• 한국수자원학회논문집
• /
• 제55권9호
• /
• pp.657-668
• /
• 2022

하천 유량이 증가된 상태에서 집중호우의 발생은 유량과 강우량 모두 하천변 홍수피해에 영향을 미치게 된다. 또한, 하천변 사회·경제적 영향 수준에 따라 피해정도에 차이를 보이게 되며, 특히, 인구 및 자산 밀집도가 높은 경우 홍수대응에 필요한 충분한 예보 선행시간의 확보가 요구된다. 본 연구에서는 홍수대응에 필요한 시간적 여유의 확보를 통한 피해저감 효과를 증대하기 위해 앙상블 강우유출모델링을 활용한 홍수위험매트릭스를 구축하고, 그 적용성을 판단하고자 한다. 홍수위험매트릭스는 홍수피해 자료를 활용한 홍수피해 영향수준(X축)을 구성하고, 기상청 LENS 강우자료를 이용한 앙상블 강우유출모델링의 결과로 위험 홍수량의 발생 가능성을 예측(Y축)하여 확률예보에 기반한 예측이 가능하다. 이를 위해 과거 홍수피해 자료 및 정량적 홍수피해 평가방법을 이용한 홍수피해 영향수준 결정 방법을 제시하였다. 낙동강권역의 태화강유역 및 형산강유역의 홍수특보지점에 대하여 기존 홍수특보 자료 그리고 피해 발생 상황과 비교하였다. 그 결과 최대 3일전부터 홍수위험 발생시간 및 정도에 대한 예측이 가능한 것으로 분석되었다. 따라서 홍수대응에 필요한 예보 선행시간 확보를 통한 피해저감 활동에 도움이 되리라 판단된다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1285-1294
• /
• 2021

최근 전 세계적으로 기후변화의 영향으로 강우량이 집중되고 강우강도가 커지면서 홍수피해의 규모를 증가시키고 있다. 기존에는 관측되지 않았던 규모의 강우가 내리는가 하면 기록적으로 장기간동안 장마가 지속되기도 한다. 특히, 이러한 피해들은 아세안 국가들에 집중되고 있으며, 최근 해수면 상승, 태풍 및 집중호우로 인해 침수가 빈번히 빌생하는 등 아세안 국가 국민들 중 최소 2,000만 명이 영향을 받고 있다. 우리나라도 각종 ODA사업을 통해 국내의 홍수예경보시스템을 아세안 국가에 지원하고 있지만 통신시설이 불안정하여 중앙제어방식만으로는 한계가 있다. 따라서 본 연구에서는 한 개의 관측소에서 수위, 강우의 관측과, 홍수예측, 경보까지 한번에 가능한 관측소를 개발하기 위한 인공지능기반의 홍수예측모형을 개발하였다. 설마천의 전적비교 관측소의 2009년부터 2020년 까지 10분단위 강우와 수위관측자료를 활용하여 선행예보시간 0.5, 1, 2, 3, 6시간에 대해서 학습, 검증, 시험을 수행하였으며 인공지능알고리즘으로는 LSTM을 적용하였다. 연구결과 모든 선행예보시간에 대해 모형적합도 및 오차에서 우수한 결과를 나타냈다. 설마천과 같이 유역규모가 작고 유역경사가 커서 도달시간이 짧은 경우에는 선행예보시간 1시간은 매우 우수한 예측 결과를 나타낼 것으로 판단되며 유역의 규모나 경사에 따라 더 긴 선행예보시간도 가능할 것으로 예상된다.

• Ecology and Resilient Infrastructure
• /
• 제7권4호
• /
• pp.345-352
• /
• 2020

최근 하천범람에 따른 피해를 최소화하기 위해서는 대피를 위한 선행시간을 확보하는 것이 매우 중요하다. 본 연구에서는 현재 하천에서 측정되고 있는 수위 관측 자료를 이용하여 이상호우 발생시 하류의 수위를 예측하였다. 수위 예측을 위해 다중회귀모형 및 인공신경망 모형을 섬강시험유역에 적용하였다. 다중회귀모형 및 인공신경망 모형의 학습에는 섬강시험유역의 2002년부터 2010년까지의 수위 관측 자료를 이용하였으며, 학습된 모형을 이용하여 발생 가능한 수위를 예측하였다. 모의 결과 인공신경망 수위예측모형의 결정계수는 0.991 - 0.999로 나타났으며, 다중회귀수위예측 모형의 결정계수는 0.945 - 0.990로 나타나 인공신경망을 이용한 수위예측모형이 다중회귀모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후 하천에서 선행시간을 확보한 홍수 예보 구축에 활용할 수 있을 것으로 판단된다.

• 한국습지학회지
• /
• 제23권2호
• /
• pp.144-153
• /
• 2021

최근 반복되고 있는 녹조는 수질관리에 가장 큰 과제로서 대두되고 있다. 현재 환경부에서는 7일 단위의 선행수질예측을 통한 수질예보를 수행하고 있으나, 선제적인 조치를 위해서 좀 더 장기간의 수질예측이 필요한 시점이다. 이에 본 연구에서는 수질예보의 보완자료로서 대청호의 Chl-a 농도를 3개월 선행예측하기 위한 방법론을 제안하고 그 적용성을 검토하고자 한다. 이를 위하여 대청호의 수질자동측정망 자료와 ECMWF의 수문기상예측자료를 수집하였으며 각 시계열 자료의 특성을 분석하였다. 대청호의 Chl-a 농도와의 상관 및 웨이블릿 분석을 바탕으로 수문기상입력인자를 결정하고 지연시간을 가지는 NARX모형을 이용하여 대청호의 Chl-a에 대한 3개월 선행예측 모형을 구축하였으며, 결과에 대한 비교분석을 통하여 모형의 적용성을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.159-162
• /
• 2005

도시지역에의 내수범람은 주로 우수관로 배수체계의 통수능력 부족으로 발생된다. 따라서 지금까지의 도시침수에 대한 국내 연구가 우수관로해석에 국한되어왔다. 하지만 우수관로시스템 해석을 통해서 배수능이 부족한 관거를 찾는 것만으로 침수방지대책을 세우는 것은 매우 근사적이고 비합리적인 대안을 제시할 수밖에 없는 실정이다. 본 연구에서는 도시침수양상에 대한 정확하고 합리적인 해를 도출하기 위하여 지표류 해석을 통한 침수해석의 필요성을 제시하였고, 2001년 7월 서울지역의 집중호우 사상에 대한 적용결과로 해석 결과를 검증하였다. 본 연구의 결과는 도시 홍수 예경보와 침수범람도 작성 등의 도시치수 및 방재계획 수립에 실제적으로 응용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.31-31
• /
• 2023

During December 2022, the northeast monsoon, which dominates the south and the Gulf of Thailand, had significant rainfall that impacted the lower southern region, causing flash floods, landslides, blustery winds, and the river exceeding its bank. The Golok River, located in Narathiwat, divides the border between Thailand and Malaysia was also affected by rainfall. In flood management, instruments for measuring precipitation and water level have become important for assessing and forecasting the trend of situations and areas of risk. However, such regions are international borders, so the installed measuring telemetry system cannot measure the rainfall and water level of the entire area. This study aims to predict 72 hours of water level and evaluate the situation as information to support the government in making water management decisions, publicizing them to relevant agencies, and warning citizens during crisis events. This research is applied to machine learning (ML) for water level prediction of the Golok River, Lan Tu Bridge area, Sungai Golok Subdistrict, Su-ngai Golok District, Narathiwat Province, which is one of the major monitored rivers. The eXtreme Gradient Boosting (XGBoost) algorithm, a tree-based ensemble machine learning algorithm, was exploited to predict hourly water levels through the R programming language. Model training and testing were carried out utilizing observed hourly rainfall from the STH010 station and hourly water level data from the X.119A station between 2020 and 2022 as main prediction inputs. Furthermore, this model applies hourly spatial rainfall forecasting data from Weather Research and Forecasting and Regional Ocean Model System models (WRF-ROMs) provided by Hydro-Informatics Institute (HII) as input, allowing the model to predict the hourly water level in the Golok River. The evaluation of the predicted performances using the statistical performance metrics, delivering an R-square of 0.96 can validate the results as robust forecasting outcomes. The result shows that the predicted water level at the X.119A telemetry station (Golok River) is in a steady decline, which relates to the input data of predicted 72-hour rainfall from WRF-ROMs having decreased. In short, the relationship between input and result can be used to evaluate flood situations. Here, the data is contributed to the Operational support to the Special Water Resources Management Operation Center in Southern Thailand for flood preparedness and response to make intelligent decisions on water management during crisis occurrences, as well as to be prepared and prevent loss and harm to citizens.

• 대한토목학회논문집
• /
• 제33권4호
• /
• pp.1413-1424
• /
• 2013

최근 우리나라에는 집중호우의 발생 빈도가 잦아지고 있다. 집중호우는 단시간에 발생하여 인명과 재산에 직접적인 피해를 주는 특징이 있다. 이러한 이유로 치수에 대한 관심은 점점 높아지고 있으며 정확한 유량 예측을 바탕으로 홍수에 대비할 수 있는 시스템 개발에 대한 연구가 활발하게 이루어지고 있다. 지금까지 홍수 예보에는 주로 물리적 모형이 사용되어 왔다. 물리적 모형은 매개변수 결정을 위해 많은 자료를 필요로 하고 또 매개변수의 결정 과정에서 많은 불확실성을 포함하고 있기 때문에 계산과정을 거치는 동안 다양한 오차가 반복하여 누적되는 단점이 있다. ANFIS는 인공신경회로망과 퍼지기법을 사용한 자료 지향형 모형으로 기존의 물리적 모형에서 사용한 방대한 양의 물리적 자료를 배제하고 유역의 강우자료와 유량자료만을 사용하여 모형을 구축하고 수위를 예측할 수 있다는 장점이 있다. 그러나 자료 지향형 모형은 입력 자료와 결과 사이의 논리적 상관성을 찾을 수 없다는 단점이 있다. 본 연구에서는 ANFIS 모형에 사용되는 함수의 옵션과 입력자료의 특성의 제한적인 변화에 따른 결과자료 분석을 통해 자료 지향형 모형의 특성을 분석하였다. 또한 일반적으로 많이 사용하는 물리적 모형 중 하나인 HEC-HMS의 유출량 산정 결과와의 비교를 통해 ANFIS의 적용성을 평가하였다. 본 연구는 남한강 상류에 위치한 청미천 유역의 2007년부터 2011년까지의 관측 강우자료와 유량자료를 사용하여 수행하였다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.981-992
• /
• 2023

최근 전세계적인 기후변화의 영향으로 강우가 집중되고 강우강도가 강해짐에 따라 홍수피해의 규모를 증가시키고 있다. 과거에 관측되지 않았던 규모의 비가 내리기도 하고, 기록되지 않았던 장기간의 장마가 발생하기도 한다. 이러한 피해들은 아세안 국가에도 집중되고 있으며, 태풍 및 집중호우로 인해 침수의 빈번한 발생과 함께 많은 사람들이 영향을 받고 있다. 특히, 인도네시아 찌따룸강 상류 유역에 위치한 반둥 지역은 분지 형태의 지형학적 특성을 가지고 있어서 홍수에 매우 취약한 실정이다. 이에 공적개발원조(ODA)를 통해 2017년에 찌따룸강 상류(Upper Citarum River) 유역에 대하여 홍수예경보시스템을 구축되었고, 현재 운영중에 있다. 그럼에도 불구하고, 찌따룸강 상류 (Upper Citarum River) 지역은 홍수발생시 인명 및 재산피해의 위험에 여전히 노출되어 있어 신속하고 정확한 홍수예경보의 실시를 통해 피해를 경감시키는 노력이 지속적으로 필요한 실정이다. 따라서 본 연구에서는 찌따룸강 상류의 Dayeuh Kolot 지점을 목표관측소로 하고, 강우관측소 4개소와 수위관측소 1개소의 10분 단위 수문자료를 수집하여 인공지능 기반의 하천홍수위예측모형을 개발하였다. 6개 관측소의 2017년 1월부터 2021년 1월까지의 10분 단위 수문관측자료를 활용하여 선행예보시간 0.5, 1, 2, 3, 4, 5, 6시간에 대해서 학습, 검증, 시험을 수행하였으며 인공지능알고리즘으로는 LSTM을 적용하였다. 연구결과 모든 선행예보시간에 대해 모형적합도 및 오차에서 좋은 결과를 나타냈으며, 학습자료 구축조건에 따른 예측정확도를 검토한 결과 참조관측소가 적은 경우에도 모든 관측소를 활용하는 경우와 유사하게 예측정확도를 확보하는 것으로 나타나 효율적인 인공지능 기반 모형 구축에 활용될 수 있을 것으로 기대된다.

• 물과 미래
• /
• 제25권4호
• /
• pp.109-119
• /
• 1992

본 연구에서는 호우시 홍수예경보 및 수자원의 효율적 관리를 위한 실시간 유출예측모형을 개발하고자 하였다. 그 방법으로 강우-유출과저의 추계학적 시스템모형을 구성하고 모형의 매개변수를 순환 최적추정할 수 있는 RLS 및 IV-AML 알고리즘을 적용하였다. 또한 기존에 관측된 시간별 강우-유출자료로부터 매개변수 및 추정오차의 공분산행렬의 초기치들을 산정하여 유출예측의 성과도를 향상시키고자 하였으며, 1단계전 유출예측치를 분석함으로서 본 연구에서 개발된 모형의 정확성과 적용가능성을 검토해 보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.164-164
• /
• 2016

Radar rainfall estimates have been widely used in calculating rainfall amount approximately and predicting flood risks. The radar rainfall estimates have a number of error sources such as beam blockage and ground clutter hinder their applications to hydrological flood forecasting. Moreover, it has been reported in paper that those errors are inter-correlated spatially and temporally. Therefore, in the current study, we tested influence about spatio-temporal errors in radar rainfall estimates. Spatio-temporal errors were simulated through a stochastic simulation model, called Multivariate Autoregressive (MAR). For runoff simulation, the Nam River basin in South Korea was used with the distributed rainfall-runoff model, Vflo. The results indicated that spatio-temporal dependent errors caused much higher variations in peak discharge than spatial dependent errors. To further investigate the effect of the magnitude of time correlation among radar errors, different magnitudes of temporal correlations were employed during the rainfall-runoff simulation. The results indicated that strong correlation caused a higher variation in peak discharge. This concluded that the effects on reducing temporal and spatial correlation must be taken in addition to correcting the biases in radar rainfall estimates. Acknowledgements This research was supported by a grant from a Strategic Research Project (Development of Flood Warning and Snowfall Estimation Platform Using Hydrological Radars), which was funded by the Korea Institute of Construction Technology.