• 한국방재학회 논문집
• /
• 제8권3호
• /
• pp.157-164
• /
• 2008

하천의 홍수범람 예보시스템개발을 위한 초기연구로 부정류 모형인 FLDWAV 모형을 사용하여 홍수범람을 해석하고, 모형결과인 홍수 범람 현상의 시간적 변화를 그래픽을 사용하여 효과적으로 볼 수 있도록 한 홍수범람 가시화 시스템을 개발하였다. FLDWAV를 이용한 모형결과의 신뢰성을 확인하기 위해 HEC-RAS 모형을 동시에 적용하여 모의결과를 비교한 결과, 두 모형에 의한 결과는 거의 일치하였다. 본 연구에서 개발된 가시화시스템을 활용하면, 강우로 인해 발생되는 자연하천에서 홍수파 전파와 하천 범람을 신속하고 자세하게 그래픽으로 관찰할 수 있다. 본 시스템은 수리학적 지식이 없는 사람들도 홍수범람 모의 결과를 쉽게 이해하게 하며, 홍수범람 예보와 하천 범람으로 인한 재해의 방지대책을 신속하게 수립하는 데 도움을 주어 홍수범람으로 인한 자연재해를 경감하는 데 기여할 것이다.

• 한국수자원학회논문집
• /
• 제54권6호
• /
• pp.381-393
• /
• 2021

국립재난안전연구원의 재난안전 신기술 공적개발원조(ODA) 사업의 일환으로 2019년 라오스 볼리캄싸이주 남싼강유역의 보리칸을 대상으로 홍수예경보시스템을 구축하였다. 미계측 중소하천유역인 대상 지역에 강우량와 유출량의 실시간 관측을 위한 관측소 및 경보국을 설치하였으며, 실시간 자료 관리와 홍수예경보 기능 등을 수행하는 소프트웨어도 개발되었다. 홍수경보 기준 설정 및 홍수예측을 위한 nomograph 개발을 위해 대상 지역의 30년 치 연도별 최대 일강우량자료와 하천측량성과를 바탕으로 수리·수문분석을 수행하였다. 본 논문은 시스템 구축 과정과 방법론을 소개하고, 시스템 설치 후 2020년 실시간 관측 수집된 자료들을 바탕으로 수행한 시스템의 적용성 검토 결과를 제시하였다.

• 한국수자원학회논문집
• /
• 제45권11호
• /
• pp.1107-1119
• /
• 2012

본 연구의 목적은 도시하천으로 복원된 청계천유역의 실시간 홍수예보를 위한 flow nomograph를 개발하고, 실측자료를 통해 flow nomograph의 적용성을 검토하는데 있다. 본 연구의 적용대상 지역인 청계천 유역은 높은 불투수율, 짧은 도달시간 및 복잡한 수문학적 특성을 갖고 있어 기존 강우-유출 모형에 의한 홍수예측 방법의 선행시간 확보 측면에서 실효성을 거두지 못하고 있는 실정이다. 이에 본 연구에서는 홍수예보 선행시간을 확보하기 위해 강우정보만으로도 홍수예보가 가능한 flow nomograph를 개발하였다. Flow nomograph는 강우강도, 강우지속시간 등의 강우변수와 유량, 수위간의 상관관계를 구한 것이다. 본 연구에서는 Flow nomograph 개발과정에서 예보 기준 설정을 위해 홍수예보 지점을 선정하여 지점별 기준 홍수위를 산정하였으며, 다양한 홍수사상을 반영하기 위해 가상 강우시나리오를 설정하여 강우조건별 강우강도와 강우지속시간을 산정하였다. 또한 수위-유량관계 곡선식을 이용하여 기준 홍수위에 따라 홍수량 범위를 결정하고, SWMM모형을 이용하여 강우조건에 따른 지점별 홍수량을 산정하여 예보지점별로 기준홍수 위에 따른 홍수량을 산정하였다. 산정된 강우 시나리오에 따른 강우정보와 기준 홍수위에 따른 홍수량을 이용하여 flow nomograph를 개발하였으며, 이를 실제 홍수사상에 적용하여 평가하였다. 평가 결과 청계천 유역에 대해 flow nomograph의 적용성이 높은 것으로 나타났다. 향후 청계천과 같은 도시하천유역의 홍수예측 방법으로 활용도가 높을 것으로 판단된다.

• 한국농공학회:학술대회논문집
• /
• 한국농공학회 2001년도 학술발표회 발표논문집
• /
• pp.295-299
• /
• 2001

To protect the flooding damages in Medium and Small watershed, it needs to set up flood warning system and develope Flood forecasting Model in real-time basis for medium and small watershed. In this study, it was able to minimize the error range between forecasted flood inflow and actual flood inflow, and forecast accurately the flood discharge some hours in advance by using simplex method recursively for the determination of the best parameters of RETFLO model. The result of RETFLO performance applied to several storm of Yugu river during 3 past years was very good with relative errors of 10% for comparison of total runoff volume and with one hour delayed peak time.

• 한국농공학회논문집
• /
• 제63권1호
• /
• pp.11-25
• /
• 2021

The objective of this study was to analyze the impact of activation functions on flood forecasting model based on Artificial neural networks (ANNs). The traditional activation functions, the sigmoid and tanh functions, were compared with the functions which have been recently recommended for deep neural networks; the ReLU, leaky ReLU, and ELU functions. The flood forecasting model based on ANNs was designed to predict real-time runoff for 1 to 6-h lead time using the rainfall and runoff data of the past nine hours. The statistical measures such as R2, Nash-Sutcliffe Efficiency (NSE), Root Mean Squared Error (RMSE), the error of peak time (ETp), and the error of peak discharge (EQp) were used to evaluate the model accuracy. The tanh and ELU functions were most accurate with R2=0.97 and RMSE=30.1 (㎥/s) for 1-h lead time and R2=0.56 and RMSE=124.6~124.8 (㎥/s) for 6-h lead time. We also evaluated the learning speed by using the number of epochs that minimizes errors. The sigmoid function had the slowest learning speed due to the 'vanishing gradient problem' and the limited direction of weight update. The learning speed of the ELU function was 1.2 times faster than the tanh function. As a result, the ELU function most effectively improved the accuracy and speed of the ANNs model, so it was determined to be the best activation function for ANNs-based flood forecasting.

• 대한토목학회논문집
• /
• 제26권1B호
• /
• pp.39-50
• /
• 2006

홍수를 예측하기 위해서 국내 5대강 유역의 홍수통제소는 저류함수모형을 사용하고 있으며 현재까지 홍수예측에 대한 많은 연구가 이루어지고 있다. 이에 본 논문에서는 현재 홍수통제소에서 사용되고 있는 저류함수모형과 과거의 강우-수위 관계를 이용한 회귀분석(regression analysis), 그리고 인공신경망(artificial neural network)을 이용하여 홍수를 예측하고 이를 비교, 분석하고자 하였다. 저류함수모형의 경우는 홍수통제소의 대표매개변수와 보정된 최적(평균)매개변수를 적용하였다. 그리고 회귀분석과 인공신경망은 1995~2001년까지의 홍수사상 중 4개의 홍수사상을 선택하여 회귀계수를 구하고 역전파(backpropagation) 알고리즘을 사용하여 학습을 시켰다. 그 결과 저류함수모형의 경우 최적 매개변수를 이용하였을 때 기존의 홍수통제소에서 사용하고 있는 대표매개변수보다 예측이 개선되었으며, 회귀분석의 방법인 다중회귀분석, Robust 회귀분석, Stepwise 회귀분석을 이용한 홍수예측은 비교적 정확한 결과를 얻을 수 있었다. 역전파 알고리즘을 사용한 인공신경망의 경우도 회귀분석을 이용한 홍수예측보다는 다소 못하였지만 정확한 결과를 얻을 수 있었다.

• 한국수자원학회논문집
• /
• 제42권1호
• /
• pp.61-73
• /
• 2009

본 연구에서는 다목적댐의 효율적인 홍수관리와 조기 홍수 경보시스템의 정확성을 향상시키기 위하여 두 가지 모형이 제안되었다. 두 모형은 상류 유입 홍수량과 하류 하천의 홍수량을 실시간으로 예측할 수 있는 능력을 각각 가지고 있다. 이들 모형은 남강댐 상류와 하류 홍수량의 실측치와 모의치를 비교하여 보정 및 검정되었으며, 실제 상황에서 모형의 홍수량 예측 능력이 평가되었다. 상류 유입량 예측 모형은 Grey 시스템 이론에 근거하였으며, 모형의 예측능력을 고려하여 6차 모형을 선정하였다. 서로 다른 자료 세트를 사용하여 보정된 모형들을 사용하여 예측한 홍수량과 실측자료를 비교하여 가장 적정한 모형이 선정되었으며, 검정 결과를 검토한 결과 선정된 모형이 양호한 예측결과를 제시하는 것으로 나타났다. 댐 하류 하천 홍수량 예측 모형은 Grey 모형과 수정 Muskingum 홍수 추적 모형을 병합하여 구성되었으며, 보정 및 검정을 통해서 모형의 예측 능력이 평가되었다. 제안된 모형들을 실시간 홍수량 예측에 적용한 결과, 비교적 양호한 예측결과를 나타냈다. 또한, 모형의 정확도를 향상시키기 위해서는 유출 단계를 고려한 모형의 보정 및 적용이 필요하다는 것이 밝혀졌다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.2193-2196
• /
• 2008

In this study, the new methodology such as support vector machines neural networks model (SVM-NNM) using the statistical learning theory is introduced to forecast flood stage in Nakdong river, Republic of Korea. The SVM-NNM in hydrologic time series forecasting is relatively new, and it is more problematic in comparison with classification. And, the multilayer perceptron neural networks model (MLP-NNM) is introduced as the reference neural networks model to compare the performance of SVM-NNM. And, for the performances of the neural networks models, they are composed of training, cross validation, and testing data, respectively. From this research, we evaluate the impact of the SVM-NNM and the MLP-NNM for the forecasting of the hydrologic time series in Nakdong river. Furthermore, we can suggest the new methodology to forecast the flood stage and construct the optimal forecasting system in Nakdong river, Republic of Korea.

• 한국산학기술학회논문지
• /
• 제16권1호
• /
• pp.801-806
• /
• 2015

본 최근 세계적으로 기후 변화에 의한 홍수 피해가 증가하고 있다. 우리나라의 경우 홍수가 발생하는 빈도가 증가함에 따라 홍수 발생 상황을 예측하고 대비할 수 있는 기술이 주로 대규모 하천을 대상으로 이루어졌으므로, 기존의 홍수 예보시스템을 예보 선행시간이 짧은 소규모 유역에 적용하기에는 무리가 있다. 이에 본 연구에서는 도시 유역 내 배수위 영향을 가진 수암천 유역을 대상으로 2개의 경보발령지점을 선정한 후, 홍수 예 경보 모형을 이용하여 홍수 경보 강우량을 산정하였다. 산정 결과, 저수 예 경보 지점의 경우 25.4mm/120min~78.8mm/120min로 산정되었으며, 고수 예 경보 지점의 경우 68.5mm/120min~140.7mm/120min로 산정되었다. 이에 따른 빈도로는 저수 예 경보의 경우 3년 빈도에 해당되며, 고수 예 경보의 경우 80년 빈도에 해당된다. 본 연구의 분석결과는 도시유역의 홍수 발생 상황을 예측하는데 기초 자료를 제공할 것으로 기대되며, 장차 실제 홍수 경보발령기준을 제시하기 위해 많은 유역에서의 관측자료를 바탕으로 한 지속적인 적용 및 검증이 필요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1427-1431
• /
• 2007

In this study, the new methodology which combines Kohonen self-organizing map(KSOM) neural networks model and the conventional neural networks models such as feedforward neural networks model and generalized neural networks model is introduced to forecast flood stage in Nakdong river, Republic of Korea. It is possible to train without output data in KSOM neural networks model. KSOM neural networks model is used to classify the input data before it combines with the conventional neural networks model. Four types of models such as SOM-FFNNM-BP, SOM-GRNNM-GA, FFNNM-BP, and GRNNM-GA are used to train and test performances respectively. From the statistical analysis for training and testing performances, SOM-GRNNM-GA shows the best results compared with the other models such as SOM-FFNNM-BP, FFNNM-BP, and GRNNM-GA and FFNNM-BP shows vice-versa. From this study, we can suggest the new methodology to forecast flood stage and construct flood warning system in river basin.