The rainfall-runoff model made of sewer networks in the urban area is vast and complex, making it unsuitable for real-time urban flood forecasting. Therefore, the rainfall-runoff model is constructed and simplified using the sewer network of Daerim baisn. The network simplification process was composed of 5 steps based on cumulative drainage area and all parameters of SWMM were calculated using weighted area. Also, in order to estimate the optimal simplification range of the sewage network, runoff and flood analysis was carried out by 5 simplification ranges. As a result, the number of nodes, conduits and the simulation time were constantly reduced to 50~90% according to the simplification ranges. The runoff results of simplified models show the same result before the simplification. In the 2D flood analysis, as the simplification range increases by cumulative drainage area, the number of overflow nodes significantly decreased and the positions were changed, but similar flooding pattern was appeared. However, in the case of more than 6 ha cumulative drainage area, some inundation areas could not be occurred because of deleted nodes from upstream. As a result of comparing flood area and flood depth, it was analyzed that the flood result based on simplification range of 1 ha cumulative drainage area is most similar to the analysis result before simplification. It is expected that this study can be used as reliable data suitable for real-time urban flood forecasting by simplifying sewer network considering SWMM parameters.
Proceedings of the Korea Water Resources Association Conference
/
2002.05a
/
pp.43-50
/
2002
Accurate quantitative forecasting of rainfall for basins with a short response time is essential to predict streamflow and flash floods. Previously, neural networks were used to develop a Quantitative Precipitation Forecasting (QPF) model that highly improved forecasting skill at specific locations in Pennsylvania, using both Numerical Weather Prediction (NWP) output and rainfall and radiosonde data. The objective of this study was to improve an existing artificial neural network model and incorporate the evolving structure and frequency of intense weather systems in the mid-Atlantic region of the United States for improved flood forecasting. Besides using radiosonde and rainfall data, the model also used the satellite-derived characteristics of storm systems such as tropical cyclones, mesoscale convective complex systems and convective cloud clusters as input. The convective classification and tracking system (CCATS) was used to identify and quantify storm properties such as life time, area, eccentricity, and track. As in standard expert prediction systems, the fundamental structure of the neural network model was learned from the hydroclimatology of the relationships between weather system, rainfall production and streamflow response in the study area. The new Quantitative Flood Forecasting (QFF) model was applied to predict streamflow peaks with lead-times of 18 and 24 hours over a five year period in 4 watersheds on the leeward side of the Appalachian mountains in the mid-Atlantic region. Threat scores consistently above .6 and close to 0.8 ∼ 0.9 were obtained fur 18 hour lead-time forecasts, and skill scores of at least 4% and up to 6% were attained for the 24 hour lead-time forecasts. This work demonstrates that multisensor data cast into an expert information system such as neural networks, if built upon scientific understanding of regional hydrometeorology, can lead to significant gains in the forecast skill of extreme rainfall and associated floods. In particular, this study validates our hypothesis that accurate and extended flood forecast lead-times can be attained by taking into consideration the synoptic evolution of atmospheric conditions extracted from the analysis of large-area remotely sensed imagery While physically-based numerical weather prediction and river routing models cannot accurately depict complex natural non-linear processes, and thus have difficulty in simulating extreme events such as heavy rainfall and floods, data-driven approaches should be viewed as a strong alternative in operational hydrology. This is especially more pertinent at a time when the diversity of sensors in satellites and ground-based operational weather monitoring systems provide large volumes of data on a real-time basis.
KSCE Journal of Civil and Environmental Engineering Research
/
v.33
no.4
/
pp.1413-1424
/
2013
Recently, the frequency of severe storms increases in Korea. Severe storms occurring in a short time cause huge losses of both life and property. A considerable research has been performed for the flood control system development based on an accurate stream discharge prediction. A physical model is mainly used for flood forecasting and warning. Physical rainfall-runoff models used for the conventional flood forecasting process require extensive information and data, and include uncertainties which can possibly accumulate errors during modelling processes. ANFIS, a data driven model combining neural network and fuzzy technique, can decrease the amount of physical data required for the construction of a conventional physical models and easily construct and evaluate a flood forecasting model by utilizing only rainfall and water level data. A data driven model, however, has a disadvantage that it does not provide the mathematical and physical correlations between input and output data of the model. The characteristics of a data driven model according to functional options and input data such as the change of clustering radius and training data length used in the ANFIS model were analyzed in this study. In addition, the applicability of ANFIS was evaluated through comparison with the results of HEC-HMS which is widely used for rainfall-runoff model in Korea. The neuro-fuzzy technique was applied to a Cheongmicheon Basin in the South Han River using the observed precipitation and stream level data from 2007 to 2011.
This paper presents the integrated storage function model (ISFM) to improve the accuracy of the storage function model (SFM) which is widely employed for flood runoff analysis and its forecasting in Korea. In order to achieve this objective, the optimization method is applied for estimation of parameters of the model which dominate the accuracy of the analysis, which is usually taken by empirical formulae, and they are treated as time dependent variables. The fuzzy control technique is used to detennine the time variant parameters. In addition, the ISFM can be applied to the combined routing of the watershed and the channel with a residual watershed.ershed.
Proceedings of the Korea Water Resources Association Conference
/
2023.05a
/
pp.363-363
/
2023
Artificial Neural Networks (ANN) is a powerful tool for addressing various practical problems and it has been extensively applied in areas of water resources. In this study, Artificial Neural Networks (ANNs) were developed for flood forecasting at specific locations on the Han River. The Partial Mutual Information (PMI) technique was used to select input variables for ANNs that are neither over-specified nor under-specified while adequately describing the underlying input-output relationships. Historical observations including discharges at the Paldang Dam, flows from tributaries, water levels at the Paldang Bridge, Banpo Bridge, Hangang Bridge, and Junryu gauge station, and time derivatives of the observed water levels were considered as input candidates. Lagged variables from current time t to the previous five hours were assumed to be sufficient in this study. A three-layer neural network with one hidden layer was used and the neural network was optimized by selecting the optimal number of hidden neurons given the selected inputs. Given an ANN architecture, the weights and biases of the network were determined in the model training. The use of PMI-based input variable selection and optimized ANNs for different sites were proven to successfully predict water levels during flood periods.
Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
/
2010.04a
/
pp.389-393
/
2010
The Objective of this study was to develop a system for visualizing inundation area by using 1-D numerical model analyzing damage information such as inundation area, facilities, land usages, population, building, loads. In this study, we have reviewed hydraulic models to select a flood model for simulation of discharges, water depths and velocities. The study area is Namhan River from Youngwol to Paldang Dam which had a flood damage on upper and below regions of Chungju Dam by a storm event in 2006. At the first, we developed the DB system base on GIS thematic map, ortho images, cadastral maps to analyze flood damages and support decisions making. Changing the boundary conditions such as discharge at the gauging stations, flood simulations were performed and then damages were extracted from the databases information support system based on 1-D numerical hydraulic model, it is expected to be able to analyze flood damages and support a decision making for reduce flood relate damages. In the future, the system developed in this study could be applied for flood forecasting system of small scaled streams.
Journal of The Korean Society of Agricultural Engineers
/
v.49
no.3
/
pp.21-31
/
2007
This study is aimed at the development of a runoff forecasting model by using the Fuzzy inference system and Neural Network model to solve the uncertainties occurring in the process of rainfall-runoff modeling and improve the modeling accuracy of the stream runoff forecasting. The Neuro-Fuzzy (NF) model were used in this study. The NF model, recently received a great deal of attention, improve the existing Neural Networks by the aid of the Fuzzy theory applied to each node. The study area is the downstreams of Naeseung-chun. Therefore, time-dependent data was obtained from the Wolpo water level gauging station. 11 and 2 out of total 13 flood events were selected for the training and testing set of model respectively. The schematic diagram method and the statistical analysis are conducted to evaluate the feasibility of rainfall-runoff modeling. The model accuracy was rapidly decreased as the forecasting time became longer. The NF model can give accurate runoff forecasts up to 4 hours ahead in standard above the Determination coefficient $(R^2)$ 0.7. In the comparison of the runoff forecasting using the NF and TANK models, characteristics of peak runoff in the TANK model was higher than ones in the NF models, but peak values of hydrograph in the NF models were similar.
Proceedings of the Korea Water Resources Association Conference
/
2016.05a
/
pp.259-259
/
2016
This study examined Artificial Neurons Networks model (ANNs) for forecast flash discharge at Southern part of Thailand by using rainfall data and discharge data. The Sungai Kolok River Basin has meant the border crossing between Thailand and Malaysia which watershed drains an area lies in Thailand 691.88 square kilometer from over all 2,175 square kilometer. The river originates in mountainous area of Waeng district then flow through Gulf of Thailand at Narathiwat Province, which the river length is approximately 103 kilometers. Almost every year, flooding seems to have increased in frequency and magnitude which is highly non-linear and complicated phenomena. The purpose of this study is to forecast runoff on Sungai Kolok at X.119A gauge station (Sungai Kolok district, Narathiwat province) for 3 days in advance by using Artificial Neural Networks model (ANNs). 3 daily rainfall stations and 2 daily runoff station have been measured by Royal Irrigation Department and Meteorological Department during flood period 2000-2014 were used as input data. In order to check an accuracy of forecasting, forecasted runoff were compared with observed data by pursuing Coefficient of determination ($R^2$). The result of the first day gets the highest accuracy and then decreased in day 2 and day 3, consequently. $R^2$values for first day, second day and third day of runoff forecasting is 0.71, 0.62 and 0.49 respectively. The results confirmed that the ANNs model can be used when the range of collected dataset is short and real-time operated. In conclusion, the ANNs model is suitable to runoff forecasting during flood incident of Sungai Kolok river because it is straightforward model and require with only a few parameters for simulation.
Reta L. Puspasari;Daeung Yoon;Hyun Kim;Kyoung-Woong Kim
Economic and Environmental Geology
/
v.56
no.1
/
pp.65-73
/
2023
As one of the most vulnerable countries to floods, there should be an increased necessity for accurate and reliable flood forecasting in Indonesia. Therefore, a new prediction model using a machine learning algorithm is proposed to provide daily flood prediction in Indonesia. Data crawling was conducted to obtain daily rainfall, streamflow, land cover, and flood data from 2008 to 2021. The model was built using a Random Forest (RF) algorithm for classification to predict future floods by inputting three days of rainfall rate, forest ratio, and stream flow. The accuracy, specificity, precision, recall, and F1-score on the test dataset using the RF algorithm are approximately 94.93%, 68.24%, 94.34%, 99.97%, and 97.08%, respectively. Moreover, the AUC (Area Under the Curve) of the ROC (Receiver Operating Characteristics) curve results in 71%. The objective of this research is providing a model that predicts flood events accurately in Indonesian regions 3 months prior the day of flood. As a trial, we used the month of June 2022 and the model predicted the flood events accurately. The result of prediction is then published to the website as a warning system as a form of flood mitigation.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.