• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.273-283
• /
• 2020

기후변화의 영향으로 국지성 및 집중호우에 대한 발생 가능성이 높아지는 시점에서 과거에 침수피해를 입은 도시 유역에 대하여 실제 호우에 대한 침수 양상을 예측하는 것은 중요하다. 이에 수치해석 기반 프로그램과 함께 기계학습을 이용한 홍수 분석에 대한 연구가 증가하고 있다. 본 연구에서 적용한 LSTM 신경망은 일련의 자료를 분석하는데 유용하지만, 딥 러닝을 수행하기 위하여 충분한 양의 자료를 필요로 한다. 그러나 단일 도시유역에 홍수를 일으킬 강우가 매년 일어나지 않기에 많은 홍수 자료를 수집하기에는 어려움이 있다. 이에 본 연구에서는 대상 유역에서 관측되는 강우 외에 전국 단위의 실제 호우를 예측 모형에 반영하였다. LSTM (Long Short-Term Memory) 신경망은 강우에 대한 총 월류량을 예측하기 위하여 사용되었으며, 목표값으로 SWMM (Storm Water Management Model)의 유출 모의 결과를 사용하였다. 침수 범위 예측을 위해서는 로지스틱 회귀를 사용하였으며, 로지스틱 회귀 모형의 독립 변수는 총 월류량이며 종속 변수는 격자 별 침수 발생 유무이다. 침수 범위 자료는 SWMM의 유출 결과를 바탕으로 수행된 2차원 침수해석 모의 결과를 통해 수집하였다. LSTM의 매개변수 조건에 따라 총 월류량 예측 결과를 비교하였다. 매개변수 설정에 따른 4가지의 LSTM 모형을 사용하였는데, 검증과 테스트 단계에 대한 평균 RMSE (Root Mean Square Error)는 1.4279 ㎥/s, 1.0079 ㎥/s으로 산정되었다. 최소 RMSE는 검증과 테스트에 대하여 각각 1.1656 ㎥/s, 0.8797㎥/s 으로 산정되었으며, SWMM모의 결과를 적절히 재현할 수 있음을 확인하였다. LSTM 신경망의 결과와 로지스틱 회귀를 연계하여 침수 범위 예측을 수행하였으며, 침수심 0.5m 이상을 고려하였을 때에 최대 침수면적 적합도가 97.33 %으로 나타났다. 본 연구에서 제시된 방법론은 딥 러닝에 기반하여 도시 홍수 대응능력을 향상 시키는데 도움이 될 것으로 판단된다.

• 농업과학연구
• /
• 제47권4호
• /
• pp.1029-1037
• /
• 2020

The machine learning algorithm has been widely used in water-related fields such as water resources, water management, hydrology, atmospheric science, water quality, water level prediction, weather forecasting, water discharge prediction, water quality forecasting, etc. However, water quality prediction studies based on the machine learning algorithm are limited compared to other water-related applications because of the limited water quality data. Most of the previous water quality prediction studies have predicted monthly water quality, which is useful information but not enough from a practical aspect. In this study, we predicted the dissolved oxygen (DO) using recurrent neural network with long short-term memory model recurrent neural network long-short term memory (RNN-LSTM) algorithms with hourly- and daily-datasets. Bugok Bridge in Oncheoncheon, located in Busan, where the data was collected in real time, was selected as the target for the DO prediction. The 10-month (temperature, wind speed, and relative humidity) data were used as time prediction inputs, and the 5-year (temperature, wind speed, relative humidity, and rainfall) data were used as the daily forecast inputs. Missing data were filled by linear interpolation. The prediction model was coded based on TensorFlow, an open-source library developed by Google. The performance of the RNN-LSTM algorithm for the hourly- or daily-based water quality prediction was tested and analyzed. Research results showed that the hourly data for the water quality is useful for machine learning, and the RNN-LSTM algorithm has potential to be used for hourly- or daily-based water quality forecasting.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.262-264
• /
• 2002

The characteristic features of Malaysia's climate is has stable temperature, with high humidity and copious rainfall. Weather forecasting is an important task in Malaysia as it could affetcs man irrespective of mans job, lifestyle and activities especially in the agriculture. In Malaysia, numerical method is the common used method to forecast weather which involves a complex of mathematical computing. The models used in forecasting are supplied by other counties such as Europe and Japan. The goal of this project is to forecast weather using another technology known as artificial neural network. This system is capable to learn the pattern of rainfall in order to produce a precise forecasting result. The supervised learning technique is used in the loaming process.

• 산업기술연구
• /
• 제21권B호
• /
• pp.241-248
• /
• 2001

Normally at a flood season the operation of the dam depends on a short range weather forecast that makes many difficulties of the management at a dry season. It is needed to study the pattern of the long period rainfall. The concept of PMP(Probable Maximum Precipitation) was used for designing dam. From the concept, this study is applied the concept of monthly probable maximum precipitation for operating dam. It can be possible to let us know the appropriateness of a limiting water level at a rainy season. For the operation of dam at a dry season this study can predict roughly the flood season's pattern of precipitation by month or period, therfore the prediction of precipitation can rise efficient operation of a dam.

• 물과 미래
• /
• 제28권1호
• /
• pp.133-144
• /
• 1995

본 연구의 목적은 실시간 자료수집 시스템의 일환으로서 어떤 유역에 존재하는 기존의 강우관측지점으로로부터 유역평균강우량을 산정할 때나 이를 강우-유출 모형의 입력치로 사용할 때 필요한 강우관측지점의 수와 위치를 선정하는 방법을 제시하였다. 유역평균강우량 산정방법은 미국 국립기상청이 제안한 가중치방법을 사용하였다. 강우관측지점 수에 따른 국부적인 최적위치선정은 서로 다른 두가지 방법으로 추적되었다. 유량예측을 위한 강우관측지점의 최적위치와 수를 결정하기 위하여 실제 실무에서 적용하고 있는 강우-유출 모형을 사용하였다.

• 물과 미래
• /
• 제26권2호
• /
• pp.99-105
• /
• 1993

호우발생전의 기상상태, 유역의 저류상태 그리고 과거의 패턴을 반영한 실용성 있는 홍수 예보모형을 제안하였다. 호우 예보는 구름 물리학을 토대로한 지점 호우 예보 모형을, 유출예측은 저류함수모형을 채택하였다. 홍수 예보 모형의 입력 변수는 예보 발령 시점의 지상 기온, 지상 기압, 지상 이슬점 온도 그리고 유출점의 초기 유량이다. 홍수 예보 모형의 매개 상수는 과거의 홍수 사상이 갖는 최적 상수들의 산술평균값으로 하였다. 유출률은 홍수 초기 유량을 지표로 하여 예측될 수 있게 하였다.

• 대한토목학회논문집
• /
• 제31권5B호
• /
• pp.449-457
• /
• 2011

최근 기후변화/변동으로 인한 집중호우가 증가하여 수문기상재해에 따른 피해가 증가하고 있다. 미래의 발생가능한 극한 강우사상에 대응하기 위해, 일반적으로 수문학적 빈도해석을 이용하여 목표연도의 설계 강우량을 산정한다. 이것은 수문빈도 해석에 적용된 강우자료가 정상성임을 가정하여 설계 강우량을 산정하는 것이다. 하지만, 최근 관측된 강우자료를 살펴보면, 통계적 특성이 시간에 따라 변하는 경우가 있다. 본 연구는 연최대강우량의 회귀직선에 대한 잔차의 수문학적 빈도해석을 바탕으로, 가까운 미래로 설정된 목표연도의 확률강우량을 산정하는 방법을 제안하였다. 현재까지의 관측자료를 기초로 선형회귀식의 추세선을 이용하여 잔차 시계열을 생성하고, 잔차에 대한 확률밀도함수를 추정한 후, 추세선의 증가 및 감소 경향을 고려하여 확률강우량을 산정하였다. 14개의 강우관측지점에 적용한 결과, 증가경향을 보이는 경우에는 현시점까지의 자료에 대한 선형회귀식을 산정한 후, 목표연도까지 연장했을 때의 추세요소를 산정한 방법이 보다 적합한 확률강우량을 산정하는 것으로 나타났다. 이러한 결과는 정상성을 바탕으로 추정한 확률강우량과 비교했을 때, 5-25%의 예측편차가 1-22% 정도로 감소하였다.

• 한국수자원학회논문집
• /
• 제51권6호
• /
• pp.523-533
• /
• 2018

본 연구에서는 충주댐 유역에 대해 앙상블 유량예측기법의 강우-유출 모델 매개변수, 입력자료에 따른 불확실성 분석을 수행하였다. 앙상블 유량예측기법으로는 ESP (Ensemble Streamflow Prediction) 기법과 BAYES-ESP (Bayesian-ESP) 기법을 활용하였으며, 강우-유출 모델로는 ABCD를 활용하였다. 모델 매개변수에 따른 불확실성 분석은 GLUE (Generalized Likelihood Uncertainty Estimation) 기법을 적용하였으며, 입력자료에 따른 불확실성 분석은 유량예측 앙상블에 활용되는 기상시나리오의 기간에 따라 수행하였다. 연구결과 앙상블 유량예측 기법은 입력자료 보다 모델 매개변수의 영향을 크게 받았으며, 20년 이상의 관측 기상자료가 확보되었을 때 활용하는 것이 적절하였다. 또한 BAYES-ESP는 ESP에 비해 불확실성을 감소시킬 수 있는 것으로 나타났다. 본 연구는 불확실성 분석을 통해 앙상블 유량예측기법의 특징을 규명하고 오차의 원인을 분석하였다는 점에서 가치가 있다고 판단된다.

• 물과 미래
• /
• 제18권2호
• /
• pp.153-161
• /
• 1985

본 연구는 치수면에서 중요한 홍수 예경보 시스템을 좀 더 효율적으로 운영하고 그 시스템을 자동화하기 위한 하천 유출의수문학적인 예측방법의 개발에 관한 것으로 제어공학에서 상태공간개념으로부터 유도된 Kalman Filter 이론의 알고리즘을 파악하여 강우-유출계의 동적거동을 나타낼 수 있도록 예측 모형을 구성하고 Kalman Filter 의 적용 알고리즘을 도임하므로서 홍수시 하천유출의 on-line, 실시간 예측의 가능성을 제시하였다. 본 연구의 결과로 얻어진 전자계산 프로그램은 실제 하천유역의 실측자료로서 수정 보완하므로서 홍수 예경보 시스템의 자동화는 물로 그 시스템의 효율적인 운영방법 개선에 기여할 수 있을 것이다.

• 대기
• /
• 제27권1호
• /
• pp.17-28
• /
• 2017

The sensitivity of the typhoon track and intensity simulation to physics schemes of the global model are examined for the typhoon Bolaven and Tembin cases by using the Global/Regional Integrated Model System-Global Model Program (GRIMs-GMP) with the physics package version 2.0 of the Korea Institute of Atmospheric Prediction Systems. Microphysics, Cloudiness, and Planetary boundary Layer (PBL) parameterizations are changed and the impact of each scheme change to typhoon simulation is compared with the control simulation and observation. It is found that change of microphysics scheme from WRF Single-Moment 5-class (WSM5) to 1-class (WSM1) affects to the typhoon simulation significantly, showing the intensified typhoon activity and increased precipitation amount, while the effect of the prognostic cloudiness and PBL enhanced mixing scheme is not noticeable. It appears that WSM1 simulates relatively unstable and drier atmospheric structure than WSM5, which is induced by the latent heat change and the associated radiative effect due to not considering ice cloud. And WSM1 results the enhanced typhoon intensity and heavy rainfall simulation. It suggests that the microphysics is important to improve the capability for typhoon simulation of a global model and to increase the predictability of medium range forecast.