• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.200-200
• /
• 2020

본 연구에서는 SWAT 모형과 APEX-Paddy 모형의 연계 모델링을 통한 대표 BMP(Best management practice) 적용, 정식시기 및 벼 생육기간을 고려한 시나리오 적용을 통해 농업용수의 관리 및 수질환경 개선 등에 활용할 수 있는 저영향 영농활동을 분석하고자 하였다. 만경강 유역을 대상으로 SWAT 모형을 구축하고 유역 내에 위치한 논 시험포장을 대상으로 강우-유출 및 비점오염원 모니터링 자료를 활용하여 APEX-Paddy 모형을 구축하였다. SWAT 모형과 APEX 모형을 연계하여 유역의 수문, 수질에 대한 정밀한 모델링을 수행하였으며, 이는 저영향 영농활동을 분석하기 위한 필드단위의 정확한 결과를 유역차원에 반영하기 위함이다. 특히, 본 연구에 사용된 APEX-Paddy 모형은 농촌진흥청과 Texas A&M의 공동연구를 통해 개발된 새로운 모형으로서 한국의 논 영농활동 및 담수환경을 반영하여 논에서의 유출 및 비점오염원을 모의할 수 있다. 연계 모형의 적합성 평가를 위해 R² (Determine of Coefficient), RMSE (Root mean square error), NSE (Nash-sutcliffe efficiency)를 사용하였다. 적합성 평가 지표를 분석한 결과, 유출량은 R² 평균 0.91, RMSE 평균 2.87 mm/day, NSE 평균 0.78로 나타났다. T-N 부하량은 R² 평균 0.74, RMSE 평균 59.3 kg/ha/day, NSE 평균 0.50으로 나타났다. 저영향 영농활동 관리방안을 위한 시나리오로 1) 논의 물꼬높이(BMP) 관리 적용, 2) 벼 생육기간 조절을 고려하여 기온변화에 따른 정식시기, 벼 생육기간 등을 조정하여 적용하였다. 기후변화 시나리오는 10개 GCM 모델의 RCP 8.5 시나리오를 통해 분석하였으며, 유역차원의 미래 영향을 분석한 결과, 물꼬관리 BMP에 따라 담수심이 증가되며, 관개량이 감소하고 유출량 10.7%, T-N 11.2% 저감되는 것을 나타냈으며, 벼 생육기간 조절은 BMP보다 상대적으로 효과가 높진 않았지만, 유출량 1.4%, T-N 3.1%의 저감효과를 나타냈다. 따라서 두 가지의 저영향 영농활동 관리방안은 미래기간의 기후변화에 대응하여 농업용수 및 물관리에 도움이 될 것으로 사료된다. 하지만 본 연구결과는 모델링 결과에 의존한 것이며, 추후 지속적인 연구와 보완이 필요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.262-262
• /
• 2020

새만금 유역 내에는 다수의 보 및 제수문이 위치하고 있으며, 관개, 배수, 오염원 등이 영향을 받고 있다. 선행연구 중에는 보 및 제수문을 고려하기 위해 모형의 소스코드를 일부 수정하여 연구되고 있으나 유역모형으로 구현하기에는 한계가 있으며, 이에 대한 연구는 미흡한 실정이다. 본 연구에서는 만경강 유역을 대상으로 유역 모형과 전산유체역학 모형을 이용하여 하류 제수문에 대한 유입, 유출 그리고 오염원 등의 영향을 분석하고자 한다. SWAT (Soil and water assessment tool)은 유역 모형으로 미국 농무부에서 농업유역의 수문순환 및 비점오염원을 모의하기 위해 개발한 모형이다. CFD (Computational fluid dynamics)는 전산유체역학 모형으로 구조물을 설계하고 유체, 기체 등을 모의할 수 있다. SWAT 모형을 이용하여 농업유역 하류 제수문 위치를 출구로 지정하여 수문을 모의하고 그 결과자료는 CFD에 입력할 수 있다. CFD는 하류 제수문 구조물을 설계하고 SWAT 모형의 수문자료를 입력하여 제수문의 영향을 평가할 수 있다. 우선, 만경강 유역을 대상유역으로 선정하고 부용, 황산, 상리, 고은교 등 제수문의 위치를 파악하였다. SWAT 모형 구축을 위해 2015-2018년까지 기상, 수위, 유량 관측자료를 수집하였으며, 보정기간과 검증기간은 각 2년이며, 모형 성능 검증에 사용한 적합성 평가 지수는 R² (Determine coefficient), RMSE (Root mean square error), 그리고 NSE (Nash-sutcliffe efficiency coefficient)를 사용하였다. 모형의 보정은 SWAT-CUP 자동보정프로그램을 사용하였으며, 모형의 보정지수는 NSE를 사용하였고, 1,000회 반복 수행을 통해 매개변수를 최적화하였다. 보정기간의 유출량 적합성 평가 지수는 R², RMSE 그리고 NSE가 각각 0.84, 2.96 mm/day, 0.70을 나타냈다. 검증기간의 유출량 적합성 평가 지수는 R², RMSE 그리고 NSE가 각각 0.72, 2.94 mm/day, 0.46을 나타냈다. 본 연구는 유역 차원과 구조물 차원의 모델링을 연계하는 것으로 향후 제수문 모니터링 자료를 활용하여 CFD 모형을 구축하고 유입량에 따른 제수문의 검보정 및 영향을 평가하고자 한다. 이러한 결과는 최근 기후변화에 따라 급격히 변화하는 유역환경에 대처할 수 있는 방안이 될 수 있을 것이며, 제수문 시설을 관리하는 기관에서도 합리적인 운영방안에 대한 기초자료로 기여할 수 있을 것으로 사료된다.

• Structural Engineering and Mechanics
• /
• 제84권2호
• /
• pp.143-154
• /
• 2022

Corrosion of steel reinforcement is considered as the main cause of concrete structures deterioration, especially those under humid environmental conditions. Hence, fiber reinforced polymer (FRP) bars are being increasingly used as a replacement for conventional steel owing to their non-corrodible characteristics. However, predicting the shear strength of beams reinforced with FRP bars still challenging due to the lack of robust shear theory. Thus, this paper aims to develop an explicit data driven based model to predict the shear strength of FRP reinforced beams using multi-objective evolutionary polynomial regression analysis (MOGA-EPR) as data driven models learn the behavior from the input data without the need to employee a theory that aid the derivation, and thus they have an enhanced accuracy. This study also evaluates the accuracy of predictive models of shear strength of FRP reinforced concrete beams employed by different design codes by calculating and comparing the values of the mean absolute error (MAE), root mean square error (RMSE), mean (𝜇), standard deviation of the mean (𝜎), coefficient of determination (R²), and percentage of prediction within error range of ±20% (a20-index). Experimental database has been developed and employed in the model learning, validation, and accuracy examination. The statistical analysis illustrated the robustness of the developed model with MAE, RMSE, 𝜇, 𝜎, R², and a20-index of 14.6, 20.8, 1.05, 0.27, 0.85, and 0.61, respectively for training data and 10.4, 14.1, 0.98, 0.25, 0.94, and 0.60, respectively for validation data. Furthermore, the developed model achieved much better predictions than the standard predictive models as it scored lower MAE, RMSE, and 𝜎, and higher R² and a20-index. The new model can be used in future with confidence in optimized designs as its accuracy is higher than standard predictive models.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.265-282
• /
• 2022

해수면 온도(Sea surface temperature, SST)는 지구시스템에서 해양의 순환과 생태계에 큰 영향을 주는 요소이다. 지구온난화로 한반도 근해 해수면 온도에 변화가 생기면서 이상 수온(고수온, 저수온) 현상이 발생하여 해양생태계와 수산업 피해를 지속적으로 발생시키고 있다. 따라서 본 연구는 한반도 근해 해수면 온도를 예측하여 이상 수온 현상 예측으로 피해를 예방하는 방법론을 제안한다. 연구 지역은 한반도 근해로 설정하여 동시간대 해수면 온도 데이터를 사용하기 위해 Europe Centre for Medium-Range Weather Forecasts (ECMWF)의 ERA5 자료를 사용하였다. 연구방법으로는 해수면 온도 데이터의 시계열 특징을 고려하여 딥러닝 모델 중 시계열 데이터 예측에 특화된 Long Short-Term Memory (LSTM) 알고리즘을 이용하였다. 예측 모델은 1~7일 이후 한반도 근해 해수면 온도를 예측하고 고수온(High water temperature, HWT) 혹은 저수온(Low water temperature, LWT) 현상을 예측한다. 해수면 온도 예측 정확도 평가를 위해 결정계수(Coefficient of determination, R²), 평균제곱근 편차(Root Mean Squared Error, RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE) 지표를 사용하였다. 예측 모델의 여름철(JAS) 1일 예측 결과는 R²=0.996, RMSE=0.119℃, MAPE=0.352% 이고, 겨울철(JFM) 1일 예측 결과는 R²=0.999, RMSE=0.063℃, MAPE=0.646% 이었다. 예측한 해수면 온도를 이용하여 이상 수온 예측 정확도 평가를 F1 Score로 수행하였다(여름철(2021/08/05) 고수온 예측 결과 F1 Score=0.98, 겨울철(2021/02/19) 저수온 예측 결과 F1 Score=1.0). 예측 기간이 증가하면서 예측 모델이 해수면 온도를 과소추정하는 경향을 보여주었고, 이로 인해 이상 수온 예측 정확도 또한 낮아졌다. 따라서, 향후 예측 모델의 과소추정 원인을 분석하고 예측 정확도 향상을 위한 연구가 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제36권5_4호
• /
• pp.1179-1194
• /
• 2020

본 연구에서는 지상기상센서가 설치되지 않은 미 관측지점의 기온정보를 추정하기 위하여 K-최근접 이웃, 랜덤 포레스트, 신경망 알고리즘을 대상으로 위성영상을 이용하여 기온자료를 산출하고 그 정확성을 평가·분석하고자 하였다. 위성영상자료는 2019년에 취득된 Landsat-8과 MODIS Aqua/Terra을 이용하였으며, 기상자료는 기상청과 산림청의 AWS/ASOS 자료를 이용하였다. 또한 추정 정확도를 향상시키기 위하여 수치표면 모델, 일사량, 경사방향, 경사도를 생성하여 이용하였다. 머신러닝 알고리즘 정확도 비교는 10-fold 교차검증을 통하여 R²(결정계수) 및 RMSE(평균제곱근오차)의 통계량을 계산하여 대상지역별 추정결과를 비교하였다. 그 결과 신경망 알고리즘이 R²=0.805, RMSE=0.508로 세 알고리즘 중 가장 안정적인 결과를 나타내었다. 신경망 알고리즘을 구축된 위성영상 데이터셋에 적용하여 2019년 6월부터 9월까지의 평균기온 지도를 생성할 수 있었으며 세밀한 기온 정보를 관측할 수 있음을 확인하였다. 연구 성과는 폭염 대응 정책, 열섬완화 연구 등 국가재난안전 관리에 활용 될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제38권12호
• /
• pp.1061-1072
• /
• 2005

본 연구에서는 영산호의 상류에 위치한 나주유역의 홍수시 유출량을 실시간으로 예측하기 위하여 Grey홍수 유출모형을 개발하였다. 나주유역의 유출량은 나주수위관측소에서 실시간으로 측정하고 있으며, 이곳은 영산호의 유입홍수량을 예측과 홍수관리를 위한 주관측소이다. 모형의 지배방정식은 Grey시스템 이론에 근거하여 구성되었으며, 모형의 매개변수는 Grey 시스템매개변수의 조합으로 구성하였다. 모형의 차수는 실측자료와 모의결과를 비교하여 다른 차수 보다 양호한 결과를 나타내는 5차로 하였다. 모형의 보정시 예측결과와 실측치간의 RMSE는 $3.1\~290.5m^{3}/sec$를 나타냈으며, $R^{2}$는 $0.909\~0.999$를 나타냈다. 모형의 검정시 예측결과와 실측치간의 RMSE는 $20.6\~147.4m^{3}/sec$를 나타냈으며, $R^{2}는\;0.940\~0.998$를 나타냈다. 매개변수가 추정된 모형을 이용하여 담수호의 유입량을 하천수위 상태에 따라 예측한 결과, 하천수위가 상승할 경우와 하강할 경우의 예측 홍수량은 예측시간이 증가할수록 커지는 경향을 나타냈다. 또한, 하천수위가 첨두에 가까운 시기의 홍수량은 예측시간에 관계없이 실측자료와 비슷한 결과를 나타냈다. 이와 같은 결과는 Grey 홍수유출모형을 홍수시 담수호 유입량을 실시간으로 정확하게 예측하는데 적용할 수 있음을 나타낸다.

• 한국수자원학회논문집
• /
• 제47권10호
• /
• pp.945-958
• /
• 2014

토양온도는 비점오염과 관련된 수문학적 및 생지화학적 과정에 영향을 주는 중요한 물리적 환경인자 중 하나이다. 이 연구에서는 분포형 유역모델인 CAMEL(Chemicals, Agricultural Management and Erosion Losses)의 겨울철 토양온도 모의성능을 개선하기 위해서 융설과 토양 동결-융해 모델을 개발하였으며, 경기도 여주에 위치한 시험유역의 4개 지점에서 3개월 동안 관측한 토양온도 자료를 사용하여 모델을 보 검정하였다. 모의 결과, 표층 토양온도에 대해서는 모델이 토양온도의 시계열 변화를 비교적 잘 재현하는 반면($R^2$ 0.71~0.95, RMSE $0.89{\sim}1.49^{\circ}C$), 하부토양층 온도에 대해서는 경우에 따라 모델의 예측오차가 다소 크게 나타났는데($R^2$ 0.51~0.97, RMSE $0.51{\sim}5.08^{\circ}C$), 이것은 모델에서 토양 깊이별 토성을 동일한 것으로 가정한 것이 주요 원인인 것으로 판단된다. 한편, 개발된 모델은 융설에 의한 단열효과와 토양 동결-융해 과정에서 유입 또는 방출되는 잠열흐름의 영향으로 토양온도의 진폭이 감소하는 현상을 잘 모의하고 있다. 비록 모델 구조의 한계와 자료의 부족으로 토양온도에 대한 다소의 예측오차가 발생하였지만, 개발된 토양온도 모델은 시험유역의 토지이용 및 지형에 따른 토양온도와 적설상당수량의 시공간적 분포를 합리적으로 잘 모의하는 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제51권9호
• /
• pp.803-812
• /
• 2018

본 연구는 다목적함수를 고려한 입자군집최적화(Particle Swarm Optimization, PSO) 알고리즘을 Python으로 개발하고, Soil and Water Assessment Tool (SWAT) 모형에 적용하여 자동보정 알고리즘의 적용 가능성을 평가하였다. SWAT 모형의 유출 해석은 안성천의 공도 수위 관측소 상류유역($364.8km^2$)을 대상으로 하였으며, 공도 지점의 2000년부터 2015년까지의 일 유량 자료를 이용하였다. PSO 자동보정은 결정계수(coefficient of determination, $R^2$), 평균제곱근오차(RMSE), NSE 모형효율계수(Nash-Sutcliffe Efficiency, $NSE_Q$), 특히 중간유출과 기저유출의 보정을 위해 $NSE_{INQ}$ (Inverse Q)를 활용하여 SWAT을 보정하였다. PSO을 통한 SWAT 모형의 자동보정과 수동보정의 유출해석 결과, 각각 $R^2$는 0.64, 0.55, RMSE는 0.59, 0.58, $NSE_Q$는 0.78, 0.75, $NSE_{INQ}$는 0.45, 0.09의 상관성 분석결과를 보였다. PSO 자동보정 알고리즘은 수동보정에 비하여 높은 향상을 보였는데 특히 유출의 감수곡선을 개선시켰으며 적절한 매개변수 추가(RCHRG_DP)와 매개변수 범위의 설정으로 수동보정의 한계를 보완하였다.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1881-1890
• /
• 2021

미세먼지는 인체에는 물론 생태계, 날씨 등에도 많은 영향을 끼치며, 인구와 건물, 차량 등이 밀집된 대도시에서의 미세먼지의 예측과 모니터링은 중요하다. 특히 자동차, 연소 등에서 발생하는 PM_2.5 농도는 독성 물질을 포함할 수 있어 체계적인 관리가 필요하다. 따라서 본 연구는 화학 인자, 위성 기반의 aerosol optical depth (AOD), 기상 인자 등을 입력 자료로 하여 수도권PM_2.5 농도를 예측하고자 한다. PM_2.5 농도 예측을 위해 기계 학습 모델 중 PM 농도 예측에 우수한 성능을 보이는 random forest (RF) 모델을 선정하였으며, 모델 평가를 위해 통계 지표인 R², RMSE, MAE, MAPE를 산출하였다. RF 모델의 모델 정확도는 R², RMSE, MAE, MAPE는 각각 0.97, 3.09, 2.18, 13.31로 나타났으며, 예측 정확도는 각각 0.82, 6.03, 4.36, 25.79로 본 연구에서 사용한 인자들을 이용하여 PM_2.5를 예측 시 높은 정확도와 상관성을 나타내었다. 따라서 향후 학교 미세먼지 예측 및 범주화를 위해 본 연구에서 사용한 인자들을 RF 모델에 적용하였을 때 신뢰할만한 결과를 도출할 수 있을 것으로 기대된다.

• 한국산림과학회지
• /
• 제109권4호
• /
• pp.484-491
• /
• 2020

본 연구는 고가의 나이테 분석 장비에서 탈피하고 손쉽게 나이테 분석작업을 수행하기 위해 스마트폰 촬영 이미지를 활용할 수 있는 컴퓨터 프로그램인 TRIO(Tree Ring Information)를 개발하였다. TRIO는 반 자동형 컴퓨터 프로그램이며, 스마트폰 촬영 이미지를 활용해 1년 단위별 나이테 반경을 측정하고, 결과를 엑셀로 저장한다. 카메라 성능에 따른 결과를 비교하기 위해 삼성 갤럭시 S10과 삼성 갤럭시 탭 S2로 기종을 달리하여 30개의 리기다소나무 원판의 4방위 이미지를 취득하고 WinDENDROTM와 1년 단위별 나이테 반경을 측정한 결과를 비교하였다. 연구 결과, 삼성 갤럭시 S10과 S2 모두 WinDENDROTM와 유의한 결과를 나타내었고, S10의 R2 값이 0.976으로 높은 상관관계를 가졌으며, RMSE는 0.4199로 분석되어 매우 유사한 결과를 출력하였다. S2의 R2 값은 0.975, RMSE은 0.4232로 S10과 큰 차이가 나타나지 않았다. 이에 따라 본 연구에서 개발한 TRIO는 WinDENDROTM와 매우 유사한 1년 단위별 반경 값을 분석하였다.