유량, 수질, 기상, 수생태 등급)을 확보하였다. 머신러닝 모델의 성능은 5차 교차검증 과정을 통해 평가하였으며, GAN 데이터셋의 정확도는 실제 측정망 데이터셋의 정규분포와의 비교 분석을 통해 평가하였다. 최종적으로 SWAT(Soil and Water Assessment Tool) 모형을 통해 예측 된 미계측 하천에서의 데이터셋을 머신러닝 모델의 검증 자료로 사용하여 수생태계 건강성 등급 예측 정확도를 평가하였다. 본 연구에서의 GAN에 의해 강화된 머신러닝 모델은 수질 및 수생태 관리가 필요한 우심 지류하천 선정과 구조적/비구조적 최적관리기법에 따른 수생태계 건강성 개선 효과를 평가하는데 활용될 수 있을 것이다. 또한 이를 통해 예측된 미계측 하천에서의 수생태계 건강성 등급 자료는 수량-수질-수생태를 유기적으로 연계한 통합 물관리 정책을 수립하는데 기초자료로 활용될 수 있을 것이라 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1148-1153
• /
• 2005

하수관거는 국민의 정맥이라고 할 수 있을 정도로 도시의 환경관리와 치수, 쾌적한 환경조성에 있어서 매우 중요한 시설이며 그 규모가 광범위하고 복잡한 네트워크로 구성되어 있다. 이러한 하수관망을 통해 이송되는 물은 지저분하고 냄새가 심하기 때문에 지하에 관의 형태로 대부분 시공되어 왔으며, 상수관망처럼 압력관이 아니라 대부분 중력에 의한 이송방식을 채택하고 있어 문제 발생 시 원인파악과 대처를 힘들게 하는 요인을 가지고 있다. 특히 하수관거의 관리 소홀은 곧바로 토양오염과 인근 환경오염으로 직결되며 장기적으로는 상수를 오염시키는 요인으로 작용하므로 체계적인 방법과 장기적인 안목을 가지고 명확한 분석을 시행할 수 있는 시스템을 가지고 최적으로 유지관리 되어야 한다. 최근 들어 이러한 하수도 시설을 효율적으로 관리 및 개선하기 위해 대도시를 중심으로 근거 조사와 정비 사업이 활발히 시행되고 있다. 그러나, 사업효과를 검증하거나 관로의 유지관리를 위하여 국내 실정에 맞지 않는 외국하수관망 흐름 해석 프로그램을 그대로 사용하고 있고 정확한 해석이 이루어지지 않고 있어 효율적인 유지관리가 어렵다. 이와 같은 문제점을 해결하기 위하여 하수관망해석이나 하수관망 정비시 필요한 불명수산정이 가능하고 국내실정에 맞는 프로그램 개발이 시급한 실정이며, 아울러 프로그램을 효율적 운영하고 관리하는 제어관리 기술을 개발, 진행하고 있다. 본 논문에서는 개발된 프로그램의 부정류 해석 기능을 활용하여 대상구역의 해석을 실시하여 기존분석방법의 I/I결과와 비교하였으며 최적관리를 위한 방안을 제시하였다.준편차가 증가하고 있음을 알 수 있다. 본 연구에서는 상용 CFD모형인 FLOW-3D를 계획 중인 하수처리장의 침전지 유입부 설계에 적용하였으며 저류벽의 위치와 폭, 유공정류벽의 유공율에 따른 유입하수의 분배효과를 분석하였다. 실험을 수행하여 보다 정밀한 공식으로 개선할 수 있었다.$10,924m^3/s$ 및 $10,075m^3/s$로서 실험 I의 $2,757m^3/s$에 비해 통수능이 많이 개선되었음을 알 수 있다.함을 알 수 있다. 상수관로 설계 기준에서는 관로내 수압을 $1.5\~4.0kg/cm^2$으로 나타내고 있는데 $6kg/cm^2$보다 과수압을 나타내는 경우가 $100\%$로 밸브를 개방하였을 때보다 $60\%,\;80\%$ 개방하였을 때가 더 빈번히 발생하고 있으므로 대상지역의 밸브 개폐는 $100\%$ 개방하는 것이 선계기준에 적합한 것으로 나타났다. 밸브 개폐에 따른 수압 변화를 모의한 결과 밸브 개폐도를 적절히 유지하여 필요수량의 확보 및 누수방지대책에 활용할 수 있을 것으로 판단된다.8R(mm)(r^2=0.84)$로 지수적으로 증가하는 경향을 나타내었다. 유거수량은 토성별로 양토를 1.0으로 기준할 때 사양토가 0.86으로 가장 작았고, 식양토 1.09, 식토 1.15로 평가되어 침투수에 비해 토성별 차이가 크게 나타났다. 이는 토성이 세립질일 수록 유거수의 저항이 작기 때문으로 생각된다. 경사에 따라서는

• Journal of Korea Water Resources Association
• /
• v.55 no.12
• /
• pp.1137-1147
• /
• 2022

River and groundwater stages are the main elements in the hydrologic cycle. They are spatially correlated and can be used to evaluate hydrological and agricultural drought. Stochastic simulation is often performed independently on hydrological variables that are spatiotemporally correlated. In this setting, interdependency across mutual variables may not be maintained. This study proposes the Bayesian vector autoregression model (VAR) to capture the interdependency between multiple variables over time. VAR models systematically consider the lagged stages of each variable and the lagged values of the other variables. Further, an autoregressive model (AR) was built and compared with the VAR model. It was confirmed that the VAR model was more effective in reproducing observed interdependency (or cross-correlation) between river and ground stages, while the AR generally underestimated that of the observed.