• 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.

• 한국수자원학회논문집
• /
• 제33권6호
• /
• pp.745-755
• /
• 2000

현재 우리나라에서 홍수조절 업무에 황용하고 있는 홍수관리시스템은 댐에서 조절이 불가능한 댐하류부 수문현상들을 고려하여 방류계획을 수립할 수 없으며, 예측 강우량에 의한 댐으로의 유출상황을 고려한 예비방류에 관한 지침이 마련되어 있지 않다. 따라서 본 연구에서는 댐의 제약조건 댐 상.하류의 유출상황을 고려하여 홍수기 댐을 운영 할 수 있는 모의기법에 의한 모형을 개발하였다. 개발된 모형(EV ROM이라 명명)은 댐에서 조절이 불가능한 댐하류 지류에 의한 하류 홍수제어 지점의 Cumulative Lateral Flow Hydrograph를 고려하여 방류계획을 수립한다. EV ROM에서는 댐하류 지역의 첨두홍수량 경감을 위하여 홍수제어지점의 수문곡선 상승부에서 예비방류를, 첨두부에서는 댐에 저류를 하였다가 수문곡선 하강부에 다시 방류를 수행하는 특징이 있다. EV ROM을 강우-유출모형에 결합하여 금강수계 대청댐을 중심으로 3개 홍수사상에 적용해 본 결과, 기존의 Rigid ROM이나 Technical ROM 보다 우수한 것으로 나타났다. 이는 본 연구에서 개발한 EV ROM이 댐 유역뿐만 아니라 댐하류 홍수제어지점의 수문상황을 동시에 고려하여 댐의 방류계열을 결정하기 때문이다. 따라서, 본 연구에서 개발된 EV ROM을 다양한 홍수사상에 적용, 예측강우량의 정확도 개선 및 프로그램의 보완이 이루어진다면, 현재보다 한차원 높아진 저수지운영을 기대 할 수 있을 것이다.

• 산업기술연구
• /
• 제21권B호
• /
• pp.241-248
• /
• 2001

Normally at a flood season the operation of the dam depends on a short range weather forecast that makes many difficulties of the management at a dry season. It is needed to study the pattern of the long period rainfall. The concept of PMP(Probable Maximum Precipitation) was used for designing dam. From the concept, this study is applied the concept of monthly probable maximum precipitation for operating dam. It can be possible to let us know the appropriateness of a limiting water level at a rainy season. For the operation of dam at a dry season this study can predict roughly the flood season's pattern of precipitation by month or period, therfore the prediction of precipitation can rise efficient operation of a dam.

• 물과 미래
• /
• 제26권2호
• /
• pp.99-105
• /
• 1993

호우발생전의 기상상태, 유역의 저류상태 그리고 과거의 패턴을 반영한 실용성 있는 홍수 예보모형을 제안하였다. 호우 예보는 구름 물리학을 토대로한 지점 호우 예보 모형을, 유출예측은 저류함수모형을 채택하였다. 홍수 예보 모형의 입력 변수는 예보 발령 시점의 지상 기온, 지상 기압, 지상 이슬점 온도 그리고 유출점의 초기 유량이다. 홍수 예보 모형의 매개 상수는 과거의 홍수 사상이 갖는 최적 상수들의 산술평균값으로 하였다. 유출률은 홍수 초기 유량을 지표로 하여 예측될 수 있게 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.114-118
• /
• 2005

본 연구에서는 특정 유역의 토양수분 상태, 한계유출량(threshold runoff) 및 단기 기상예보 자료 등으로부터 돌발홍수능(Flash Flood Guidance, FFG)을 계산할 수 있는 실시간 돌발홍수 예경보시스템을 개발하기 위해 한강유역을 대상으로 DEM 자료를 이용하여 미세 소유역을 구분하고 하도단면 특성을 고려한 제방 월류 유량 개념을 기초로 고해상도 소유역 단위의 한계유출량을 산정하고, 중규모 TOPMODEL의 토양수분 모델을 통해 임의 상태의 토양수분을 추정할 수 있도록 개발하였다 또한, FFG 시스템의 기상학적 구성요소 개발을 위해 레이더 강우 추정을 편차보정 기법을 통해 계산하였다. 상술된 계산결과를 바탕으로 2003년 7월의 호우사상에 대한 유역 및 격자기반의 FFG를 산정하였고, 이들 결과는 기상청의 RDAFS(Regional Data Assimilation and Prediction System) 단기 수치예보 자료의 지속시간별 예측강수량을 활용하여 돌발홍수 발생에 대한 사례연구를 수행하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.221-225
• /
• 2006

본 연구에서는 한계유출량(threshold runoff), 특정 유역의 토양수분 상태 및 단기 기상예보 자료 등으로부터 한강유역의 돌발홍수능(Flash Flood Guidance, FFG)을 계산할 수 있는 한국형 돌발홍수 예경보시스템을 개발하였다. 한강유역의 DEM 자료를 이용하여 미세 소유역을 구분하고 하도단면 특성을 고려한 제방 월류유량 개념을 기초로 고해상도 미세 소유역 단위의 지속시간별 한계유출량을 산정하였고, Sacramento 토양수분 모델을 통해 임의 시간의 토양수분 상태를 실시간으로 추정할 수 있는 돌발홍수 모델의 수문학적 구성요소를 개발하였다. 또한, FFG 시스템의 기상학적 구성요소로 레이더 강우 추정을 추계 동역학적 편차보정 기법을 통해 계산하였다. 상술된 수문 및 기상학적 구성요소를 바탕으로 2003년 7월 및 2004년 8월의 호우사상에 대한 유역기반의 FFG를 산정하였고, 기상청의 RDAPS(Regional Data Assimilation and Prediction System) 단기 수치예보 자료의 지속시간별 예측강수량을 활용하여 돌발홍수 발생 가능성에 대한 사례연구를 수행하였다.

• 한국농공학회지
• /
• 제20권3호
• /
• pp.4724-4731
• /
• 1978

Using hydrometric data from an upland river in North Wales, a relationship between rate of river flow and water stored within the catchment area (catchment storage) is assumed to exist, and is evaluated from an analysis of winter recession curves. This storage/river flow relationship, when combined with water balance equations, produces a set of equations which may be used for "routing" input of rainfall through a storage with defined outflow characteristics, providing a straightforward method of flood prediction and analysis from rainfall data. Recorded and predicted flood hydrographs are compared, and the effectiveness and limitations of the method are considered. The development of a complete mathematical model, embodying the storage/river flow relationship, and suitable for generation of continuous run-off records from rainfall and evaporation data, is also considered.

• 물과 미래
• /
• 제17권2호
• /
• pp.125-131
• /
• 1984

watershed Model by mathematical formulation is one of the powerful tool to analyze the hydrologic process in a watershed. The seasonal watershed model is one of the mathematial model from which the monthly streamflow can be simulated and forcasted for given precipitaion data. This model also enables us to compute the monthly runoff at each subbgasin when the basin is subdivided into several small subbasins. The computation of runoff volume makes a Prediction of the areal distirbution of runoff volume for a given precipitation data. Several basins in Han River basin were chosen to simulate the monthly runoff and compute the runoff at each subbasin. A simple logarithmic regression were conducted between runoff ratio and area ratio. The correlation was very high and the equation can be used for prediciting flood volume when flood at downstream gaging station is know.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 봄 학술논문 발표대회
• /
• pp.208-209
• /
• 2022

This study aims to analyze the risk factors caused by object damage and third-party damage loss in actual bridge construction based on past insurance premium payment data from major domestic insurers for bridge construction projects, and develop a quantitative loss prediction model. For the development of quantitative bridge construction loss model, the dependent variable was selected as the loss ratio, and the independent variable adopted 1) Technical factors: superstructure type, foundation type, construction method, and bridge length 2) Natural hazards: flood anf Typhoon, 3) Project information: total construction duration, total cost and ranking. Among the selected independent variables, superstructure type, construction method, and project period were shown to affect the ratio of bridge construction losses, while superstructure, foundation, flood and ranking were shown to affect the ratio of the third-party losses.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.