• 환경영향평가
• /
• 제20권5호
• /
• pp.705-716
• /
• 2011

For the efficient discovery of knowledge and information from the observed systems, data mining techniques can be an useful tool for the prediction of water quality at intake station in rivers. Deterioration of water quality can be caused at intake station in dry season due to insufficient flow. This demands additional outflow from dam since some extent of deterioration can be attenuated by dam reservoir operation to control outflow considering predicted water quality. A seasonal occurrence of high ammonia nitrogen ($NH_3$-N) concentrations has hampered chemical treatment processes of a water plant in Geum river. Monthly flow allocation from upstream dam is important for downstream $NH_3$-N control. In this study, prediction models of water quality based on multiple regression (MR), artificial neural network and data mining methods were developed to understand water quality variation and to support dam operations through providing predicted $NH_3$-N concentrations at intake station. The models were calibrated with eight years of monthly data and verified with another two years of independent data. In those models, the $NH_3$-N concentration for next time step is dependent on dam outflow, river water quality such as alkalinity, temperature, and $NH_3$-N of previous time step. The model performances are compared and evaluated by error analysis and statistical characteristics like correlation and determination coefficients between the observed and the predicted water quality. It is expected that these data mining techniques can present more efficient data-driven tools in modelling stage and it is found that those models can be applied well to predict water quality in stream river systems.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.373-373
• /
• 2021

Rainfall forecasting is an important issue that is applied in many areas, such as agriculture, flood warning, and water resources management. In this context, this study proposed a statistical and machine learning-based forecasting model for monthly rainfall. The Bayesian Gaussian process was chosen to optimize the hyperparameters of the Stacked Long Short-term memory (SLSTM) model. The proposed SLSTM model was applied for predicting monthly precipitation of Seoul station, South Korea. Data were retrieved from the Korea Meteorological Administration (KMA) in the period between 1960 and 2019. Four schemes were examined in this study: (i) prediction with only rainfall; (ii) with deseasonalized rainfall; (iii) with rainfall and minimum temperature; (iv) with deseasonalized rainfall and minimum temperature. The error of predicted rainfall based on the root mean squared error (RMSE), 16-17 mm, is relatively small compared with the average monthly rainfall at Seoul station is 117mm. The results showed scheme (iv) gives the best prediction result. Therefore, this approach is more straightforward than the hydrological and hydraulic models, which request much more input data. The result indicated that a deep learning network could be applied successfully in the hydrology field. Overall, the proposed method is promising, given a good solution for rainfall prediction.

• 한국물환경학회지
• /
• 제40권3호
• /
• pp.121-129
• /
• 2024

Harmful cyanobacterial blooms (HCBs) are caused by the rapid proliferation of cyanobacteria and are believed to be exacerbated by climate change. However, the extent to which HCBs will be stimulated in the future due to increased temperature remains uncertain. This study aims to predict the future occurrence of cyanobacteria in the Nakdong River, which has the highest incidence of HCBs in South Korea, based on temperature rise scenarios. Representative Concentration Pathways (RCPs) were used as the basis for these scenarios. Data-driven model simulations were conducted, and out of the four machine learning techniques tested (multiple linear regression, support vector regressor, decision tree, and random forest), the random forest model was selected for its relatively high prediction accuracy. The random forest model was used to predict the occurrence of cyanobacteria. The results of boxplot and time-series analyses showed that under the worst-case scenario (RCP8.5 (2100)), where temperature increases significantly, cyanobacterial abundance across all study areas was greatly stimulated. The study also found that the frequencies of HCB occurrences exceeding certain thresholds (100,000 and 1,000,000 cells/mL) increased under both the best-case scenario (RCP2.6 (2050)) and worst-case scenario (RCP8.5 (2100)). These findings suggest that the frequency of HCB occurrences surpassing a certain threshold level can serve as a useful diagnostic indicator of vulnerability to temperature increases caused by climate change. Additionally, this study highlights that water bodies currently susceptible to HCBs are likely to become even more vulnerable with climate change compared to those that are currently less susceptible.

• 한국수자원학회논문집
• /
• 제49권9호
• /
• pp.789-798
• /
• 2016

최근의 우리나라 수계에서의 하천에서의 조류 대번성은 심각한 사회 환경적 문제가 되고 있다. 이중 독성이 강한 남조류의 발현은 수생태계의 건강성과 안전한 물공급에 위협이 될 수 있다. 영산강 수계의 승촌보와 죽산보 지점의 남조류 세포수와 환경인자간의 인과관계 분석을 위해 선백색화 시계열간의 배타적 상관분석을 수행하였고 이를 기반으로 이들 사이의 입출력 모형을 도출하였다. 입출력 모형의 겨울철 남조류 세포수 반응 특성을 고려하기 위해서 수온의 문턱거동을 도입하였고, 모형의 남조류 세포수에 대한 설명력을 증가시키는 효과를 얻었다. 입출력 모형의 남조류 세포수의 모의능이 완전하진 않으나, 비교적 간단한 구조를 가진 입출력 모형의 구조는 모형 적용의 용이성이 높은 것으로 판단된다.

• Ecology and Resilient Infrastructure
• /
• 제2권3호
• /
• pp.198-205
• /
• 2015

기후변화에 의한 수생태계의 영향은 수생생물의 생리작용의 변화에서부터 종분포에 이르기까지 광범위할 것으로 예상된다. 본 연구에서는 기후변화에 따른 금강유역의 어류 종분포를 예측하기 위하여 비출현 정보를 요구하지 않고도 좋은 예측력을 가지고 있는 MaxEnt 모형을 활용하였다. 금강유역 134개 지점의 2007년부터 2009년까지 어류 출현 자료 (고유종 17종 포함 총 47종)와 9개의 환경인자 (월별 최저기온, 최고기온, 평균기온, 강수량, 최저수온, 최고수온, 평균수온, 고도, 경사)를 사용하여, RCP 8.5 기후변화 시나리오에 따라 2050년과 2100년의 어류 종분포를 예측하였다. MaxEnt 모형은 평균 0.798의 적절한 모형적합도를 보여 주었으며, 종분포 예측에 기여도가 높은 환경인자는 고도, 강수량, 최저수온 순이었다. 기후변화가 진행됨에 따라 얼룩동사리와 줄납자루와 같은 고유종의 출현확률은 감소한 반면, 배스와 블루길과 같은 외래종의 출현확률은 증가하였다. 특히 2100년에는 5종 (줄몰개, 미꾸라지, 강준치, 줄납자루, 칼납자루)의 어류가 금강유역에서 더 이상 서식하지 못하는 것으로 예측되었다. 그리고 기후변화에 따라 종풍부도가 높은 지역이 금강유역 내에서 북상하는 것으로 예측되었다. 이러한 결과는 기후변화로 인한 수온 상승이 금강유역 수생태계의 교란을 심화시킬 수 있다는 것을 의미한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 1987년도 제29회 수공학연구발표회논문초록집
• /
• pp.159-168
• /
• 1987

하용에서 수질 시뮬레이숀에 의한 시간적, 공간적 수질예측은 하용 수질관리를 위한 계획수립, 설계 및 모형의 최적화에 필요한 자료를 제공해 준다. 본 연구는 대청댐 하류에서 부여백제대교에 이르는 금강수계에서의 QUAL II 모형의 적용에 관한 것이다. QUAL II모형에서 사용된 물질수지방정식에 근거를 둔 대류-분석모형과 그 수치해석법을 제시하였다. 하용을 따르는 BOD, DO 및 수온의시뮬레이숀괍과 실측값과의 비교분석을 통한 모형의 활용성 제고에 역점을 두었다. 이러한 과정을 통해 금강에서의 하용수질을 평가하고, 탈산소 계수, 재폭기 계수 및 자정계수의 값을 추정하였다. 또한 대청댐 방류량 조절에 의한 목표하는 DO의 유지에 대하여 논의하였다.

• 환경정책연구
• /
• 제12권2호
• /
• pp.17-32
• /
• 2013

최근 인류가 초래한 지구의 온난화로 인하여 기온이 상승하고 이의 직접적인 반응으로 수온 증가가 감지되고 있다. 기온변화가 하천의 수질과 생태 환경에 미치는 영향을 추정하기 위해서는 수온 상승의 시기와 하천 어종에 대한 이해가 필요한데 이를 위하여 미래의 수온을 예측할 필요가 있다. 이에 하나의 사전연구로서 기온-수온 관계에 대하여 분석해 보았다. 2009년에서 2011년까지 3년 동안 환경부의 수질자동관측소에서 관측한 최소 873개에서 최대 1083개의 일 관측 자료를 바탕으로 자기상관관계와 교차상관관계를 조사해 본 결과 0.9 이상의 높은 상관관계를 보였다. 또 지체시간이 10일 미만에서는 기온의 자기 상관 계수가 수온의 가기 상관 계수보다 더 높은 것으로 나타났다. 관측자료의 이력현상을 분석하기 위하여 상승기와 하강기로 나누었는데, 관측지점에 따라서는 강한 이력현상을 보이는 지점도 발견되었다. 결국 기온-수온 관계를 구축함에 계절적인 이력현상이 고려되어야 정확도를 높일 수 있음을 유추할 수 있다.

• 한국수자원학회논문집
• /
• 제52권12호
• /
• pp.1075-1086
• /
• 2019

최근 기후 온난화의 발생과 이상기후의 발생빈도가 증가함에 따라 강수량, 하천유량과 같은 수문학적 요소의 예측이 복잡해지고 있으며 물부족 발생 위험도 증가하고 있다. 따라서 본 연구에서는 중단기 하천 취수량을 예측하기 위한 모델을 개발하고자 하였다. 입력인자를 선정하기 위해 취수량과 기상인자들 간의 상관성분석을 수행한 결과 온도가 가장 영향이 큰 것으로 나타났다. 또한 취수량은 시계열에 따른 증가 경향과 계절적 특성이 뚜렷하게 나타나므로 시계열분해기법을 이용하여 전처리를 수행하고 잔차에 대해 서포트 벡터 머신(SVM)을 적용하여 취수량 예측 모델을 개발하였다. 이 모델은 평균적으로 4.1%의 오차율을 나타내며, 전처리를 하지 않은 SVM 모델에 비해 높은 정확도를 나타냈다. 특히, 1~2달에 대해 중단기 예측을 수행하였을 때 더 유리한 결과를 나타냈다. 본 연구에서 개발된 취수량 예측모델은 수자원의 지속가능하고 효율적인 관리를 위해 하천수 사용허가, 수질관리, 가뭄 대책 마련에 활용이 가능할 것으로 예상된다.

• 한국해안·해양공학회논문집
• /
• 제27권1호
• /
• pp.56-62
• /
• 2015

지구 온난화의 영향으로 해수면과 기온이 상승하고, 이의 직접적인 영향으로 수온이 증가하고 있다. 지구 온난화가 하천의 수질과 생태 환경에 미치는 영향을 추정하기 위해서는 수온에 대해 이해하고 수온의 변화를 예측할 필요가 있다. 이 연구에서는 수온의 변화를 예측하기 위하여 기온과 수온자료를 입력자료로 하여 수온의 예측을 실시하였다. 2012년에서 2014년까지 환경부의 수질환경관측소에서 관측한 새만금호내의 신시, 가력, 만경, 동진 4개 지점의 수온자료와 기상청에서 같은 기간에 관측한 부안의 자동관측 기온 자료를 활용하였다. 신경망이론을 이용하여 최고 및 최저 수온을 예측한 결과 4개 지점의 모든 결과에서 아주 높은 상관계수를 가지고 있다.

• Environmental Engineering Research
• /
• 제24권3호
• /
• pp.404-411
• /
• 2019

In this study, we designed a data-driven model to predict chlorophyll-a using M5P model tree and extreme learning machine (ELM). The Juksan weir in the Youngsan River has high chlorophyll-a, which is the primary indicator of algal bloom every year. Short-term algal bloom prediction is important for environmental management and ecological assessment. Two models were developed and evaluated for short-term algal bloom prediction. M5P is a classification and regression-analysis-based method, and ELM is a feed-forward neural network with fast learning using the least square estimate for regression. The dataset used in this study includes water temperature, rainfall, solar radiation, total nitrogen, total phosphorus, N/P ratio, and chlorophyll-a, which were collected on a daily basis from January 2013 to December 2016. The M5P model showed that the prediction model after one day had the highest performance power and dropped off rapidly starting with predictions after three days. Comparing the performance power of the ELM model with the M5P model, it was found that the performance power of the 1-7 d chlorophyll-a prediction model was higher. Moreover, in a period of rapidly increasing algal blooms, the ELM model showed higher accuracy than the M5P model.