• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2001년도 학술발표회 논문집(I)
• /
• pp.45-51
• /
• 2001

The daily inflow is apparently one of nonlinear and complicated phenomena. The nonlinear and complexity make it difficult to model the prediction of daily flow, but attractive to try the neural networks approach which contains inherently nonlinear schemes. The study focuses on developing the forecasting models of daily inflows to a large dam site using neural networks. In order to reduce the error caused by high or low outliers, the back propagation algorithm which is one of neural network structures is modified by combining a regression algorithm. The study indicates that continuous forecasting of a reservoir inflow in real time is possible through the use of modified neural network models. The positive effect of the modification using tole regression scheme in BP algorithm is showed in the low and high ends of inflows.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1217-1227
• /
• 2018

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

• 한국수자원학회논문집
• /
• 제49권5호
• /
• pp.361-372
• /
• 2016

신뢰성 있는 댐유입량의 장기예측은 효율적인 댐운영에 필수적이다. 2000년대 이후 엘리뇨-남방진동(ENSO) 등의 전구기후지수와 지역수문기후와의 원격상관성이 규명되면서, 이를 활용한 미래의 수문조건을 예측하기 위한 연구가 활발히 시도되고 있다. 본 연구에서는 안동댐유역을 대상으로 미국 NOAA에서 제공하는 40개 전구기후지수의 원격상관을 분석하고, 이를 기반으로 1개월 선행 댐유입량의 예측성능 및 활용성을 평가하였다. 본 연구에서는 1) 원격상관을 통해 강수와 기온을 예측하고 SWAT 모델을 이용하여 예측 댐유입량을 산정하는 방법(SWAT-Forecasted), 직접 댐유입량을 예측하는 기법(CIR-Forecasted), 예측시점의 관측값이 과거자료에서 해당하는 순위(rank)에 근거한 방법(Rank-Observed)을 비교하였다. 결과적으로 통계적 방법으로 댐유입량을 직접 예측하는 접근 방식(CIR-Forecasted)이 12월을 제외하고는 다른 방법에 비해 우수한 예측성을 보였다. 이것은 강수량 및 기온 예측정보를 일단위로 상세화하는 가정과 유출모델링과정에서 발생하는 불확실성이 예측결과에 포함되지 않기 때문인 것으로 판단된다. 본 연구결과는 원격상관기반의 1개월 선행 댐유입량 예측이 안동댐 운영에 유용한 정보를 제공할 수 있는 것을 시사하였다.

• 대한토목학회논문집
• /
• 제43권6호
• /
• pp.763-774
• /
• 2023

도시 하류의 가용수량과 관련된 생활용수 회귀수량은 아직까지 정확한 회귀수량 파악이 어려운 상황이다. 본 연구에서는 생활용수 물순환시스템을 면(面)적 개념으로 물 유입, 물 전달, 물 유출 단계로 정의하였다. 대상지는 전라남도 함평군 일대로 선정했으며 물순환계통도 작성 및 완전·불완전 계측지점의 분류를 통해 단일 유입~단일 유출지점으로 설정하였다. 총 6년(2017년 1월 1일~2022년 12월 31일)간 일단위의 유입량·유출량 자료로 시계열예측모형(ARIMA 모형, 전이함수모형)을 구축하였고 학습기간과 검증기간으로 분리하여 유입량·유출량을 예측하였다. 그 결과, 두 모형 모두 안정적인 잔차와 통계적 유의성 확보로 단기 예측 실현 가능성을 보여 초기 단계의 물순환시스템을 구현하였다. 향후에는 불완전 계측지점, 미계측지점, 기상조건을 추가하고 최적의 모형을 선정하여 대상 유역의 실제 회귀량을 예측하고 효율적인 물 운영이 가능하길 기대해본다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.205-205
• /
• 2021

Surface soil moisture, which governs the partitioning of precipitation into infiltration and runoff, plays an important role in the hydrological cycle. The assimilation of satellite soil moisture retrievals into a land surface model or hydrological model has been shown to improve the predictive skill of hydrological variables. This study aims to improve streamflow prediction with Weather Research and Forecasting model-Hydrological modeling system (WRF-Hydro) by assimilating Soil Moisture Active and Passive (SMAP) data at 3 km and analyze its impacts on hydrological components. We applied Cumulative Distribution Function (CDF) technique to remove the bias of SMAP data and assimilate SMAP data (April to July 2015-2019) into WRF-Hydro by using an Ensemble Kalman Filter (EnKF) with a total 12 ensembles. Daily inflow and soil moisture estimates of major dams (Soyanggang, Chungju, Sumjin dam) of South Korea were evaluated. We investigated how hydrologic variables such as runoff, evaporation and soil moisture were better simulated with the data assimilation than without the data assimilation. The result shows that the correlation coefficient of topsoil moisture can be improved, however a change of dam inflow was not outstanding. It may attribute to the fact that soil moisture memory and the respective memory of runoff play on different time scales. These findings demonstrate that the assimilation of satellite soil moisture retrievals can improve the predictive skill of hydrological variables for a better understanding of the water cycle.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.358-358
• /
• 2023

본 연구에서는 그동안 수자원분야 강우유출 해석분야에 활용되었던 대표적인 머신러닝&딥러닝(ML&DL) 모델을 활용하여 모델의 하이퍼파라미터 튜닝뿐만 아니라 모델의 특성을 고려한 기상 및 수문데이터의 조합과 전처리(lag-time, 이동평균 등)를 통하여 데이터 특성과 ML&DL모델의 조합시나리오에 따른 일 유입량 예측성능을 비교 검토하는 연구를 수행하였다. 이를 위해 소양강댐 유역을 대상으로 1974년에서 2021년까지 축적된 기상 및 수문데이터를 활용하여 1) 강우, 2) 유입량, 3) 기상자료를 주요 영향변수(독립변수)로 고려하고, 이에 a) 지체시간(lag-time), b) 이동평균, c) 유입량의 성분분리조건을 적용하여 총 36가지 시나리오 조합을 ML&DL의 입력자료로 활용하였다. ML&DL 모델은 1) Linear Regression(LR), 2) Lasso, 3) Ridge, 4) SVR(Support Vector Regression), 5) Random Forest(RF), 6) LGBM(Light Gradient Boosting Model), 7) XGBoost의 7가지 ML방법과 8) LSTM(Long Short-Term Memory models), 9) TCN(Temporal Convolutional Network), 10) LSTM-TCN의 3가지 DL 방법, 총 10가지 ML&DL모델을 비교 검토하여 일유입량 예측을 위한 가장 적합한 데이터 조합 특성과 ML&DL모델을 성능평가와 함께 제시하였다. 학습된 모형의 유입량 예측 결과를 비교·분석한 결과, 소양강댐 유역에서는 딥러닝 중에서는 TCN모형이 가장 우수한 성능을 보였고(TCN>TCN-LSTM>LSTM), 트리기반 머신러닝중에서는 Random Forest와 LGBM이 우수한 성능을 보였으며(RF, LGBM>XGB), SVR도 LGBM수준의 우수한 성능을 나타내었다. LR, Lasso, Ridge 세가지 Regression모형은 상대적으로 낮은 성능을 보였다. 또한 소양강댐 댐유입량 예측에 대하여 강우, 유입량, 기상계열을 36가지로 조합한 결과, 입력자료에 lag-time이 적용된 강우계열의 조합 분석에서 세가지 Regression모델을 제외한 모든 모형에서 NSE(Nash-Sutcliffe Efficiency) 0.8이상(최대 0.867)의 성능을 보였으며, lag-time이 적용된 강우와 유입량계열을 조합했을 경우 NSE 0.85이상(최대 0.901)의 더 우수한 성능을 보였다.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.275-288
• /
• 2006

본 연구에서는 GDAPS(T213) 중기 기상 수치예보 자료를 활용한 ESP (Ensemble Streamflow Prediction) 기법을 개발하여 미래에 발생할 수 있는 댐 유입량의 중장기적 확률예측을 위해 초과 확률구간별 댐 유입량을 예측하고 RPSS 검증기법으로 예측결과의 정확도를 분석하였다. 개발된 ESP시스템을 적용한 결과 일단위 개념의 확률예보는 높은 불확실성을 내포할 수 있고, 중장기 확률예보에 초점을 맞추어 1, 3, 7일 등의 예측시간 해상도에 대한 ESP정확도의 민감도를 분석한 결과 예측시간 해상도 간격이 증가할수록 예측결과의 불확실성이 감소하면서 그 정확도가 전반적으로 증가함을 살펴볼 수 있었다. 이러한 결과를 바탕으로 GDAPS 자료를 활용한 1주 단위의 한달(28일)예보를 수행한 ESP 결과는 각 초과 확률구간 분포의 적절한 증가 및 감소로 인하여 그 시간적 변동성이 안정적으로 예측되고 예측결과의 불확실성을 감소시킬 수 있어 그 활용가치가 높은 것으로 나타났다. 이러한 관점에서 본 연구의 ESP 시스템은 중장기적 측면에서 GDAPS 자료의 활용가치를 높일 수 있고, 기존 ESP 결과보다 향상된 정확도로 댐 유입량을 예측할 수 있으므로 실시간 댐 유입량 예측에 적용한다면 수자원 관리 차원에서 유용한 수단이 될 수 있을 것이다.

• 전기학회논문지
• /
• 제64권3호
• /
• pp.393-398
• /
• 2015

City or Community-scale Energy Management System(CEMS) is used to reduce the total energy consumed in the city by arranging the energy resources efficiently at the planning stage and controlling them economically at the operating stage. Of the operational functions of the CEMS, generation forecasting of renewable energy resources is an essential feature for the effective supply scheduling. This is because it can develop daily operating schedules of controllable generators in the city (e.g. diesel turbine, micro-gas turbine, ESS, CHP and so on) in order to minimize the inflow of the external power supply system, considering the amount of power generated by the uncontrollable renewable energy resources. This paper is written to introduce numerical models for photo-voltaic power generation prediction based on the weather forecasting information. Unlike the conventional methods using the average radiation or average utilization rate, the proposed models are developed for CEMS applications using the realtime weather forecast information provided by the National Weather Service.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.

• 한국농공학회지
• /
• 제35권1호
• /
• pp.50-58
• /
• 1993

The sedimentation patterns at a reservoir, important to the reservoir capacity curve were simulated using a depth averaged, two-dimensional sediment transport model, that is capable of depicting velocity distributions and sediment transportation. The Banweol reservoir, whose stage capacity relationships have been surveyed before and after the construction, was selected and the daily inflow rates and stages were simulated using a reservoir operation model(DI-ROM). The applicability of the transport model was tested from the comparisons of simulated sedimentation patterns to the surveyed results. The simulated inflow rates and water level fluctuations at the reservoir during twenty-one years from 1966 to 1986, showed that water levels exceeding 80 percent of the total capacity occurred for 70 percent of the periods and inflow rates less than 5000rn$^3$/day sustained for 54 percent of the spans. Dorminant flow directions were simulated from two streamflow inlets to the dam site. And simulated sediment concentrations were higher near the inlets and lower at the inside of the reservoir. Sediment was deposited heavily near the inlets, and portions of sediments were distributed along the flow paths within the reservoir. The comparisons between the simulation results and the surveyed depositions were partially matched. However, it was not possible to compare two results at the upper parts of the reservoir where dredging was carried out few times for the purpose of reservoir maintenance. This study demonstrates that sedimentation patterns within the reservoir are closely related to incoming sediment and flow rates, water level fluctuations, and flow circulation within the reservoir.