• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.161-161
• /
• 2021

본 연구에서는 금강 상류의 용담댐 유역(930.0 km²)을 대상으로 Sentinel-1 SAR(Synthetic Aperture Radar) 및 Sentinel-2 MultiSpectral Instrument(MSI) 위성영상을 활용한 토양수분 산출연구를 수행하였다. 연구에 사용된 자료는 10 m 해상도의 Sentinel-1 IW(Interferometric Wide swath) mode GRD(Ground Range Detected) product의 VV(Vertical transmit-Vertical receive) 및 VH(Vertical transmit-Horizontal receive) 편파자료와 Sentinel-2 Level-2A Bottom of Atmosphere(BOA) reflectance 자료를 2019년에 대해 각 6일 및 5일 간격으로 구축하였다. 위성영상의 Image processing은 SNAP(SentiNel Application Platform)을 활용하여 Sentinel-1 영상의 편파 별(VV, VH) 후방산란계수와 Sentinel-2의 적색(Band-4) 및 근적외(Band-8) 영상을 생성하였다. 토양수분 산출 모형은 다중선형회귀모형(Multiple Linear Regression Model)을 활용하였으며, 각 지점에 해당하는 토양 속성별로 모형을 생성하였다. 모형의 입력자료는 Sentinel-1 위성의 편파별 후방산란계수, Sentinel-1 위성에서 산출된 식생지수 RVI(Radar Vegetation Index)와 Sentinel-2 위성에서 산출된 NDVI(Normalized Difference Vegetation Index)를 활용하여 식생의 영향을 반영하고자 하였다. 모의 된 토양수분을 검증하기 위해 6개 지점의 TDR(Time Domain Reflectometry) 기반 실측 토양수분 자료를 수집하고, 상관계수(Correlation Coefficient, R), 평균제곱근오차(Root Mean Square Error, RMSE) 및 IOA(Index of Agreement)를 활용하여 전체 기간 및 계절별로 나누어 검증할 예정이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.130-130
• /
• 2020

수자원장기종합계획에 따르면 전국 지하수위는 지하수 이용의 지속적인 증가와 도시화에 따른 지하수 함양감소 등으로 최근 매년 조금씩 감소하고 있다. 특히, 환경부의 지하수조사연보(2018)에 따르면 남한강하류 중권역은 한강수계 전체 지하수 사용량의 약 34.5 %를 차지하고 있는 것으로 분석되었으며, 2009년에 비하여 2017년의 지하수위는 1.4 m의 감소 되었다. 본 연구는 한강유역에서 지하수 개발밀도가 높은 이천시에 위치해 있는 복하천 유역(303.8㎢)을 대상으로 지하수위 감소에 따른 기저유량 변동특성을 파악하기 위하여 SWAT-MODFLOW(Soil And Water Assessment Tool-MODFLOW)을 적용하고자 한다. SWAT-MODFLOW는 준분포형 장기유출모형 SWAT과 3차원 분포형 지하수 모의가 가능한 MODFLOW를 연계한 모형이며, MODFLOW만으로는 해결할 수 없는 일별 지하수 함양량의 분포와 SWAT만으로는 계산 불가능했던 지하수위의 시공간 분포를 보완하여 재생함으로써 두 모형의 한계를 극복한 모델이다. SWAT의 검보정 결과로서는 RMSE는 10.6 mm/day, NSE는 0.72, R²는 0.69 효율이 나타났으나, 지하수 유출이 보정되지 않아 MODFLOW의 입력자료인 토양두께(m), 수리전도도(m/day), 비저류량(1/m), 비산출율을 토양통에 따라 분류한 해외논문(Steven et.al 2005) 자료를 산정하여 SWAT-MODFLOW 두모형을 연계한 프로그램에 입력하여 지하수 유출을 보완하였고 SWAT과 SWAT-MDFLOW 지하수 유출량 비교뿐만이 아닌 SWAT-MODFLOW의 출력자료인 지하수위 및 지하수 충진량을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.162-162
• /
• 2020

토양수분은 TDR(Time Domain Reflectometry)이나 Tensiometer 등의 장비를 이용하여 측정을 시행하고 있으나, 이를 위해서는 많은 인력과 경제적 자원이 소비될 뿐만 아니라 시공간적으로 측정할 수 있는 범위에 한계가 있다. 지상 관측의 대안으로 MIRAS(Microwave Imaging Radiometer with Aperture Synthesis)나 SMAP(Soil Moisture Active Passive), AMSR2(Advanced Microwave Scanning Radiometer 2) 등의 수동 마이크로파 위성 센서를 이용한 공간 토양수분 관측이 수행되었으나, 낮은 공간 해상도(9~36km)는 지역 규모의 토양수분 분포를 나타내기 충분하지 않고, 높은 불확실성을 내포하고 있다. 본 연구에서는 금강 상류의 용담댐 유역(930.0㎢)을 대상으로 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 영상을 이용한 토지 피복 및 토양 속성을 고려한 10m 해상도의 토양수분 산출을 수행하였다. 용담댐 유역은 산림 79.7%, 논 9.0%, 밭 5.4%, 주거지 2.9%의 토지 피복 비율을 가지며 토양은 사양토(66.6%)와 양토(20.9%)가 우세하다. Sentinel-1 C-band SAR 영상은 SeNtinel Application Platform(SNAP)을 이용하여 전처리 후, 후방산란계수로 변환하였다. 토양수분 알고리즘은 TU-Wien change detection algorithm과 Regression model을 활용하였고, 검증을 위한 실측 토양수분 자료는 한국수자원공사(K-water)에서 제공하는 5년(2014~2018)간의 토양수분 관측자료를 이용하였다. 산출된 토양수분은 결정계수(Coefficient of determination, R²) 및 평균제곱근오차(Root Mean Square Error, RMSE)를 이용하여 실측 토양수분과 비교하였다. Sentinel-1 C-band SAR 영상을 이용한 고해상도의 토양수분 산출은 토지 피복 및 토양 속성을 고려한 지역 규모의 공간 토양수분 분포 및 시간적 변화를 표현 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.51-51
• /
• 2021

환경생태유량은 수생태 건강성 유지를 위한 최소한의 유량으로 K-water에서는 유량증분방법론 기반의 1차원 물리적 서식처 모형인 PHABSIM(Physical habitat simulation system)을 이용해 고시지점에 대해 환경생태유량을 산정하여 제시하고 있으나, PHABSIM을 이용하여 환경생태유량을 산정하기 위해서는 지형, 수문 및 어류조사와 같은 현장조사를 지속적으로 실시해야한다는 한계점이 존재한다. 따라서 본 연구에서는 안동댐 하류유역(4,565.7 km²)을 대상으로 SWAT(Soil and water assessment tool)과 PHABSIM을 연계하여 수문모형을 이용한 유량 모의에 따른 대상 어종의 환경생태유량을 산정하고자 한다. SWAT 구축을 위해 DEM과 토양도 및 토지이용자료와 유역 내 위치한 7개의 기상관측소에 대한 40년(1980~2019)의 기상자료를 수집하여 적용하였으며, SWAT의 검보정을 위해 유역내 위치한 2개의 다목적 댐(안동댐, 임하댐)의 실측 운영자료와 1개의 수위관측소의 유량자료를 수집하였다. PHABSIM의 경우, 안동댐 하류유역에 대한 하천정비기본계획 보고서에 기반하여 지형자료를 입력하였으며 문헌조사를 통해 대상어종의 서식적합도지수를 수집하여 적용하였다. 3개 지점에 대한 SWAT 검보정결과, 평균 R², NSE 및 RMSE는 각각 0.51~0.76, 0.47~0.74, 0.61~1.84 mm/day로 나타났다. PHABSIM과의 연계를 위해 검보정된 SWAT의 하천유량에 대해 유황분석을 실시하였고, 산정한 Q10과 Q355를 유량의 최대·최소 범위로 설정하여 PHABSIM의 유량 경계조건으로 활용하였다. 이를 이용하여 SWAT과 PHABSIM의 연계모델링 적용성을 평가하고 대상어종의 환경생태유량을 산정할 예정이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.

• Computers and Concrete
• /
• v.32 no.2
• /
• pp.119-138
• /
• 2023

Concrete carbonation is a prevalent phenomenon that leads to steel reinforcement corrosion in reinforced concrete (RC) structures, thereby decreasing their service life as well as durability. The process of carbonation results in a lower pH level of concrete, resulting in an acidic environment with a pH value below 12. This acidic environment initiates and accelerates the corrosion of steel reinforcement in concrete, rendering it more susceptible to damage and ultimately weakening the overall structural integrity of the RC system. Lower pH values might cause damage to the protective coating of steel, also known as the passive film, thus speeding up the process of corrosion. It is essential to estimate the carbonation factor to reduce the deterioration in concrete structures. A lot of work has gone into developing a carbonation model that is precise and efficient that takes both internal and external factors into account. This study presents an ML-based adaptive-neuro fuzzy inference system (ANFIS) approach to predict the carbonation depth of fly ash (FA)-based concrete structures. Cement content, FA, water-cement ratio, relative humidity, duration, and CO2 level have been used as input parameters to develop the ANFIS model. Six performance indices have been used for finding the accuracy of the developed model and two analytical models. The outcome of the ANFIS model has also been compared with the other models used in this study. The prediction results show that the ANFIS model outperforms analytical models with R-value, MAE, RMSE, and Nash-Sutcliffe efficiency index values of 0.9951, 0.7255 mm, 1.2346 mm, and 0.9957, respectively. Surface plots and sensitivity analysis have also been performed to identify the repercussion of individual features on the carbonation depth of FA-based concrete structures. The developed ANFIS-based model is simple, easy to use, and cost-effective with good accuracy as compared to existing models.

• Computers and Concrete
• /
• v.31 no.2
• /
• pp.85-95
• /
• 2023

Natural pozzolans are used as additives in cement to develop more durable and high-performance concrete. Pozzolanic activity index (PAI) is important for assessing the performance of a pozzolan as a binding material and has an important effect on the compressive strength, permeability, and chemical durability of concrete mixtures. However, the determining of the 28 days (short term) and 90 days (long term) PAI of concrete mixtures is a time-consuming process. In this study, to reduce extensive experimental work, it is aimed to predict the short term and long term PAIs as a function of the chemical compositions of various natural pozzolans. For this purpose, the chemical compositions of various natural pozzolans from Central Anatolia were determined with X-ray fluorescence spectroscopy. The mortar samples were prepared with the natural pozzolans and then, the short term and the long term PAIs were calculated based on compressive strength method. The effect of the natural pozzolans' chemical compositions on the short term and the long term PAIs were evaluated and the PAIs were predicted by using multiple linear regression (MLR) and adaptive neuro-fuzzy inference system (ANFIS) model. The prediction model results show that both reactive SiO₂ and SiO₂+Al₂O₃+Fe₂O₃ contents are the most effective parameters on PAI. According to the performance of prediction models determined with metrics such as root mean squared error (RMSE) and coefficient of correlation (R²), ANFIS models are more feasible than the multiple regression model in predicting the 28 days and 90 days pozzolanic activity. Estimation of PAIs based on the chemical component of natural pozzolana with high-performance prediction models is going to make an important contribution to material engineering applications in terms of selection of favorable natural pozzolana and saving time from tedious test processes.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• Advances in concrete construction
• /
• v.14 no.3
• /
• pp.185-194
• /
• 2022

For producing cement and concrete, the construction field has been encouraged by the usage of industrial soil waste (or) secondary materials since it decreases the utilization of natural resources. Simultaneously, for ensuring the quality, the analyses of the strength along with durability properties of that sort of cement and concrete are required. The prediction of strength along with other properties of High-Performance Concrete (HPC) by optimization and machine learning algorithms are focused by already available research methods. However, an error and accuracy issue are possessed. Therefore, the Enhanced Deep Neural Network (EDNN) based strength along with durability prediction of HPC was utilized by this research method. Initially, the data is gathered in the proposed work. Then, the data's pre-processing is done by the elimination of missing data along with normalization. Next, from the pre-processed data, the features are extracted. Hence, the data input to the EDNN algorithm which predicts the strength along with durability properties of the specific mixing input designs. Using the Switched Multi-Objective Jellyfish Optimization (SMOJO) algorithm, the weight value is initialized in the EDNN. The Gaussian radial function is utilized as the activation function. The proposed EDNN's performance is examined with the already available algorithms in the experimental analysis. Based on the RMSE, MAE, MAPE, and R² metrics, the performance of the proposed EDNN is compared to the existing DNN, CNN, ANN, and SVM methods. Further, according to the metrices, the proposed EDNN performs better. Moreover, the effectiveness of proposed EDNN is examined based on the accuracy, precision, recall, and F-Measure metrics. With the already-existing algorithms i.e., JO, GWO, PSO, and GA, the fitness for the proposed SMOJO algorithm is also examined. The proposed SMOJO algorithm achieves a higher fitness value than the already available algorithm.

• Steel and Composite Structures
• /
• v.49 no.2
• /
• pp.161-180
• /
• 2023

In the previous research, the axial compressive capacity models for the glass fiber-reinforced polymer (GFRP)-reinforced circular concrete compression elements restrained with GFRP helix were put forward based on small and noisy datasets by considering a limited number of parameters portraying less accuracy. Consequently, it is important to recommend an accurate model based on a refined and large testing dataset that considers various parameters of such components. The core objective and novelty of the current research is to suggest a deep learning model for the axial compressive capacity of GFRP-reinforced circular concrete columns restrained with a GFRP helix utilizing various parameters of a large experimental dataset to give the maximum precision of the estimates. To achieve this aim, a test dataset of 61 GFRP-reinforced circular concrete columns restrained with a GFRP helix has been created from prior studies. An assessment of 15 diverse theoretical models is carried out utilizing different statistical coefficients over the created dataset. A novel model utilizing the group method of data handling (GMDH) has been put forward. The recommended model depicted good effectiveness over the created dataset by assuming the axial involvement of GFRP main bars and the confining effectiveness of transverse GFRP helix and depicted the maximum precision with MAE = 195.67, RMSE = 255.41, and R2 = 0.94 as associated with the previously recommended equations. The GMDH model also depicted good effectiveness for the normal distribution of estimates with only a 2.5% discrepancy from unity. The recommended model can accurately calculate the axial compressive capacity of FRP-reinforced concrete compression elements that can be considered for further analysis and design of such components in the field of structural engineering.