• 생태와환경
• /
• 제41권1호
• /
• pp.43-53
• /
• 2008

본 연구의 목적은 분포형 수문모형인 TOPMODEL을 이용하여 산림유역의 홍수수문곡선을 추정하는 것이다. 이를 위하여 유역면적 58.3ha의 명성유역을 선정하였으며, 대상유역에 대하여 강우량과 유출량을 측정하였다. Monte Carlo기법을 이용하여 강우사상별로 최적의 매개 변수 조합을 구하고, 매개변수별 모의기간에 대한 평균값을 적용하여 매개변수를 결정하였다. 1997년에 측정된 6개의 강우-유출량 자료를 이용하여 매개변수 보정을 실시하였으며, $1998\sim1999$년에 측정된 8개의 강우-유출량 자료를 이용하여 모형의 검증을 실시하였다. 보정기간에 대한 유출량 추정 오차는 $-2.74\sim1.81%$의 범위를 보였으며, 모형 효율(E)은 평균 0.92이었다. 6개의 강우사상에 대하여 실측된 평균 첨두유량은 $0.324m^3\;s^{-1}$이었으며, 이에 대한 추정치는 $0.295m^3\;s^{-1}$로 모의되었다. 강우 사상별 첨두유량의 오차범위는 $-27.65\sim-1.13%$로 나타났으며, 이는 강우특성 및 선행강우조건에 영향을 받은 것으로 판단된다. 검증기간에 대하여 각 강우사상별 모형효율(E)의 평균값은 0.92로 나타났다. 첨두유량의 실측값은 평균적으로 $0.087m^3\;s^{-1}$이었으며, 추정된 첨두유량의 평균은 $0.090m^3\;s^{-1}$로 나타났다. 첨두시간은 보정기간에 대하여는 관측값과 모의값의 평균이 각각 18.3 hrs와 11.0 hrs이었으며, 검증기간에 대하여는 각각 16.6hrs와 13.5 hrs이었다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1217-1227
• /
• 2018

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

• 한국수자원학회논문집
• /
• 제34권3호
• /
• pp.275-285
• /
• 2001

우리 나라 갈수기의 하천유출은 대부분 지하수에서 공급되는 유출이므로 홍수기 강우량에 의해 침투한 유역의 수분상태에 지배된다. 따라서, 홍수기의 지하수 함양량 추정을 통한 유역 상태 정보를 이용한다면 갈수기 월유출 예측을 만족스럽게 수행할 수 있는 수문학적 환경을 가지고 있다. 본 연구의 목적은 지하수 함양량에 의한 월유출량의 영향을 평가하고, 이를 다중회귀모형의 독립변수로 이용하여 장기 월유출량 예측을 시도하는 것이다. 해당 월의 유출량, 강수량, 선행 유출량과 강수량 및 지하수 함양량의 상관분석을 이용하여 다중회귀모형의 최적독립변수들을 평가하였다. 지하수 함양량을 독립변수로 포함한 모형에서 향상된 예측결과를 얻었다. 또한, 사전에 파악된 강수량과 지하수함량의 관계를 이용하여 지하수 유출 이월효과를 고려하면서 강수량만으로 유출 예측모형을 개발할 수 있음을 제시하였다.

• 농업과학연구
• /
• 제47권3호
• /
• pp.471-483
• /
• 2020

Flood prediction is an important issue to prevent damages by flood inundation caused by increasing high-intensity rainfall with climate change. In recent years, machine learning algorithms have been receiving attention in many scientific fields including hydrology, water resources, natural hazards, etc. The performance of a machine learning algorithm was investigated to predict the water elevation of a river in this study. The aim of this study was to develop a new method for securing a large enough lead time for flood defenses by predicting river water elevation using the a long- short-term memory (LSTM) technique. The water elevation data at the Oisong gauging station were selected to evaluate its applicability. The test data were the water elevation data measured by K-water from 15 February 2013 to 26 August 2018, approximately 5 years 6 months, at 1 hour intervals. To investigate the predictability of the data in terms of the data characteristics and the lead time of the prediction data, the data were divided into the same interval data (group-A) and time average data (group-B) set. Next, the predictability was evaluated by constructing a total of 36 cases. Based on the results, group-A had a more stable water elevation prediction skill compared to group-B with a lead time from 1 to 6 h. Thus, the LSTM technique using only measured water elevation data can be used for securing the appropriate lead time for flood defense in a river.

• 한국수자원학회논문집
• /
• 제53권4호
• /
• pp.313-322
• /
• 2020

국토의 70% 이상이 산지인 우리나라의 경우 산지지역의 돌발호우로 인한 수재해의 위험이 상시 존재한다. 본 연구에서는 환경부 비슬산 강우레이더 관측 영역의 산지지역에 발생한 돌발성 호우 사례를 대상으로 레이더 기반 돌발성 호우 사전 예측 방법을 적용하여, 그 활용성을 살펴보았다. 비슬산 강우레이더의 3차원 레이더 반사도, 강우강도, 도플러 풍속을 이용하여, 산지지역에서 발생한 8개의 국지적 호우 사례를 선정한 후 적란운 대류세포의 조기탐지, 탐지된 대류세포의 자동 추적, 해당 대류세포가 발달하여 돌발성 호우를 유발할 수 있는 가능성을 판단하는 위험도 정보를 산출하였다. 사례적용 결과, 대기 중에 돌발호우로 발달할 수 있는 대류세포의 최초 탐지시점 및 위치, 소용돌이도 발생여부에 따라 판정된 위험도 수준 및 발생시점, 위치를 확인할 수 있었다. 특히, 지상강우관측망으로는 좁은 영역에 국지적으로 발달하는 호우를 탐지하는데 한계가 있음을 확인하였다. 또한, 위험도 정보를 획득한 시점에서 최대 강우강도가 발생할 때까지 최소 10분에서 최대 65분 정도의 시간을 확보함으로써 레이더 기반의 돌발성 호우 사전 예측기법은 산지지역에서 호우로 인한 산지홍수, 고립사고 방지를 위한 사전정보로 활용성이 있을 것으로 판단되었다.

• 한국환경농학회지
• /
• 제30권3호
• /
• pp.268-274
• /
• 2011

본 연구에서는 유량 및 유사량 자료가 부족한 미계측 유역에 대해 Tank모형을 확장하여 궁극적으로 유사량을 평가하는 방법을 제시하였다. 적용 유역은 동해안 타 유역에 비해 유량자료가 확보되어 있는 오십천을 대상으로 집중호우기의 토사유출 특징과 하천의 토사유달률을 구하였다. 본 연구의 주요 결과는 다음과 같다. 1) 실측에 의한 유사량의 산정에 있어서는 먼저 유사량 관계식(sediment rating curve)의 개발이 선행되어야 한다. 본 연구에서는 유량 산정지점에 대해 유량과 병행하여 유사량 관계식을 다음과 같이 구하였다. 오십천 유량-유사량 관계식 : $Q_s=6.017Q^{1.374}$ 2) Tank모형을 적용하여 2006년 강우유출량을 산정한 결과 관측값과 유사한 값($RMSE=1.26m^3/day$)을 얻을 수 있었다. 3) 대상지역의 2006년과 2009년의 연평균 토사전달율 을 비교한 결과 태풍에 따른 집중강우가 있었던 2006년의 토사전달율이 평년의 2009년에 비해 현저하게 높았는데 이는 급격한 강우유출량의 증가에 따른 것이라 보인다. 4) 개량된 Tank모형에 의한 유량 및 토사유출량은 기존의 SRC방법과 비교했을 경우 유사한 경향을 보였으며 이는 향후 유량과 유사량 자료가 부족한 유역에 대해 효과적으로 적용할 수 있을 것으로 본다.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.721-731
• /
• 2010

강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였으며, 이를 위해 오류역전파알고리즘을 이용한 신경망모형과 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨 모형 그리고 최적화된 상태에서 다시 학습을 진행하는 세 가지 모형에 대하여 적용한 결과 유전자 알고리즘을 사용하여 신경망을 학습시킨 모형이 다른 모형들에 비해 우수한 결과를 보여주고 있으며 예측시간이 길어지더라도 예측력이 크게 떨어지지 않았다. 또한 입력자료로 강우와 수위를 사용한 모형보다는 수위를 사용한 모형에서 조금 더 우수한 결과를 보여주었다.

• 한국물환경학회지
• /
• 제27권4호
• /
• pp.425-432
• /
• 2011

To control non-point source pollution at a watershed scale, rainfall-runoff characteristics from forest watersheds should be investigated since the forest is the dominant land use in Korea. Long-term monitoring would be an ideal method. However, computer models have been utilized due to limitations in cost and labor in performing long-term monitoring at the watersheds. In this study, the Geo-spatial interface to the Water Erosion Prediction Project (GeoWEPP) model was evaluated for its runoff prediction from a coniferous forest dominant watersheds. The $R^2$ and the NSE for calibrated result comparisons were 0.77 and 0.63, validated result comparisons were 0.92, 0.89, respectively. These comparisons indicated that the GeoWEPP model can be used in evaluating rainfall-runoff characteristics. To estimate runoff changes from a coniferous forest watershed with various cover degree scenarios, ten cover degree scenarios (10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, 100%) were run using the calibrated GeoWEPP model. It was found that runoff increases with decrease in cover degree. Runoff volume was the highest ($206,218.66m^3$) at 10% cover degree, whereas the lowest ($134,074.58m^3$) at 100% cover degree due to changes in evapotranspiration under various cover degrees at the forest. As shown in this study, GeoWEPP model could be efficiently used to investigate runoff characteristics from the coniferous forest watershed and effects of various cover degree scenarios on runoff generation.

• 한국습지학회지
• /
• 제13권3호
• /
• pp.547-565
• /
• 2011

수위예측을 위해 개념적, 물리적 모형들을 포함한 다양한 유형의 기법들이 사용되고 있다. 그럼에도 불구하고 이러한 기법들 중 수위예측을 위해 단일의 우수한 모형을 선정하는 것은 매우 어려운 일이다. 최근에는 수문학적 과정의 복잡성으로 인해 기존 물리적 기반의 강우-유출 모형이 가지고 있는 단점들을 극복하고자 자료 지향형 수위예측 모형이 널리 도입되고 있다. 본 연구의 목적은 이러한 자료 지향형 모형 중 뉴로-퍼지와 회귀분석 모형의 수위예측에 대한 성능을 비교하는 것이다. 제안된 두 모형을 한강수계의 왕숙천에 대해 적용하였다. 제안된 두 모형의 성능을 평가하기 위해 평균제곱근오차, Nash-Suttcliffe 효율계수, 평균절대오차, 수정 결정계수와 같이 4개의 통계지표들을 사용하였다. 모의결과 뉴로-퍼지 수위예측 모형이 다중선형회귀 수위예측 모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후 중소하천에서 충분한 선행시간을 확보한 정확도 높은 홍수정보시스템의 구축에 활용할 수 있을 것으로 판단된다.

• 상하수도학회지
• /
• 제18권1호
• /
• pp.66-72
• /
• 2004

In this study, quantity and quality of collected rainwater by sand, gravel, soil, lawn and concrete surface, as collection materials were investigated and Rainwater Collection Prediction Model was developed to predict the amount of collected rainwater. The quantity of collected rainwater in concrete surface, gravel, sand, soil and lawn collection system was 1,067L(93.2%), 1,006L(87.8%), 902L(78.8%), 800L(69.9%), 788.5L(68.8%) for 8 months period, respectively. The average turbidity of collected rainwater in concrete surface, gravel, sand, soil and lawn collection system was 3.2NTU, 2.2NTU, 1.9NTU, 1.7NTU, 1.5NTU for 8 months period, respectively. For sand collection material, predicted amount by the Model and actual collected amount were 931.5L and 902L, which were very closed. For gravel collection material, predicted amount by Model and actual collected amount were 1,028.21. and 1,006L, which were very closed. To simulate the optimal rainwater storage volume, the rainfall and evaporation data in Dae-jeon city were used. For sand collection system with 30m2 area, the maximum storage volume was $17m^3$ and 62% of the year was secured for use of 240L/day.