• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.140-148
• /
• 2010

The Taihu Basin is located in the east coast of China, where the threats of frequent floods have induced construction of massive, complex, hierarchical flood defense systems over the interconnected river networks. Digital modeling of flooding processes and quantitative damage assessment still remain challenging due to such complexity. The current research uses an integrated approach to meet this challenge by combining multiple types of models within a GIS platform. A new algorithm is introduced to simulate the impacts of the flood defense systems, especially the large number of polders, on floods distributions and damages.

• 한국습지학회지
• /
• 제24권1호
• /
• pp.44-51
• /
• 2022

본 연구에서는 TOPSIS(Techniques for Order Performance by Similarity to Ieal Solution)을 이용하여 낙동강수계 34개 지천에서의 수질측정망 설치 지점에 대하여 평가하였다. 낙동강수계에서는 지난 2011년부터 195개 지천에서 수질 및 유량을 측정하고 있다. 특히, 34개 중점관리지점은 오염원이 많고 수질이 불량한 지역으로서 지속적인 수질이 관리가 필요하다. 관리가 필요한 지점 선정을 위해 평가항목은 10개 지표를 선정하였으며 선정된 지표를 표준화하고, 엔트로피 방법(Entropy Method)을 이용하여 가중치를 부여하였다. 가중치 산정결과, 인근 측정망 유무가 가장 크고 평균 수질과 산업단지 유무도 높은 가중치를 얻었다. 평가결과, 상위 지점은 인근 측정망이 없고 산업단지와 폐수처리시설이 있고 평균 수질이 타 지점보다 높은 지점이다. 평가된 자료는 향후 낙동강수계에서의 신규 수질측정망 설정 및 지속적인 지류에서의 수질 관리를 위해 필요한 연구 결과로 판단된다.

• 한국수자원학회논문집
• /
• 제37권2호
• /
• pp.145-154
• /
• 2004

본 연구는 비선형성이 강한 강우-유출의 특성을 고려하여 홍수시 하도의 유출을 예측하고 하천유역의 홍수예경보에 이용하기 위하여 신경망 시스템의 모형화 가능성을 검증하였다. 신경망을 이용한 실시간 하도홍수 예측모형(Neural River Discharge-Stage Forecasting Mudel; NRDFM)은 낙동강 유역의 왜관 및 진동 지점의 홍수량 예측에 적용하였다. NRDFM에 의한 하도홍수량의 왜관 및 진동 지점 예측결과를 실측치와 비교$\cdot$검토한 결과 제시한 세 가지 모형 중 NRDFM-II의 예측성능이 가장 우수하였으며, NRDFM-I 및 NRDFM-II도 충분한 예측가능성을 보여주었다. 따라서, 본 연구에서 제시한 모형은 실시간 홍수예경보로의 적용이 가능하며, 이를 통하여 효율적으로 홍수를 통제 및 관리할 수 있을 것이다.

• 한국농공학회논문집
• /
• 제55권6호
• /
• pp.101-112
• /
• 2013

Shuttle Radar Topography Mission Digital Elevation Model (SRTM DEM) offers opportunities to make advances in many research areas including hydrology by providing near-global scale elevation measurements at a uniform resolution. Its wide coverage and complimentary online access especially benefits researchers requiring topographic information of hard-to-access areas. However, SRTM DEM also contains inherent errors, which are subject to propagation with its manipulation into analysis outputs. Sensitivity of hydrologic analysis to the errors has not been fully understood yet. This study investigated their impact on estimation of hydrologic derivatives such as slope, stream network, and watershed boundary using Monte Carlo simulation and spatial moving average techniques. Different amount of the errors and their spatial auto-correlation structure were considered in the study. Two sub-watersheds of Geum and Deadong River areas located in South and North Korea, respectively, were selected as the study areas. The results demonstrated that the spatial presentations of stream networks and watershed boundaries and their length and area estimations could be greatly affected by the SRTM DEM errors, in particular relatively flat areas. In the Deadong River area, artifacts of the SRTM DEM created sinks even after the filling process and then closed drainage basin and short stream lines, which are not the case in the reality. These findings provided an evidence that SRTM DEM alone may not enough to accurately figure out the hydrologic feature of a watershed, suggesting need of local knowledge and complementary data.

• 상하수도학회지
• /
• 제34권1호
• /
• pp.35-43
• /
• 2020

Turbidity has various effects on the water quality and ecosystem of a river. High turbidity during floods increases the operation cost of a drinking water supply system. Thus, the management of turbidity is essential for providing safe water to the public. There have been various efforts to estimate turbidity in river systems for proper management and early warning of high turbidity in the water supply process. Advanced data analysis technology using machine learning has been increasingly used in water quality management processes. Artificial neural networks(ANNs) is one of the first algorithms applied, where the overfitting of a model to observed data and vanishing gradient in the backpropagation process limit the wide application of ANNs in practice. In recent years, deep learning, which overcomes the limitations of ANNs, has been applied in water quality management. LSTM(Long-Short Term Memory) is one of novel deep learning algorithms that is widely used in the analysis of time series data. In this study, LSTM is used for the prediction of high turbidity(>30 NTU) in a river from the relationship of turbidity to discharge, which enables early warning of high turbidity in a drinking water supply system. The model showed 0.98, 0.99, 0.98 and 0.99 for precision, recall, F1-score and accuracy respectively, for the prediction of high turbidity in a river with 2 hour frequency data. The sensitivity of the model to the observation intervals of data is also compared with time periods of 2 hour, 8 hour, 1 day and 2 days. The model shows higher precision with shorter observation intervals, which underscores the importance of collecting high frequency data for better management of water resources in the future.

• 한국지리정보학회지
• /
• 제8권2호
• /
• pp.103-116
• /
• 2005

최근 GIS를 이용한 관망 DB화가 빈번히 이루어지고 있으나 관망해석 모형과의 연계는 미흡한 실정이다. 그 주된 이유는 이들 DB가 관망해석 모형에서 요구하는 전문적인 공간정보의 작성에 어려움이 있기 때문이다. 그로 인해, 배수관망도의 작성과 이의 정확도 향상을 위하여 공간자료를 구축할 수 있는 GIS 기법 적용이 요구되고 있다. 본 연구에서는 배수관망 수리해석 모형구축에 필요한 제반 공간자료를 GIS를 이용하여 손쉽게 작성할 수 있는 방법을 제시하였다. 또한, 관망해석모형의 계산결과를 활용하여 상수관로 위치의 공간적인 적정성(노후도 분석, 표고별 수압분포, 수용가 관리를 위한 유량공급의 분석 등)을 판단할 수 있도록 하였다.

• 환경영향평가
• /
• 제21권1호
• /
• pp.41-51
• /
• 2012

To select 10 representatives for the ecotourism networks around the areas bordering national rivers in Korea, the spatial ranges for ecotourism have been established, the ecotourism potential analyzed, and the ecotourism resources information collected by the Regional Environmental Offices and the Korea National Park Service has undergone reviews, amendments, supplements, and verification processes through familiarization tour previews, and the following main results have been derived. First, the spatial ranges of the eco-tourism networks have been set as the watershed areas that include areas around the four major rivers and the rivers. Second, the areas with high potential value for ecotourism were selected through the analysis of ecotourism potential. Since EGIS was used for the analysis, it was inevitable that insufficient amount of localized information was reflected, and the use of the results as reference for the potential would be feasible. Third, it was possible, by reviewing, amending and complementing the results of ecological resource information collected by the Regional Environmental Offices and the Korea National Park Service, to select 50 representative ecological resources around the national rivers. The selected resources were considered for the adjacency, attractiveness of ecological resources, and uniqueness of the national rivers, and they were derived by screening expert advice, official opinion, and geographical analysis information. Fourth, 10 representative ecotourism networks based on watershed areas were selected, and suitable themes were given based on the resource characteristics. Fifth, the appropriateness for ecotourism has been confirmed, with the familiarization tour previews and survey results, preservation of the future ecotourism resources, and the establishment of the foundation as the basis. In the future, the remaining 9 ecotourism networks would also need to undergo a verification process such as familiarization tours. It is deemed that, through future ecotourism contests, if the programs that select locally-pioneered tourism programs resulting from the capacities of local entities and residents, then it would be more effective in discovering resources that are more localized and of higher regional value.

• 한국수자원학회논문집
• /
• 제53권6호
• /
• pp.395-408
• /
• 2020

본 연구논문은 북부아프리카의 알제리에 위치한 하천유역에서 다중선행일 유출량의 예측을 위하여 진화적 최적화기법과 k-fold 교차검증을 결합한 세 개의 서로 다른 기계학습 접근법 (인공신경망, 적응 뉴로퍼지 시스템, 그리고 웨이블릿 기반 신경망)을 개발하고 적용하는 것이다. 인공신경망과 적응 뉴로퍼지 시스템은 root mean squared error (RMSE), Nash-Sutcliffe efficiency (NSE), correlation coefficient (R), 그리고 peak flow criteria (PFC) 의 네 개의 통계지표를 기반으로 하여 모형의 훈련 및 테스팅 결과 유사한 모형수행결과를 나타내었다. 웨이블릿 기반 신경망모형은 하루선행일 테스팅의 결과 RMSE = 8.590 ㎥/sec 과 PFC = 0.252로 분석되어서 인공신경망의 RMSE = 19.120 ㎥/sec, PFC = 0.446 과 적응 뉴로퍼지 시스템의 RMSE = 18.520 ㎥/sec, PFC = 0.444 보다 양호한 결과를 나타내었고, NSE와 R의 값도 웨이블릿 기반 신경망모형이 우수한 것으로 나타났다. 그러므로 웨이블릿 기반 신경망은 알제리 세이보스 하천에서 다중선행일의 예측을 위하여 효율적인 도구로 사용할 수 있다.

• 한국전자거래학회지
• /
• 제20권4호
• /
• pp.1-17
• /
• 2015

낙동강 하굿둑의 주요 기능인 염수피해 방지와 홍수 배제를 효과적으로 수행하기 위하여, 주요 지점의 하천 수위 변화를 감시하여 하굿둑 수문(水門) 운영에 신속히 반영할 수 있도록 하천수위감시시스템을 구축하였다. 하굿둑 운영에 직접 영향을 미치는 낙동강 본류 3개 지점에 PLC와 공중통신망을 이용하여 시스템을 구축하고, 하굿둑 통합운영시스템과 연계하였다. PLC를 활용하여 안정성과 범용성을 확보하고 유지관리의 편의성을 제고할 수 있었다. 전원 제어장치를 설치하여 경고장 발생 시 원격에서 신속히 조치를 취한 뒤, 초기화할 수 있도록하여 현장까지의 출동 횟수를 대폭 감소시킬 수 있었다. 현장 데이터 저장 기능을 추가하여, 통신망 이상 등으로 데이터가 센터로 전송되지 못할 경우를 대비하였으며, 통신망은 공중통신망인 ADSL(FTTH)을 이용하여 경제성을 고려하였고, CDMA(M2M)를 보조망으로 구성하여 이중화하였다. 공중통신망의 보안 취약성을 보완하기 위하여 전용망과 같은 효과를 볼 수 있도록 VPN을 각각 설치하고, 가상사설망을 통하여 센터와 관측국이 통신하도록 하였다. 일반적으로 하천 수위관측국에는 목적에 따라 전용의 원격터미널을 이용하고 있으나, 본 사례는 범용적인 PLC를 이용하여 개방적 구조의 시스템을 구축함으로써, 향후 유역통합물관리에 대비하여 여러시스템간의 인터페이스와 유지관리의 용이성, 보안성, 경제성을 고려한 모델이라는 점에 의의가 있다.

• 농업과학연구
• /
• 제46권1호
• /
• pp.67-78
• /
• 2019

The purpose of this study was to predict the water quality using the RNN (recurrent neutral network) and LSTM (long short-term memory). These are advanced forms of machine learning algorithms that are better suited for time series learning compared to artificial neural networks; however, they have not been investigated before for water quality prediction. Three water quality indexes, the BOD (biochemical oxygen demand), COD (chemical oxygen demand), and SS (suspended solids) are predicted by the RNN and LSTM. TensorFlow, an open source library developed by Google, was used to implement the machine learning algorithm. The Okcheon observation point in the Geum River basin in the Republic of Korea was selected as the target point for the prediction of the water quality. Ten years of daily observed meteorological (daily temperature and daily wind speed) and hydrological (water level and flow discharge) data were used as the inputs, and irregularly observed water quality (BOD, COD, and SS) data were used as the learning materials. The irregularly observed water quality data were converted into daily data with the linear interpolation method. The water quality after one day was predicted by the machine learning algorithm, and it was found that a water quality prediction is possible with high accuracy compared to existing physical modeling results in the prediction of the BOD, COD, and SS, which are very non-linear. The sequence length and iteration were changed to compare the performances of the algorithms.