• 한국수자원학회논문집
• /
• 제47권5호
• /
• pp.469-482
• /
• 2014

본 연구에서는 지역특성(위도, 경도, 고도)과 기후학적 특성(연최대강우량)을 계층적 Bayesian 모형안에서 연계하여 공간적 분석이 가능한 지역빈도해석 모형을 개발하였다. 기존 지역빈도해석은 강수지점의 지리적/지형적 특성을 반영한 해석이 어려운 단점이 있으며, 지점을 기준으로 해석된 확률강수량을 유역면적강우량으로 변환 시 불확실성이 큰 단점이 있다. 이에 본 연구에서는 계층적 Bayesian 기법을 이용하여 지역특성 및 기후학적 특성이 고려된 Gumbel 확률분포형의 매개변수를 추정하였으며, 이들 매개변수들을 공간적으로 보간하여 한강유역내 모든 지점에 대해서 확률강수량을 추정할 수 있도록 하였다. 결과적으로 기존 L-모멘트 방법과 유사한 결과를 확인할 수 있었으며 확률강수량의 불확실성 정량화와 더불어 지리적/지형적 영향을 고려한 해석이 가능하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.373-373
• /
• 2012

위험도(risk)는 복잡성(complexity)과 불확실성(uncertainty)라는 2가지 주요 특징으로 인해 위험도를 정확하게 예측하는 것은 불가능하다. 대표적인 수공구조물인 댐이 각종 모니터링을 통해서 안전하다고 판단된다 하더라도 하류지역에 도시가 존재한다면 여전히 잔존위험도(residual risk)는 존재한다. 댐의 파괴가 일반적으로 발생하는 사상은 아니지만 대규모 인명피해, 재산 및 환경피해로 이어지기 때문에 작은 위험도라 할지라도 이에 대한 감시 및 관리가 필수적이다. 댐 위험도 분석을 위해서 Event Tree 또는 Fault Tree가 일반적인 해석 방법으로 이용되고 있으나 잠재적인 파괴모드에 대한 복잡성과 불확실성을 고려하는데 한계가 존재한다. 본 연구에서는 이러한 문제점을 개선하기 위해서 Bayesian Network 기반의 위험도 해석기법을 제안하고자 한다. 특히 수문학적 위험도와 관련된 분석을 위해서 Bayesian Network의 구성 방안, 매개변수 추정, 위험도 해석 등 기존 해석 방법을 개선한 댐 위험도 해석 기법을 개발하고자 하며 개발된 방법론을 국내 실제댐에 적용하여 적합성을 평가하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.35-35
• /
• 2016

수문학적 빈도해석은 일반적으로 단변량 형태에 해석이 주를 이루고 있으나, 최근 다변량 해석에 대한 이해와 더불어, 해석 기술 발달에 따라 빈도해석에서도 다변량 해석적 접근이 이루어지고 있다. 기존 다변량 해석 방법으로는 Copula방법 적용이 활발하게 이루어지고 있으며, 특히 가뭄해석에 있어 지속시간과 심도를 동시에 평가하는 2변량 가뭄빈도해석에 대한 연구가 다수 이루어지고 있다. 그러나 기존 해석 방법은 정상성 해석 모형으로서 기상변동성과 같은 시변동성을 고려하는데 한계가 있다. 이러한 점에서 본 연구에서는 Bayesian 기반 Copula 함수의 매개변수를 추정함과 동시에 매개변수의 불확실성을 평가할 수 있는 2변량 비정상성 빈도해석 모형을 개발하였다. 본 연구에서는 최근 우리나라와 미국에서 발생한 2013-15년 가뭄빈도에 대한 평가와 동시에 이에 따른 불확실성을 정량적으로 평가하는 연구를 진행하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.214-219
• /
• 2009

본 연구에서는 기후변동성 및 기후변화와 같은 외부충격을 극치수문사상 해석에 반영할 수 있는 비정상성 빈도해석 기법을 제안하고 서울지방 강수량에 대해서 검토를 실시하였다. 이러한 외부인자를 고려할 경우에 가장 큰 어려운 점은 극치분포의 매개변수를 효과적으로 추정하면서 동시에 불확실성을 정량화해야 한다는 점이다. 이러한 점에서 본 연구에서 제시한 Bayesian 방법은 상대적으로 우수한 해석 능력을 나타내고 있는 것으로 판단된다. 비정상성 빈도해석 기법을 서울지방 강수량에 선형경향성과 기후변화 영향을 고려하여 적용한 결과 현재에 비해 극치강수량에 발생 빈도가 크게 나타나는 특성을 보여주고 있다. 그러나 보다 신뢰성 있는 해석을 위해서 다양한 기상패턴 및 모형을 검토하는 것이 바람직 할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.225-225
• /
• 2022

수자원의 계획 및 설계에 활용되는 홍수량 산정 방법은 홍수량 빈도해석 방법과 강우-유출 모형에 의한 방법으로 구분된다. 홍수량 빈도해석에 의한 방법은 홍수량 자료를 직접 빈도해석 하여 확률홍수량을 산정하며 이론적으로 가장 정확한 방법으로 평가된다. 기존의 홍수량 해석은 자료의 제약으로 인하여 실측유량의 직접 빈도해석은 한계가 있었으나 과거부터 국가적으로 수문조사를 수행하여 10년 이상의 실측유량 자료를 확보할 수 있는 수준에 도달하였다. 본 연구는 수위-유량 관계 곡선식을 통하여 안정적으로 확보된 실측유량 자료를 활용하여 홍수량 빈도해석을 수행하였다. 홍수량 빈도해석을 위하여 Bayesian 기법을 적용하여 매개변수를 산정하고 빈도별 홍수량의 불확실성을 정량화하였다. 확률홍수량 산정 결과는 장기간의 강우량 자료를 적용하여 강우-유출모형으로 산정된 홍수량과 근접한 것을 확인하였다. 수문조사를 통하여 장기간의 실측유량 자료를 활용하여 다각적인 관점으로 수문해석을 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제49권5호
• /
• pp.411-422
• /
• 2016

우리나라는 수공구조물 설계할 때 강우빈도해석과 강우-유출 모형으로 홍수량을 산정하여 사용하고 있다. 그러나 강우자료의 확률분포 및 자료기간 등에 따른 매개변수 추정에 많은 불확실성이 존재하나 이를 고려한 해석은 이루어지지 않고 있다. 이러한 점에서 Gumbel 분포형과 확률가중 모멘트법을 기준으로 확률강우량의 신뢰구간을 평가함과 동시에 매개변수의 불확실성을 평가하는데 있어서 우수한 성능을 발휘하는 Bayesian방법을 도입하여 서울지역의 확률강우량의 불확실성을 정량적으로 평가하였다. 두 가지 방법의 비교결과 확률가중모멘트법의 신뢰구간이 Bayesian 방법의 불확실성 구간보다 전반적으로 크게 나타났다. 신뢰구간의 경우 정규분포를 따르기 때문에 좌우대칭의 형태를 갖는 반면에 Bayesian 방법의 불확실성은 Gumbel 분포로부터 유도되어, 보다 현실적인 불확실성 평가가 가능하였다. 자료의 구간 및 기간에 따른 확률강우량의 불확실성을 평가한 결과 자료에 증가에 따른 불확실성 감소를 확인할 수 있었으며, Bayesian 방법이 자료 증가에 따른 불확실성 범위 감소가 보다 뚜렷하게 나타나는 것을 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제46권1호
• /
• pp.13-24
• /
• 2013

본 연구에서는 계층적 Bayesian 기법을 이용한 새로운 지역빈도해석 모형을 개발하는데 목적이 있으며 이를 통해서 신뢰성 있는 매개변수를 추정과 동시에 지역빈도해석 절차의 불확실성 평가를 용이하게 접근할 수 있도록 하였다. 본 연구에서 제안되는 계층적 Bayesian 기반 지역빈도해석 모형(HBRFA)의 적합성을 평가하기 위해서 모의실험을 수행하였다. 즉, 10개의 모의 관측소를 대상으로 Monte-Carlo 모의를 통한 평가를 수행하였으며 전체적으로 HBRFA 모형이 기존 L-모멘트 방법에 비해 편의를 줄여주는 것으로 평가되었다. 특히 재현기간이 증가될수록 편의가 두드러지게 감소되는 것을 확인할 수 있었다. 전라북도의 6개 강우지점을 대상으로 HBRFA 모형과 기존 L-모멘트 기반 지역빈도해석 결과를 비교하였다. 계층적 Bayesian 모형의 특징을 평가하고자 매개변수의 Shrinkage 과정을 정량적으로 도출하여 제시하였으며 추정된 지역확률강수량이 기존 L-모멘트 기법과 유사한 결과를 갖는 것을 확인할 수 있었다. 더불어 빈도별 확률강수량의 불확실성을 정량적으로 제시할 수 장점을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제15권5호
• /
• pp.2603-2609
• /
• 2014

기계시스템의 신뢰성 해석을 위해서는 기계시스템에 성능을 미치는 변수의 확률 분포와 파라미터를 결정하는 통계적 모델링은 반드시 필요하다. 하지만, 신뢰성 해석에서 상당수의 변수는 상관관계가 있음에도 불구하고 독립변수로 취급되거나 실험데이터 수가 부족하다는 이유로 통계 모델에 대한 잘못된 가정을 하는 경우가 많다. 본 연구에서는 베이지안 방법을 이용하여 상관관계를 갖는 데이터의 결합분포함수를 copula를 이용하여 모델링함으로써 적은 수의 데이터로부터 정확한 입력모델을 산정하는 방법을 제안하였으며, 방법의 검증을 위해 다양한 상관계수와 데이터 수에 대해 통계 시뮬레이션을 수행하였다. 그 결과 Bayesian방법은 상관계수가 낮아 후보함수가 유사하거나 샘플수가 적어 정확한 모델을 산정하기 어려운 경우에도 후보 copula 중 실제 copula와 가장 근사한 후보 copula를 선정하였다. 이러한 근사 후보 copula는 신뢰성 해석결과 역시 실제 copula 함수를 이용한 신뢰성 해석 결과와 유사한 결과를 가짐을 확인할 수 있으므로 베이지안 방법은 신뢰성 해석을 위해 정확한 통계모델링을 제공함을 알 수 있다.