• 한국수자원학회논문집
• /
• 제51권2호
• /
• pp.165-174
• /
• 2018

시계열 데이터를 활용하는 모형은 신뢰할 수 있는 자료를 확보한 경우에는 모형 구축이 용이하고 예측 선행 시간 확보를 위해 신속한 모의가 가능한 장점 때문에 규모가 작은 하천의 홍수예측 모형으로 고려할 수 있다. 이 중 Transfer Function Noise (TFN) 모형은 이탈리아, 영국 등 해외에서는 1970년대부터 시간단위 자료를 이용한 하천유량 예측에 적용되었으나, 우리나라에서는 주로 일 단위 혹은 월 단위의 하천유량 모의에 적용되었다. 국내 수문 자료의 품질 향상으로 그동안 축적된 수문자료를 통해 시간단위 자료를 이용한 홍수예측 모형의 구축 기반이 갖추어졌다. 본 연구의 목적은 소규모 하천을 대상으로 외생변수의 반영이 가능하고 동적시스템과 오차항을 결합하여 예측 오차를 줄이는데 용이한 TFN 모형을 구축하고 그 적용성을 검토하는 것이다. 이를 위해 1시간 단위 자료를 이용하여 TFN 모형을 구축하였으며 구축된 모형을 이용한 홍수 예측 결과를 홍수예보 실무에 활용 중인 저류함수모형의 홍수 예측 결과와 비교하였다. 비교 결과 홍수사상에 따라 TFN 모형과 저류함수 모형이 각각 더 나은 결과를 보이는 사상이 있었으며, 실무에서 TFN 모형을 홍수예측 모형으로 활용할 수 있을 것으로 판단하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.31-31
• /
• 2023

During December 2022, the northeast monsoon, which dominates the south and the Gulf of Thailand, had significant rainfall that impacted the lower southern region, causing flash floods, landslides, blustery winds, and the river exceeding its bank. The Golok River, located in Narathiwat, divides the border between Thailand and Malaysia was also affected by rainfall. In flood management, instruments for measuring precipitation and water level have become important for assessing and forecasting the trend of situations and areas of risk. However, such regions are international borders, so the installed measuring telemetry system cannot measure the rainfall and water level of the entire area. This study aims to predict 72 hours of water level and evaluate the situation as information to support the government in making water management decisions, publicizing them to relevant agencies, and warning citizens during crisis events. This research is applied to machine learning (ML) for water level prediction of the Golok River, Lan Tu Bridge area, Sungai Golok Subdistrict, Su-ngai Golok District, Narathiwat Province, which is one of the major monitored rivers. The eXtreme Gradient Boosting (XGBoost) algorithm, a tree-based ensemble machine learning algorithm, was exploited to predict hourly water levels through the R programming language. Model training and testing were carried out utilizing observed hourly rainfall from the STH010 station and hourly water level data from the X.119A station between 2020 and 2022 as main prediction inputs. Furthermore, this model applies hourly spatial rainfall forecasting data from Weather Research and Forecasting and Regional Ocean Model System models (WRF-ROMs) provided by Hydro-Informatics Institute (HII) as input, allowing the model to predict the hourly water level in the Golok River. The evaluation of the predicted performances using the statistical performance metrics, delivering an R-square of 0.96 can validate the results as robust forecasting outcomes. The result shows that the predicted water level at the X.119A telemetry station (Golok River) is in a steady decline, which relates to the input data of predicted 72-hour rainfall from WRF-ROMs having decreased. In short, the relationship between input and result can be used to evaluate flood situations. Here, the data is contributed to the Operational support to the Special Water Resources Management Operation Center in Southern Thailand for flood preparedness and response to make intelligent decisions on water management during crisis occurrences, as well as to be prepared and prevent loss and harm to citizens.

• 한국지리정보학회지
• /
• 제12권4호
• /
• pp.1-17
• /
• 2009

본 연구의 목적은 최근 수년간 발생한 홍수피해 원인의 대부분이 하천 제방의 붕괴와 관계하고 있음을 감안하여 제방의 월류 및 붕괴특성을 고려하여 붕괴유량을 산정하고 이에 따라 발생한 홍수파로 인해 제내지에서의 침수위, 침수시간, 침수범위 등을 예측하고 피해예상 규모를 산정하는데 있다. 붕괴유량 산정을 위해서 DEM, 토지피복도, 토양도 등의 기본 GIS자료를 이용하여 수문매개 변수를 추출하고 유역의 유출량을 산정하였다. 또한 제내지 내의 구조물의 영향을 고려한 홍수범람을 실시하여 제내지에서의 범람 홍수파의 전파특성을 정확히 예측하고 제내지의 시간별 침수구역의 예측, 홍수위험강도의 산정 등을 통하여 수방 및 홍수피해 경감대책 수립의 판단 자료로 활용하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.147-147
• /
• 2018

In this article, we use an open source software library: TensorFlow, developed for the purposes of conducting very complex machine learning and deep neural network applications. However, the system is general enough to be applicable in a wide variety of other domains as well. The proposed model based on a deep neural network model, LSTM (Long Short-Term Memory) to predict the river water level at Okcheon Station of the Guem River without utilization of rainfall - forecast information. For LSTM modeling, the input data is hourly water level data for 15 years from 2002 to 2016 at 4 stations includes 3 upstream stations (Sutong, Hotan, and Songcheon) and the forecasting-target station (Okcheon). The data are subdivided into three purposes: a training data set, a testing data set and a validation data set. The model was formulated to predict Okcheon Station water level for many cases from 3 hours to 12 hours of lead time. Although the model does not require many input data such as climate, geography, land-use for rainfall-runoff simulation, the prediction is very stable and reliable up to 9 hours of lead time with the Nash - Sutcliffe efficiency (NSE) is higher than 0.90 and the root mean square error (RMSE) is lower than 12cm. The result indicated that the method is able to produce the river water level time series and be applicable to the practical flood forecasting instead of hydrologic modeling approaches.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.134-134
• /
• 2022

Streamflow forecasting plays a crucial role in water resource control, especially in highly urbanized areas that are very vulnerable to flooding during heavy rainfall event. In addition to providing the accurate prediction, the evaluation of effects and importance of the input predictors can contribute to water manager. Recently, machine learning techniques have applied their advantages for modeling complex and nonlinear hydrological processes. However, the techniques have not considered properly the importance and uncertainty of the predictor variables. To address these concerns, we applied the GA-BART, that integrates a genetic algorithm (GA) with the Bayesian additive regression tree (BART) model for hourly streamflow forecasting and analyzing input predictors. The Jungrang urban basin was selected as a case study and a database was established based on 39 heavy rainfall events during 2003 and 2020 from the rain gauges and monitoring stations. For the goal of this study, we used a combination of inputs that included the areal rainfall of the subbasins at current time step and previous time steps and water level and streamflow of the stations at time step for multistep-ahead streamflow predictions. An analysis of multiple datasets including different input predictors was performed to define the optimal set for streamflow forecasting. In addition, the GA-BART model could reasonably determine the relative importance of the input variables. The assessment might help water resource managers improve the accuracy of forecasts and early flood warnings in the basin.

• 한국수자원학회논문집
• /
• 제44권1호
• /
• pp.51-64
• /
• 2011

본 연구에서는 대유역의 홍수모의가 가능한 연속형 강우-유출모형을 개발하고자 하는데 그 목적이 있다. 이를 위해 가변저류변수와 유출곡선지수를 기반으로 하는 시단위 지표유출량 산정방법을 개발하였으며 수문성분을 토양수분에 대한 연속방정식에 적용하여 연속적인 강우에 대한 토양수분 모의가 가능하도록 모형을 구성하였다. 또한 유출수문성분과 유역 저류함수모형을 연계하여 유역에 대한 연속적인 유출모의가 가능하도록 하였으며 하도 저류함수모형을 이용하여 대유역에 대한 유출모의가 가능하도록 모형을 개발하였다. 대상유역은 낙동강 유역을 채택하였으며 2006년(보정기간) 및 2007~2008년(검증기간)의 홍수기간 동안 본류와 지류에 위치한 8개 유량관측지점에 대해서 모형의 정확도 평가를 수행하였다. 모든 평가지점에서 모의유량이 관측유량과 유사한 결과를 보이며 보정기간과 검증기간의 모형효율성계수는 각각 0.81~0.95와 0.70~0.94 범위의 우수한 결과를 보이는 것으로 나타났다. 또한 강우에 대한 토양수분의 거동과 수문 성분 발생량에서도 합리적인 결과를 도출하는 것으로 확인되었다. 이상의 결과로부터 본 연구에서 개발된 연속형 강우-유출모형은 대유역의 홍수예측에 활용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제43권6호
• /
• pp.533-541
• /
• 2010

강우-유출모형에 의해서 유역내 강우로부터 직접 유출량을 산출하는 것은 홍수량 예측에 기초가 된다. 직접 유출량은 강우-유출모형에 의해서 초과우량 또는 유효우량으로부터 산출된다. 시간별 초과우량은 시간별 총 강우에서 강우의 손실량을 제하여 산출한다. 이 손실량은 강우-유출모형 내 여러 손실 중에 비중이 큰 침투 손실량과 같도록 취급할 수 있다. 여기서 초과우량 또는 유효우량 산출을 위해서 실용적으로 간편한 $\Phi$지수법, W지수법 또는 이의 수정법이 적용되어 왔다. 본 연구에서는 한 유역 내 강우 손실의 시간적 변화는 잘 알려진 Horton 침투 과정으로 간주하여 Horton 침투모형의 매개변수 값이 주어진 경우에 시간 단위별 침투손실 및 초과우량을 산출하는 절차와 적용 원칙을 제시하고 적용결과를 $\Phi$지수 방법의 적용결과에 비교하였다. 본 연구에서 산출한 강우사상에서 시간 단위의 Horton 침투량 값은 시간에 따라 지수적으로 감쇠되는 Horton 모형의 침투 과정을 잘 보여 준다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1131-1141
• /
• 2021

본 연구에서는 국내 주요 댐 상류 유역을 대상으로 장기간 시단위 수문자료를 활용하여 실시간 댐 유입량 예측을 위한 인공신경망 모형의 선행 1, 3, 6시간별 예측유입량을 산정 및 평가하였다. 이를 위해, 각 유역별 15년의 시단위 강수 및 유입량 자료를 활용하였으며 연도별 평균 유입량을 고려하여 데이터세트를 구성하였다. 각 대상유역에 대한 선행시간별 예측 성능은 NSE 0.57~0.79 이상으로써 비교적 양호한 성능을 나타내었다. 유역면적이 클수록 이수기의 예측 성능이 낮은 것으로 확인되었으며 홍수기 예측성능과의 편차가 증가하는 것으로 확인되었다. 선행 6시간 예측에 대해 입력자료의 과거길이에 따른 성능 변화는 홍수기보다 이수기에서 큰 차이를 보이며 과거길이가 증가할수록 이수기의 성능이 향상되는 것으로 나타났다. 주요 홍수 사상에 대한 예측 수문곡선은 관측과 비교하여 수문곡선의 형태는 유사한 것으로 나타났다. 다만, 선행시간에 따라 첨두시간의 지연 및 유량의 과소 추정되는 경향이 있으며 이에 대한 개선이 필요함을 확인하였다.

• 한국농공학회논문집
• /
• 제59권2호
• /
• pp.69-79
• /
• 2017

In this study, we developed real-time urban stream discharge forecasting model using short-term rainfall forecasts data simulated by a regional climate model (RCM). The National Centers for Environmental Prediction (NCEP) Climate Forecasting System (CFS) data was used as a boundary condition for the RCM, namely the Global/Regional Integrated Model System(GRIMs)-Regional Model Program (RMP). In addition, we make ensemble (ESB) forecast with different lead time from 1-day to 3-day and its accuracy was validated through temporal correlation coefficient (TCC). The simulated rainfall is compared to observed data, which are automatic weather stations (AWS) data and Tropical Rainfall Measuring Mission (TRMM) Multisatellite Precipitation Analysis (TMPA 3B43; 3 hourly rainfall with $0.25^{\circ}{\times}0.25^{\circ}$ resolution) data over midland of Korea in July 26-29, 2011. Moreover, we evaluated urban rainfall-runoff relationship using Storm Water Management Model (SWMM). Several statistical measures (e.g., percent error of peak, precent error of volume, and time of peak) are used to validate the rainfall-runoff model's performance. The correlation coefficient (CC) and the Nash-Sutcliffe efficiency (NSE) are evaluated. The result shows that the high correlation was lead time (LT) 33-hour, LT 27-hour, and ESB forecasts, and the NSE shows positive values in LT 33-hour, and ESB forecasts. Through this study, it can be expected to utilizing the real-time urban flood alert using short-term weather forecast.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.140-140
• /
• 2021

Urban flood management is a crucial and challenging task, particularly in developed cities. Therefore, accurate prediction of urban flooding under heavy precipitation is critically important to address such a challenge. In recent years, machine learning techniques have received considerable attention for their strong learning ability and suitability for modeling complex and nonlinear hydrological processes. Moreover, a survey of the published literature finds that hybrid computational intelligent methods using nature-inspired algorithms have been increasingly employed to predict or simulate the streamflow with high reliability. The present study is aimed to propose a novel approach, an ensemble tree, Bayesian Additive Regression Trees (BART) model incorporating a nature-inspired algorithm to predict hourly multi-step ahead streamflow. For this reason, a hybrid intelligent model was developed, namely GA-BART, containing BART model integrating with Genetic algorithm (GA). The Jungrang urban basin located in Seoul, South Korea, was selected as a case study for the purpose. A database was established based on 39 heavy rainfall events during 2003 and 2020 that collected from the rain gauges and monitoring stations system in the basin. For the goal of this study, the different step ahead models will be developed based in the methods, including 1-hour, 2-hour, 3-hour, 4-hour, 5-hour, and 6-hour step ahead streamflow predictions. In addition, the comparison of the hybrid BART model with a baseline model such as super vector regression models is examined in this study. It is expected that the hybrid BART model has a robust performance and can be an optional choice in streamflow forecasting for urban basins.