• 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 2020년도 학술발표회
• /
• pp.101-101
• /
• 2020

Traditional stochastic simulation of hydroclimatological variables often underestimates the variability and correlation structure of larger timescale due to the difficulty in preserving long-term memory. However, the Long Short-Term Memory (LSTM) model illustrates a remarkable long-term memory from the recursive hidden and cell states. The current study, therefore, employed the LSTM model in stochastic generation of hydrologic and climate variables to examine how much the LSTM model can preserve the long-term memory and overcome the drawbacks of conventional time series models such as autoregressive (AR). A trigonometric function and the Rössler system as well as real case studies for hydrological and climatological variables were tested. Results presented that the LSTM model reproduced the variability and correlation structure of the larger timescale as well as the key statistics of the original time domain better than the AR and other traditional models. The hidden and cell states of the LSTM containing the long-memory and oscillation structure following the observations allows better performance compared to the other tested conventional models. This good representation of the long-term variability can be important in water manager since future water resources planning and management is highly related with this long-term variability.

• 한국수자원학회논문집
• /
• 제51권6호
• /
• pp.503-514
• /
• 2018

최근 기후변화 및 유역개발로 인하여 메콩강 유역의 수문환경이 급격히 변화하고 있으며, 메콩강을 공유하는 국가의 수재해 예방 및 지속가능한 수자원개발을 위해서는 메콩강 주요지점에서의 유량 정보의 분석 및 예측이 요구된다. 본 연구에서는 물리적 기반의 수문모형인 SWAT과 데이터기반 딥러닝 알고리즘인 LSTM을 이용하여 메콩강 하류 Kratie 지점의 유출모의를 수행하고, 유출모의 정확도 및 두 가지 방법론의 장 단점을 비교 분석한다. SWAT 모형의 구축을 위해 범용 입력자료(지형: HydroSHED, 토지이용: GLCF-MODIS, 토양: FAO-Soil map, 강우: APHRODITE 등)을 이용하였으며 warming-up 및 매개변수 보정 후 2003~2007년 일유량 모의를 수행하였다. LSTM을 이용한 유출모의의 경우, 딥러닝 오픈소스 라이브러리인 TensorFlow를 활용하여 Kratie 지점기준 메콩강 상류 10개 수위관측소의 두 기간(2000~2002, 2008~2014) 일수위 정보만을 이용하여 심층신경망을 학습하고, SWAT 모형과 마찬가지로 2003~2007년을 대상으로 Kratie 지점에 대한 일수위 모의 후 수위-유량관계곡선식을 이용하여 유출량으로 환산하였다. 두 모형의 모의성능 비교 검토를 위하여 모의기간에 대해 NSE (Nash-Sutcliffe Efficiency)을 산정한 결과, SWAT은 0.9, LSTM은 보다 높은 0.99의 정확도를 나타내는 것으로 분석되었다. 메콩강과 같은 대유역의 특정 지점에 대한 수문시계열 자료의 모의를 위해서는 다양한 입력자료를 요구하는 물리적 수문모형 대신 선행 시계열자료의 변동성을 기억 학습하여 이를 예측에 반영하는 LSTM 기법 등 데이터기반의 심층신경망 모형의 적용이 가능할 것으로 판단된다.

• 한국습지학회지
• /
• 제12권2호
• /
• pp.13-23
• /
• 2010

지구온난화로 인한 기후변화에 관한 연구에 따르면, 최근 지구온난화의 징후가 매우 뚜렷하며, 강우의 강도는 증가할 것으로 예측되고 있다. 매해 발생하는 극한수문사상으로 인한 피해가 꾸준히 증가하고 있는 추세이며, 증가하고 있는 집중호우의 발생 빈도는 강우자료의 추세에 분명히 영향을 미치고 있다. 현재 수자원 계획이나 설계에 수행되고 있는 확률강우량 산정법은 강우자료가 정상성을 지니고 있다고 가정하여 빈도분석을 실시하고 있다. 이러한 정상성 확률강우량 산정방법은 최근의 관측강우의 증가 추세를 반영하지 못하여 기후변화에 따른 이상강우에 매우 취약할 수 있다. 본 연구에서는 강우시계열에서 나타나는 경향성의 시간적 변동 분석을 위해 현재 경향성이 나타나지 않는 강우관측소 51개 지점에 대하여, 강우 관측자료가 가지는 통계적 특성을 유지하면서 추계학적 시계열 모의발생기법을 이용하여 강우자료를 발생시킨 후 경향성 검정을 실시하였다. 그 결과 대상지점 51개 중 13개 지점에서 향후 10년 이내에 경향성이 나타나는 것을 확인할 수 있었다. 이는 강우의 변동 추이가 현재와 같이 계속 진행된다면, 비록 현재에는 정상 시계열로 판단되는 강우 시계열일지라도 향후 비정상성을 갖게 됨을 반증한다. 따라서 목표연도의 확률강우량을 산정할 경우 강우의 증가 경향성을 충분히 반영할 수 있는 비정상성 확률강우량 산정 방법이 적용되어야 할 것이다.

• Environmental Engineering Research
• /
• 제15권2호
• /
• pp.123-126
• /
• 2010

Modeling non-point pollution across multiple scales has become an important environmental issue. As a more representative and practical approach in quantifying and qualifying surface water, a modular neural network (MNN) was implemented in this study. Two different site-scales ($1.5\;{\times}\;10^5$ and $1.62\;{\times}\;10^6\;m^2$) with the same plants, soils, and paddy field management practices, were selected. Hydrologic data (rainfall, irrigation and surface discharge) and water quality data (time-series nutrient loadings) were continuously monitored and then used for the verification of MNN performance. Correlation coefficients (R) for the results predicted from the networks versus measured values were within the range of 0.41 to 0.95. The small block could be extrapolated to the large field for the rainfall-surface drainage process. Nutrient prediction produced less favorable results due to the complex phenomena of nutrients in the drainage water. However, the feasibility of using MNN to generate improved prediction accuracy was demonstrated if more hydrologic and environmental data are provided. The study findings confirmed the estimation accuracy of the upscaling from a small-segment block to large-scale paddy field, thereby contributing to the establishment of water quality management for sustainable agriculture.

• 한국방재학회 논문집
• /
• 제9권6호
• /
• pp.153-159
• /
• 2009

본 연구에서 하천 홍수위 예측을 위해 미계측 유역내에 위한 저수지에서의 하천 방류를 추정하는 수문학적 저수지 추적 기법을 저수위 관측데이터와 여수로 게이트 개방 데이터를 토대로 저수지 방류량을 추정하는 알고리즘을 수립하고, 이를 반영한 유전자 알고리즘 기반의 프로토타입을 개발하여 유역매개변수를 실시간으로 자동보정할 수 있도록 하였다. 대상 유역과 저수지에서 기왕의 호우발생시의 관측 데이터를 적용하여 프로토타입에 적용성을 검토한 결과, 유의성이 있는 것으로 나타났다.

• 물과 미래
• /
• 제14권4호
• /
• pp.27-34
• /
• 1981

The design flow of the urban strom drainage systems has been assessed largely on a basis of empirical relations between rainfall and runoff, and the rational formula has been widely used for the cities in our country. In order to estimate it more accurately, the urban runoff simulation model based on the RRl method has been developed and applied to the sample basin in this study. The rainfall hyetograph of the design stromfor the design flow has been obtained by the determination of the total rainfall and the temporal distributions of that rainfall. The total rainfall has been assessed from the empirical formula of rainfall intensity and the temporal distribution of that rainfall determined on the basis of Huff's method from the historical rainfall data of the basin. The virtual inflow hydrograph to each inlet of the basin has been constructed by computing the series of discharges in each time increment, using design strom hyetograph and time-area diagram. The actual runoff hydrograph at the basin outlet has been computed from the virtual inflow hydrographs by developing a relations between discharge and storage for the watershed. The discharge data for verification of the simulated runoff hydrograph are not available in the sample basin and so the sensitivity analysis of the simulation model has not been possible. The peak discharge for the design of drainage systems has been estimated from the computed runoff hydrograph at the basin outlet and compared to thatl obtained form the rational formula.

• 대한토목학회논문집
• /
• 제28권1B호
• /
• pp.1-9
• /
• 2008

소양강댐 유역의 관측유입량과 융설 모의의 포함 유무에 따른 모의 결과를 비교함으로써 적설 및 융설 모형의 필요성을 분석하였다. 사용한 융설 모형은 Sugawara 등의 개념적 융설 모형이고, 강우-유출 모형은 NWS-PC를 사용하였다. 모형의 매개변수는 다단계 자동보정법에 의해 추정하였고, 각 단계별로 SCE-UA 알고리즘에 의해 최적화되었다. 매개변수 추정시와 검증 모의에서 RMSE, PBIAS, NSE, PME 통계량은 융설을 포함한 모의가 그렇지 않은 모의보다 좋은 결과를 나타내었다. 소양강댐의 관측유입량은 약 두 달 이상의 자기상관성을 나타내었고, 융설을 포함하지 않은 경우에 모의된 유량시계열은 20일 정도의 자기상관성을 나타내었다. 융설을 포함한 경우의 모의유량 시계열은 관측 유량시계열과 유사하게 약 두 달 이상의 자기상관성을 나타내었다. 이와 같은 결과로 소양강댐 유역의 강우-유출 모의시 적설 및 융설 모형을 포함하여야 모형의 정확성을 향상시킬 수 있다.

• 한국습지학회지
• /
• 제10권2호
• /
• pp.39-51
• /
• 2008

최근 하수처리, 홍수조절, 광산침출수, 농업유출수 등의 처리에 습지를 이용하려는 시도가 증가하고 있다. 하지만 장기모니터링의 어려움으로 인해 습지에 대한 장기간의 자료들이 부족하여 습지의 올바른 이용이 어려운 실정이다. 이에 본 연구에서는 장기간의 자료 생성을 목적으로 한 수문분석의 일환으로 장기유출 수문모형인 SWAT(Soil and Water Assessment Tool)모형을 이용하여 토평천 유역의 우포, 목포, 사지포, 쪽지벌에 대한 저류량을 모의하였다. 이를 바탕으로 토평천 유역에 천변저류지를 조성하는 가상 시나리오를 작성하여 조성된 천변저류지의 저류량 거동을 분석하였다. 천변저류지의 조성에 따른 우포늪의 저류량 변화를 분석한 결과 천변저류지 조성에 따라 우포늪도 일정 정도의 영향을 받을 수 있음이 파악되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.308-308
• /
• 2019

지구상 해양, 대기 및 대륙 상호간의 연속적인 물의 거동을 나타내는 물의 순환의 주요 과정 중 하나인 유량 자료는 경년부터 수십년간의 다양한 기상학적 변동성을 내포하며 해당 지역의 수문기상학적 특성을 반영한다. 이러한 기상학적 변동성 중에서 비교적 긴 시간 주기를 나타내는 저주파 진동은 전지구적 기후변화의 장기적 영향을 나타내며 해수면 상승, 홍수 또는 가뭄과 같은 극한 수문사상을 나타내는 매우 주요한 지표로 활용되고 있지만 관측된 수문 시계열의 짧은 자료길이로 인하여 통계적 분석의 신뢰성에 한계를 보여왔다. 따라서 과거 수문 시계열의 확장으로 인하여 부재의 영역으로 남아있던 자료 기간의 한계가 보완되면 보다 정확하고 신뢰도 있는 분석이 가능할 것이다. 나무나이테를 활용한 고기후 복원 등의 연구가 증가하고 있지만 공학 분야에서 이를 실제로 활용한 연구는 아직 미비하다. 따라서 본 연구에서는 과거 기후의 정보를 바탕으로 복원된 수문 시계열을 활용하여 수문 시계열에 내재된 장기 기후 변동성을 통계적으로 분석하기 위한 문헌들을 조사하고, 장기적인 시간 흐름에 내재된 잠재적인 경향 및 변동성을 통계적 분석을 파악하고자 한다. 이를 위해 주어진 수문 시계열에 내재된 저주파 신호을 추출하기 위한 경험적 모드분해법을 활용하여 수문 자료에 내재된 장기 변동성을 추출하였으며, 산업화 이전부터 연장된 수문 시계열의 공학적 활용성을 분석하고자 한다.