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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.