• Journal of Korea Water Resources Association
• /
• v.52 no.10
• /
• pp.681-695
• /
• 2019

A Transient Storage Model (TSM) is one of the most widely used model accounting for complex solute transport in natural river to understanding natural river properties with four TSM key parameters. The TSM parameters are estimated via inverse modeling. Parameter estimation of the TSM is carried out by solving optimization problem about finding best fitted simulation curve with measured curve obtained from tracer test. Several studies have reported uncertainty in parameter estimation from non-convexity of the problem. In this study, we assessed best combination of optimization method and objective function for TSM parameter estimation using Cheong-mi Creek tracer test data. In order to find best optimization setting guaranteeing convergence and speed, Evolutionary Algorithm (EA) based global optimization methods, such as CCE of SCE-UA and MCCE of SP-UCI, and error based objective functions were compared, using Shuffled Complex-Self Adaptive Hybrid EvoLution (SC-SAHEL). Overall results showed that multi-EA SC-SAHEL with Percent Mean Squared Error (PMSE) objective function is the best optimization setting which is fastest and stable method in convergence.

• Journal of Korea Water Resources Association
• /
• v.54 no.5
• /
• pp.335-345
• /
• 2021

The one-dimensional solute transport models have been developed for recent decades to predict behavior and fate of solutes in rivers. Transient storage model (TSM) is the most popular model because of its simple conceptualization to consider the complexity of natural rivers. However, the TSM is highly dependent on its parameters which cannot be directly measured. In addition, the TSM interprets the late-time behavior of concentration curves in the shape of an exponential function, which has been evaluated as not suitable for actual solute behavior in natural rivers. In this study, we suggested a stochastic approach to the solute transport analysis. We delineated the model development and model application to a natural river, and compared the results of the proposed model to those of the TSM. To validate the proposed model, a tracer test was carried out in the 4.85 km reach of Gam Creek, one of the first-order tributaries of Nakdong River, South Korea. As a result of comparing the power-law slope of the tail of breakthrough curves, the simulation results from the stochastic storage model yielded the average error rate of 0.24, which is more accurate than the 14.03 and 1.87 from advection-dispersion model and TSM, respectively. This study demonstrated the appropriateness of the power-law residence time distribution to the hyporheic zone of the Gam Creek.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.200-200
• /
• 2021

하천은 용수공급, 관개, 친수활동, 산업활동 등 인간의 활동에 중요한 역할을 한다. 이에 따라 수질관리는 필수적이며 유기물, 중금속, 화학물질 등의 용존물질들은 수질문제에 직접적으로 영향을 미친다. 따라서 하천에서의 용존물질의 혼합 거동을 파악하기 위한 연구가 지난 수십년간 이루어지고 있다. 하천 흐름에 따른 오염물질의 이동 및 확산 거동을 예측하기 위하여 1차원 추적모형이 활용되는데, 그 중 하천저장대 모형(Transient Storage Model, TSM)은 자연하천의 복잡하고 불규칙한 수리·지형적인 특성을 단순하게 반영할 수 있다는 장점때문에 가장 많이 사용된다. 하지만 TSM은 매개변수에 대한 의존성과 불확도가 크며, TSM의 저장대에서의 농도분포에 대한 지수함수형태의 모델링이 하상간극수역(Hyporheic zone)에서의 저장대 특성을 반영하기에 구조적으로 부정확하다는 단점이 제기되고 있다. 최근 이러한 TSM의 단점을 보완하고 하천에서의 저장대 메커니즘을 보다 정확하게 구현하고자 체류시간분포(residence time distribution)를 이용한 확률론적 저장대 모델링 프레임워크가 등장하고 있다. 본 연구에서는 본류대와 저장대에서의 오염물질의 체류시간분포를 분리하여 해석하고 이를 전달함수(transfer function)를 이용한 합성곱으로 결합한 형태의 프레임워크를 적용하여 모델링하였다. 상기의 모형을 검증하기 위하여 2019년 감천의 4.85km 구간에서 추적자 실험을 실시하였다. 실험 당시 유량은 12.9 m³/s로 풍수기에 해당되며 평균 유속은 약 0.6 m/s로 측정되었다. 모형의 매개변수는 추적자 실험으로부터 최적화 기법을 통해 역모델링기법으로 결정하였다. 제안된 모형에 의한 모의 결과를 추적자 실험에서의 농도측정자료와 비교한 결과, 평균 0.988의 결정계수를 보여 매우 높은 정확도를 보이고 있음을 알 수 있었다. 저장대특성을 나타내는 농도곡선의 꼬리부에 대하여 같은 조건에서 1차원 이송-분산(ADE) 모형, TSM의 모의결과와도 비교한 결과 본 모형은 추적자 실험 농도측정 결과와 평균 0.195의 오차율을 보이며, 이는 ADE 모형과 TSM의 오차율인 14.03과 1.866에 비해 매우 정확한 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.112-112
• /
• 2020

하천에서 유해화학물질 유입 사고 발생 시 수환경 피해를 최소화하기 위해 신속한 초기 대응이 필요하다. 따라서, 본 연구에서는 수환경 화학사고 대응 시스템 구축을 위해 하천 실시간 모니터링 지점에서 관측된 유해화학물질의 농도 자료를 이용하여 발생원의 유입 지점과 유입량을 역추적하는 프레임워크를 개발하였다. 본 연구에서 제시하는 프레임워크는 첫 번째로 하천 저장대 모형(Transient Storage Zone Model; TSM)과 HEC-RAS 모형을 이용하여 다양한 유량의 수리 조건에서 화학사고 시나리오를 생성하는 단계, 두번째로 생성된 시나리오의 유입 지점과 유입량에 대한 시간-농도 곡선 (BreakThrough Curve; BTC)을 21개의 곡선특징 (BTC feature)으로 추출하는 단계, 최종적으로 재귀적 특징 선택법(Recursive Feature Elimination; RFE)을 이용하여 의사결정나무 모형, 랜덤포레스트 모형, Xgboost 모형, 선형 서포트 벡터 머신, 커널 서포트 벡터 머신 그리고 Ridge 모형에 대한 모형별 주요 특징을 학습하고 성능을 비교하여 각각 유입 위치와 유입 질량 예측에 대한 최적 모형 및 특징 조합을 제시하는 단계로 구축하였다. 또한, 현장 적용성 제고를 위해 시간-농도 곡선을 2가지 경우 (Whole BTC와 Fractured BTC)로 가정하여 기계학습 모형을 학습시켜 모의결과를 비교하였다. 제시된 프레임워크의 검증을 위해서 낙동강 지류인 감천에 적용하여 모형을 구축하고 시나리오 자료 기반 검증과 Rhodamine WT를 이용한 추적자 실험자료를 이용한 검증을 수행하였다. 기계학습 모형들의 비교 검증 결과, 각 모형은 가중항 기반과 불순도 감소량 기반 특징 중요도 산출 방식에 따라 주요 특징이 상이하게 산출되었으며, 전체 시간-농도 곡선 (WBTC)과 부분 시간-농도 곡선 (FBTC)별 최적 모형도 다르게 산출되었다. 유입 위치 정확도 및 유입 질량 예측에 대한 R²는 대부분의 모형이 90% 이상의 우수한 결과를 나타냈다.