• 한국물환경학회지
• /
• 제36권5호
• /
• pp.353-363
• /
• 2020

Hydrologic models can be classified into two types: those for understanding physical processes and those for predicting hydrologic quantities. This study deals with how to use the model to predict today's stream flow based on the system's knowledge of yesterday's state and the model parameters. In this regard, for the model to generate accurate predictions, the uncertainty of the parameters and appropriate estimates of the state variables are required. In this study, a relatively simple hydrologic partitioning model is proposed that can explicitly implement the hydrologic partitioning process, and the posterior distribution of the parameters of the proposed model is estimated using the Markov chain Monte Carlo approach. Further, the application method of the ensemble Kalman filter is proposed for updating the normalized soil moisture, which is the state variable of the model, by linking the information on the posterior distribution of the parameters and by assimilating the observed steam flow data. The stochastically and recursively estimated stream flows using the data assimilation technique revealed better representation of the observed data than the stream flows predicted using the deterministic model. Therefore, the ensemble Kalman filter in conjunction with the Markov chain Monte Carlo approach could be a reliable and effective method for forecasting daily stream flow, and it could also be a suitable method for routinely updating and monitoring the watershed-averaged soil moisture.

• 한국수자원학회논문집
• /
• 제42권11호
• /
• pp.953-961
• /
• 2009

본 연구의 목적은 현재 국내 홍수예경보 시스템의 유출해석모형으로 이용되고 있으며 단일 호우사상에 대해 적용이 가능한 유역 및 하도 저류함수모형을 추계학적 연속형 저류함수모형으로 개발하고자 하는데 있다. 이를 위해 기존 저류함수모형에 토양수분 산정 컴포넌트를 추가하고 지표면유출, 중간유출, 지하수유출 및 실제증발산량을 토양수분의 함수로 나타내어 각 수문성분에 대한 연속적인 모의가 가능하도록 하였다. 또한 실시간 관측유량자료 동화를 위해 앙상블 칼만 필터 기법을 도입하여 확정론적 모형을 추계학적 모형으로 개선하였다. 따라서 본 연구에서 개발된 추계학적 연속형 저류함수모형은 장기간의 연속적인 유출해석이 가능할 뿐만 아니라 관측자료 동화를 통해 기존 저류함수 모형보다 신뢰성 있는 결과를 제시할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.354-359
• /
• 2006

The analysis of large-scale water resources systems is often complicated by the presence of multiple reservoirs and diversions, the uncertainty of unregulated inflows and demands, and conflicting objectives. Reinforcement learning is presented herein as a new approach to solving the challenging problem of stochastic optimization of multi-reservoir systems. The Q-Learning method, one of the reinforcement learning algorithms, is used for generating integrated monthly operation rules for the Keum River basin in Korea. The Q-Learning model is evaluated by comparing with implicit stochastic dynamic programming and sampling stochastic dynamic programming approaches. Evaluation of the stochastic basin-wide operational models considered several options relating to the choice of hydrologic state and discount factors as well as various stochastic dynamic programming models. The performance of Q-Learning model outperforms the other models in handling of uncertainty of inflows.

• Water Engineering Research
• /
• 제4권3호
• /
• pp.111-126
• /
• 2003

Meteorological data are often needed to evaluate the long-term effects of proposed hydrologic changes. The evaluation is frequently undertaken using deterministic mathematical models that require daily weather data as input including precipitation amount, maximum and minimum temperature, relative humidity, solar radiation and wind speed. Stochastic generation of the required weather data offers alternative to the use of observed weather records. The precipitation is modeled by a Markov Chain-exponential model. The other variables are generated by multivariate model with means and standard deviations of the variables conditioned on the wet or dry status of the day as determined by the precipitation model. Ultimately, the objective of this paper is to compare Richardson's model and the improved weather generation model in their ability to provide daily weather data for the crop model to study potential impacts of climate change on the irrigation needs and crop yield. However this paper does not refer to the improved weather generation model and the crop model. The new weather generation model improved will be introduced in the Journal of KWRA.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.540-544
• /
• 2009

Hydrologic pattern under climate change has been paid attention to as one of the most important issues in hydrologic science group. Rainfall and runoff is a key element in the Earth's hydrological cycle, and associated with many different aspects such as water supply, flood prevention and river restoration. In this regard, a main objective of this study is to evaluate design flood using simulation techniques which can consider a full spectrum of uncertainty. Here we utilize a weather state based stochastic multivariate model as conditional probability model for simulating the rainfall field. A major premise of this study is that large scale climatic patterns are a major driver of such persistent year to year changes in rainfall probabilities. Uncertainty analysis in estimating design flood is inevitably needed to examine reliability for the estimated results. With regard to this point, this study applies a Bayesian Markov Chain Monte Carlo scheme to the NWS-PC rainfall-runoff model that has been widely used, and a case study is performed in Soyang Dam watershed in Korea. A comprehensive discussion on design flood under climate change is provided.

• 한국농공학회지
• /
• 제39권6호
• /
• pp.54-66
• /
• 1997

The objectives of this study is to introduce and apply neural network theory to real hydrologic systems for stochastic nonlinear predicting of daily runoff discharge in the river catchment. Back propagation algorithm of neural network model is applied for the estimation of daily stochastic runoff discharge using historical daily rainfall and observed runoff discharge. For the fitness and efficiency analysis of models, the statistical analysis is carried out between observed discharge and predicted discharge in the chosen runoff periods. As the result of statistical analysis, method 3 which has much processing elements of input layer is more prominent model than other models(method 1, method 2) in this study.Therefore, on the basis of this study, further research activities are needed for the development of neural network algorithm for the flood prediction including real-time forecasting and for the optimal operation system of dams and so forth.

• 대한토목학회논문집
• /
• 제29권2B호
• /
• pp.163-171
• /
• 2009

수문시계열 분석과 예측을 위하여 통상적으로 기존의 선형적인 모형들을 이용하여 왔다. 그러나 최근 자연현상이나 수문시계열의 패턴 그리고 변동성에 비선형구조가 존재하고 있다는 것이 입증되고 있다. 따라서 기존의 선형적인 방법들에 의한 시계열분석이나 예측은 비선형 시스템에 대해서 적절하지 않을 것이다. 최근, 시계열의 비선형성 구조를 판단하기 위해 카오스 이론을 토대로 한 상관적분으로부터 BDS(Brock-Dechert-Scheinkman) 통계 기법이 유도되었다. BDS 통계는 시스템의 비선형구조와 무작위성 구조를 구별하는데 매우 효과적으로 이용되어 오고 있다. 또한 DVS(Deterministic Versus Stochastic) 알고리즘은 카오스와 추계학적 시스템을 구별하고 예측하는데 주로 이용되어 왔다. 그러나 본 연구에서는 DVS 알고리즘에 의해 시계열의 비선형성을 판별할 수 있음을 보이고자 한다. 따라서 본 연구에서는 추계학적 시계열과 수문학적 시계열들의 비선형성을 검사하고자 한다. ARMA 모형과 TAR(Threshold autoregressive) 모형으로부터로 발생시킨 추계학적 시계열, 미국 유타주 GSL 체적자료, 미국 플로리다 주 St. Johns 강 Cocoa 지점의 유출량 자료, 소양강 댐 일 유입량 자료 등의 수문시계열에 대해 비선형성 분석을 수행하고 그 결과를 비교하였다. 분석결과 BDS 통계가 선형 및 비선형 시계열을 구분하는데 매우 강력한 도구임을 보였고, DVS 알고리즘 또한 시계열의 비선형성을 구별하는데 효과적으로 이용될 수 있음을 보였다.

• 한국습지학회지
• /
• 제12권3호
• /
• pp.79-97
• /
• 2010

본 연구의 목적은 연 증발접시 증발량의 수문학적 분해를 위하여 신경망모형을 적용하는데 있다. 신경망 모형은 각각 다층 퍼셉트론 신경망모형(MLP-NNM)과 지지벡터기구 신경망모형(SVM-NNM)으로 구성되어 있다. 그리고 신경망모형의 수행평가를 위하여 훈련 및 테스트과정으로 구성되었다. 신경망모형의 훈련과정을 위하여 실측, 모의 및 혼합자료와 같은 세 가지 형태의 자료가 사용되었으며, 테스트과정을 위해서는 실측자료만 이용되었다. 평가를 위하여 4가지의 통계학적 지표(CC, RMSE, E, AARE)가 각각 제시되었으며, ANOVA 및 Mann-Whitney U 검증을 이용하여 실측 및 계산된 월 증발접시 증발량자료에 동질성검증을 실시하였다. 본 연구를 통하여 비선형 시계열자료의 수문학적 분해를 위해서 MLP-NNM과 SVM-NNM의 적용성을 평가하였다. 게다가 연 증발접시 증발량 자료의 수문학적 분해로부터 신뢰성있는 월 증발접시 증발량자료를 구축할 수 있을 것이며, 관개배수 네트워크 시스템의 평가를 위한 이용가능한 자료를 제공할 수 있을 것이다.

• 물과 미래
• /
• 제9권2호
• /
• pp.87-100
• /
• 1976

본 연구는 우리나라의 한강, 낙동강, 금강 및 영산강유역을 포함한 광역적인 하천유역에 있어서의 년 및 월유량과 항우량에 대하여 Correlogram 및 Spectrum 분석을 통한 시계열의 해석과 그 변동양상을 구명하고 이 특성을 기초로 해서 년 및 월수문량의 장기간의 Simulation을 위한 추계학적모델의 개발과 검토에 그 목적을 두었다. 먼저 수문량의 변동양상의 분석에 있어서는 미국, 유럽 및 호주대륙의 유량분석의 결과와 대비하면서 유량모집단의 표준편차($\sigma$)를 년유량의 대수평균치(L)에 대하여 지수함수의 관계식으로 표시하여 수자원량의 변동양상을 구명하였다. 다음 년수문량(유량 및 항우량)의 시계열의 각 성분을 알기 위하여 Correlogram 및 Spectral density분석을 행하였으며, 그 Simulation을 위한 단일이절 모델로서는 년수문량의 적정분포형인 대수정규분포와 Monte Carlo 방법에 기초를 둔 LN모델(Log-Normal Model)과 1차선형 자기회귀모델인 Markov모델을 설정하여 비교.검토하였다. 다음으로 월수문량(유량 및 항우량)의 시계열 및 추계학적 성분 역시 Correlogram 및 Spectral density분석에 의하여 구명하였으며, 그 Simulation에 있어서는 이 시계열특성과 낙동강 자료에 의하여 연구, 검토된 바 있는 상유천 월유량의 모의발생모델을 광역적으로 적용시키고 또한 월항우량에 대해서도 적용시켜서 이 모델의 적용성과 아울러 광역적인 월수문량의 모의발생모델을 확립토록 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1346-1349
• /
• 2010

The goal of this research is to apply the neural networks models for the disaggregation of the pan evaporation (PE) data, Republic of Korea. The neural networks models consist of generalized regression neural networks model (GRNNM) and multilayer perceptron neural networks model (MLP-NNM), respectively. The disaggregation means that the yearly PE data divides into the monthly PE data. And, for the performances of the neural networks models, they are composed of training and test performances, respectively. The training and test performances consist of the historic, the generated, and the mixed data, respectively. From this research, we evaluate the impact of GRNNM and MLP-NNM for the disaggregation of the nonlinear time series data. We should, furthermore, construct the credible data of the monthly PE from the disaggregation of the yearly PE data, and can suggest the methodology for the irrigation and drainage networks system.