• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.393-393
• /
• 2021

도시화는 도시 호우 유출 발생으로 인한 수질 악화를 초래했고 문제를 해결하기 위해 본 연구에서는 보다 정확한 설계를 위해 그린인프라(Green Infrastructure, GI)의 구조적 특성과 수문학적인 특성을 이용해 어떤 인자들이 설계에 필요한지 상관관계를 통해 분석하였다. GI의 종류 중 저류지와 저류연못의 총부유사량(Total Suspended Solids, TSS)와 총인 (Total Phosphorous, TP)의 유입수, 유출수, 비점오염원 농도, 수문학적인 특성 그리고 GI의 구조적 특성을 Ordinary Least Squares regression(OLS)과 Multi Linear Regression(MLR) 방법을 적용하였다. GI의 구조적인 특성은 한 BMP마다 달라지지 않으나 호우사상의 데이터 개수에 의한 편향이 있을 수 있다. 이런 문제를 해결하기 위해 일정한 범위를 가지고 무작위로 데이터를 추출하는 방법과 이상치를 제외하는 방법을 사용하여 모델에 적용하였다. 이러한 OLS와 MLR 모델들의 정확도를 PBIAS(Percent Bias), NSE(Nash-Sutcliffe efficiency), RSR(RMSE-observations standard deviation ratio)을 통해 분석할 수 있다. 연구 결과 유입수의 비점오염원의 농도뿐만 아니라 수문학적 특성과 GI의 구조적 특성이 함께 들어갈 시 더 좋은 상관관계를 가지고 있음을 알 수 있다. 저류지가 저류연못보다 모델의 성능평가 면에서 좋은 값을 가지고 있지만 특성별 상관관계는 저류연못이 더 뚜렷한 결과를 보여준다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.179-179
• /
• 2011

근래 농촌지역에서의 하천 및 저수지의 수질오염에 관하여 관심이 고조됨에 따라 비오염원에 대한 파악과 대책을 세우기 위해 관련분야에서 많은 연구가 진행 되고 있다. 비점오염원은 주로 강우나 유출에 의해 배출되기 때문에 배출 장소와 경로가 불분명하고 다양하다. 비점오염의 관리를 위한 유역모델로 SWAT (Soil and Water Assessment Tool) 모델을 이용한 연구가 광범위하게 사용되고 있다. 그러나 SWAT 모델은 유역모델로써 농촌지역에 논, 밭에서의 비점오염원 기작을 표현하기에는 공간적 범위의 한계가 있다. 이에 본 연구에서는 예당저수지 유역(465.12 km2)을 대상으로 유역규모의 SWAT 모델과 유역-필드규모에 적용 가능한 SWAT-APEX (Agricultural Policy/Environmental eXtender) 모델의 수질(T-N, T-P) 모의결과를 비교하여 SWAT-APEX 모델의 적용성을 평가하고자 하였다. 모형의 적용을 위한 입력자료로 기상자료와 지형자료를 구축하였으며 기상자료로 예당저수지유역 3개의 강우관측소 자료를 수집하여 구축하였으며, 지형자료로 격자크기 30m의 DEM (Digital Elevation Model)과 농촌진흥청에서 제공하는 1:25,000 정밀토양도와 토지이용도는 환경부로부터 1:25,000 중분류 토지이용도를 이용하였다. 또한 환경부에서 제공하는 월단위 하천수질 자료(기간)를 구축하여 모형의 검증을 실시하였다. 분석과정으로 SWAT 모델에서의 유역차원 수문, 수질 모의를 한 후, APEX 모델을 이용하여 소유역별 논, 밭에 대한 필드단위에 오염물질 모의 후 각각 소유역 출구에서 APEX 모델에 결과를 반영한 SWAT-APEX 모의를 거쳐 최종 유역출구에서의 유출량과 수질항목을 분석하였다. 모의 결과 유출량에 대해 Nash와 Sutcliffe (1970)가 제안한 모델효율성계수 (Model Efficient, ME)는 0.67, 결정계수는 0.69 그리고 수질항목의 결정계수는 각각 0.77, 0.75으로 분석되었다. 또한, SWAT-APEX 모의 결과 수질항목의 결정계수는 각각 0.80, 0.72이었다. 따라서, 본 연구에서 농촌지역의 비점오염원 모의는 필드모의를 반영한 SWAT-APEX 모델 결과가 SWAT 모델만 적용한 결과보다 정확한 비점오염 모의가 이루어졌다고 판단 할 수 있다.

• 한국수자원학회논문집
• /
• 제53권11호
• /
• pp.985-997
• /
• 2020

SWAT (Soil Water Assessment Tool)-MODFLOW은 준분포형 연속강우유출모형과 분포형 지하수 모형을 결합한 모델이다. 본 연구는 남한강에 위치한 복하천 유역의 지하수에 대해 SWAT과 SWAT-MODFLOW의 모의결과를 비교평가 하였다. 두 모델간의 비교에 앞서 각 모델은 유역 내 흥천 수위 관측소의 일별 유출량 자료와 율현 지하수위 관측데이터의 9년(2009 ~ 2017년)의 자료로 보정 및 검증되었다. SWAT의 경우 기저유량과 감수위에 영향을 주는 GW_DELAY, GWQMN과 ALPHA_BF를 이용하여 보정하였고 그 결과 결정계수(R²)는 0.70, Nash-sutcliffe 모델효율(NSE_Q, NSE_inQ)은 각각 0.73, -0.1을 나타냈다. SWAT-MODFLOW의 경우는 토양속성별 대수층 수리전도도(K, m/day), 비저류량(S_s, 1/m), 비산출량(S_y) 및 유효토심(m) 자료가 추가로 적용되었다. 동일 기간의 모의 결과 R², NSE_Q, NSE_inQ는 각각 0.69, 0.74, 0.51을 나타냈다. 특히, SWAT-MODFLOW 적용결과 대수층의 수리지질학적 자료 입력을 통해 저유량 모의가 상당히 개선되었다. SWAT과 SWAT-MODFLOW의 총 유출량은 각각 718.6 mm, 854.9 mm이며 기저유량은 각각 342.9 mm, 423.5 mm로 산정되었다.

• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.449-449
• /
• 2022

제주도는 용수의 대부분을 지하수에 의존하므로 지하수위의 예측 및 관리는 매우 중요한 사항이다. 제주도의 지층은 화산활동에 의한 현무암이 겹겹이 쌓여있는 형태를 나타내며 육지의 지층구조와 매우 다른 복잡한 형태를 나타낸다. 이에 따라 제주도 지하수위의 예측은 매우 난해하며, 최근에는 딥러닝 인공지능 모델을 활용하여 지하수위를 예측하는 연구사례가 증가하고 있다. 기존의 연구들은 인공지능 모델들이 지하수위를 적절히 예측한다고 보고하고 있으나 예측의 적절성에 대한 판단기준을 제시하지 못하였으므로 이에 대한 명확한 제시가 필요하다. 본 연구의 목표는 인공지능을 활용한 지하수위 예측오차가 허용 가능한지 판단할 수 있는 기준을 제시함에 있다. 이를 위해 전 세계의 과거 20년 동안 관련 연구결과들을 수집 및 분석하였으며, 분석 결과 인공지능 모델의 지하수위 예측오차는 지하수위 변동성이 큰 지역일수록 증가하는 것을 확인하였다. 이것은 지하수위의 변동형태가 크고 복잡할수록 인공지능 모델의 지하수위 예측성능은 낮아진다는 것을 의미한다. 이 관계를 명확하게 나타내기 위해 지하수위 최대변동폭과 평균제곱근오차 및 최대오차와의 관계를 선형회귀식으로 도출하여 허용가능한 예측오차 기준을 제시하였다. 그리고 기존 연구들에서 제시한 Nash-Sutcliffe 효율성지수와 결정계수를 분석하여 선형회귀식에 의한 기준을 보완할 수 있는 추가적인 기준을 제시하였다. 본 연구에서 제시한 인공지능 모델에 의한 지하수위 예측결과의 적절성 판단기준은 향후 지속적으로 증가하는 인공지능 예측연구에 유용하게 사용될 수 있다.

• 정보과학회 논문지
• /
• 제44권6호
• /
• pp.607-612
• /
• 2017

도시에서 홍수 피해를 방지하기 위한 침수를 예측하기 위해 본 논문에서는 딥러닝(Deep Learning) 기법을 적용한다. 딥러닝 기법 중 시계열 데이터 분석에 적합한 Recurrent Neural Networks (RNNs)을 활용하여 강의 수위 관측 데이터를 학습하고 침수 가능성을 예측하였다. 예측 정확도 검증을 위해 사용한 데이터는 미국의 트리니티강의 데이터로, 학습을 위해 2013 년부터 2015 년까지 데이터를 사용하였고 평가 데이터로는 2016 년 데이터를 사용하였다. 입력은 16개의 레코드로 구성된 15분단위의 시계열 데이터를 사용하였고, 출력으로는 30분과 60분 후의 강의 수위 예측 정보이다. 실험에 사용한 딥러닝 모델들은 표준 RNN, RNN-BPTT(Back Propagation Through Time), LSTM(Long Short-Term Memory)을 사용했는데, 그 중 LSTM의 NE(Nash Efficiency)가 0.98을 넘는 정확도로 기존 연구에 비해 매우 높은 성능 향상을 보였고, 표준 RNN과 RNN-BPTT에 비해서도 좋은 성능을 보였다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.3-8
• /
• 2013

본 논문은 기지국 공유가 가능한 셀룰러 네트워크에서 에너지 효율화를 위한 기지국 운영 방안에 관한 것이다. 기지국 운영에 따른 에너지 사용 비용과 기지국 공유에 따라 나타나는 서비스 사업자 간의 트래픽 교환을 함께 고려하기 위하여 에너지와 트래픽에 대한 비용 모델을 수립하여 에너지 비용 최소화에 관한 최적화 문제로 나타낸다. 최적해를 구하기 위하여 게임 이론을 기반으로 정보교환을 기반으로 각각의 서비스 사업자가 독립적으로 기지국을 운영할 수 있는 방안을 제시한다. 또한 제안된 방안이 항상 유일한 Nash equilibrium을 가지며 최적화 문제의 해가 됨을 보인다. 모의실험을 통하여 제안된 기지국 운영방안이 에너지 비용 절감을 이룰 수 있음을 보이고, 다양한 파라미터와 에너지 비용 절감 간의 상관관계를 논의한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.158-158
• /
• 2021

도시에 불투수면적이 증가하고, 기후변화가 극심해져감에 따라 홍수 및 열섬현상과 같은 도시의 물 문제가 발생하고 있다. 이를 해결하기 위한 정책의 일환으로 우리나라의 녹색건축인증제도(Green Standard for Energy and Environmental Design, G-SEED)에서는 물순환 관리를 평가하고 있다. 하지만, 현재 G-SEED의 평가방법을 살펴보면 빗물관리시설의 설치 정도로 평가하고 있고, 강우 특성 또한 고려되고 있지 않다. 그러므로 본 연구에서는 G-SEED의 빗물관리 및 이용 항목에 대해 수문 모델을 통해 효과를 정량화함으로써 성능에 따라 평가할 수 있는 방법을 제안하였다. 빗물관리 항목에서는 유출저감률을, 빗물이용 항목에서는 빗물이용률을 평가지표로 선정하였고, 각 평가인자를 산출하기 위하여 개념모델을 적용하였다. 빗물이용시설의 경우 초기우수배제장치 용량과 필터 효율에 따른 빗물유입량의 변화와 급수인원에 따른 수요량 변화를 고려한 수문모델을 개발하였고, 수요량과 빗물저장조 용량에 따른 유출저감률과 빗물이용률을 알아보기 위해 MATLAB을 이용하여 모의해보았다. 또한, 옥상녹화의 경우에는 강우, 저류, 증발산, 유출을 고려한 수문흐름모델을 적용하였고, 토층의 두께와 배수(저장) 층의 용량에 따라 모의하여 평가기준을 선정하였다. 제안된 수문모델의 검증을 위하여 서울대학교 기숙사와 35동 옥상녹화의 실측데이터를 비교하였고, 적용성 평가를 위해 RMSE(Root Mean Square Error)와 NSE(Nash-Sutcliffe Efficiency)를 이용하였다. 본 연구에서 제안된 방법을 통해 빗물관리시설의 수문학적 성능에 따른 평가가 가능해질 것이며 설계자와 건축가들로 하여금 실질적인 효과를 내는 시설을 설치하게끔 유도할 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.450-450
• /
• 2021

기후변화 보고서에 따르면 집중 호우의 강도 및 빈도 증가가 향후 몇 년동안 지속될 것이라 제시하였다. 이러한 집중호우가 빈번히 발생하게 된다면 강우 침식성이 증가하여 표토 침식에 더 취약하게 발생된다. Universal Soil Loss Equation (USLE) 입력 매개 변수 중 하나인 강우침식능인자는 토양 유실을 예측할때 강우 강도의 미치는 영향을 제시하는 인자이다. 선행 연구에서 USLE 방법을 사용하여 강우침식능인자를 산정하였지만, 60분 단위 강우자료를 이용하였기 때문에 정확한 30분 최대 강우강도 산정을 고려하지 못하는 한계점이 있다. 본 연구의 목적은 강우침식능인자를 이전의 진행된 방법보다 더 빠르고 정확하게 예측하는 머신러닝 모델을 개발하며, 총 월별 강우량, 최대 일 강우량 및 최대 시간별 강우량 데이터만 있어도 산정이 가능하도록 하였다. 이를 위해 본 연구에서는 강우침식능인자의 산정 값의 정확도를 높이기 위해 1분 간격 강우 데이터를 사용하며, 최근 강우 패턴을 반영하기 위해서 2013-2019년 자료로 이용했다. 우선, 월별 특성을 파악하기 위해 USLE 계산 방법을 사용하여 월별 강우침식능인자를 산정하였고, 국내 50개 지점을 대상으로 계산된 월별 강우침식능인자를 실측 값으로 정하여, 머신러닝 모델을 통하여 강우침식능인자 예측하도록 학습시켜 분석하였다. 이 연구에 사용된 머신러닝 모델들은 Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, eXtreme Gradient Boost 및 Deep Neural Network을 이용하였다. 또한, 교차 검증을 통해서 모델 중 Deep Neural Network이 강우침식능인자 예측 정확도가 가장 높게 산정하였다. Deep Neural Network은 Nash-Sutcliffe Efficiency (NSE) 와 Coefficient of determination (R²)의 결과값이 0.87로서 모델의 예측성을 입증하였으며, 검증 모델을 테스트 하기 위해 국내 6개 지점을 무작위로 선별하여 강우침식능인자를 분석하였다. 본 연구 결과에서 나온 Deep Neural Network을 이용하면, 훨씬 적은 노력과 시간으로 원하는 지점에서 월별 강우침식능인자를 예측할 수 있으며, 한국 강우 패턴을 효율적으로 분석 할 수 있을 것이라 판단된다. 이를 통해 향후 토양 침식 위험을 지표화하는 것뿐만 아니라 토양 보전 계획을 수립할 수 있으며, 위험 지역을 우선적으로 선별하고 제시하는데 유용하게 사용 될 것이라 사료된다.

• 대한토목학회논문집
• /
• 제30권5B호
• /
• pp.459-469
• /
• 2010

본 연구에서는 GIS 공간자료(수치표고모델, 토지이용도, 토양도)와 Terra MODIS(Moderate Resolution Imaging Spectroradiometer) 위성영상에 의한 식생활력도를 이용하여 유역의 일단위 유출량을 모의하는 격자기반의 분포형 일유출 모형을 개발하고 그 적용성을 평가하였다. 모형은 격자단위로 지표유출, 중간유출 및 기저유출, 증발산량 그리고 토양수분의 시간적 변화와 공간적 분포를 모의할 수 있다. 모형은 크게 유출, 증발산, 토양수분의 3개 주요모듈로 구성하였다. 유출은 강우전의 토양수분을 추적하여 지표하 저류능을 계산하므로서, 총 유출체적에서 각 유출량을 배분하는 감수곡선을 도입하여 모의하도록 하였으며, 증발산은 MODIS 엽면적지수(Leaf Area Index; LAI)를 고려한 Penman-Monteith 증발산량을 산정하도록 하였다. 매일의 토양수분은 전일의 토양수분에서 당일의 유출량과 증발산량을 계산하는 물수지 방정식을 이용하여 추적하도록 하였다. 이 모형에 대한 적용성 평가는 유역면적 930 $km^2$의 용담댐 유역을 대상으로 수행하였다. 공간해상도를 1 km로 맞춘 GIS 입력자료(토지피복도, 토양도, 경계자료 등)와 RS 입력자료(LAI)를 구축하였으며, 2000년부터 2008년까지의 기상자료를 수집하여 IDW 방법으로 공간분포화 하여 모형에 적용하였다. 검보정은 유역 출구 지점의 유출량 자료를 모의치와 비교하여 수행되었고, 보정결과에 따른 모형의 적합성과 상관성을 판단하기 위한 목적함수로는 결정계수($R^2$)와 평균제곱근오차 (RMSE : Root Mean Square Error)를 사용하였으며, 모형의 효율성 검증을 위해 Nash와 Sutcliffe(1970)가 제안한 모형 효율성 계수를 사용하였다. 유출량에 대한 Nash-Sutcliffe 모형효율은 0.78~0.93로 모의치가 실측치의 경향을 잘 표현하는 것으로 나타났다. 유출량 분포도는 강우와 토양에 매우 민감하게 모의 되었다.