• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.136-136
• /
• 2021

In this study, a deep convolutional neural network (DCNN) model is proposed for short-term precipitation forecasting using weather radar-based images. The DCNN model is a combination of convolutional neural networks, autoencoder neural networks, and U-net architecture. The weather radar-based image data used here are retrieved from competition for rainfall forecasting in Korea (AI Contest for Rainfall Prediction of Hydroelectric Dam Using Public Data), organized by Dacon under the sponsorship of the Korean Water Resources Association in October 2020. This data is collected from rainy events during the rainy season (April - October) from 2010 to 2017. These images have undergone a preprocessing step to convert from weather radar data to grayscale image data before they are exploited for the competition. Accordingly, each of these gray images covers a spatial dimension of 120×120 pixels and has a corresponding temporal resolution of 10 minutes. Here, each pixel corresponds to a grid of size 4km×4km. The DCNN model is designed in this study to provide 10-minute predictive images in advance. Then, precipitation information can be obtained from these forecast images through empirical conversion formulas. Model performance is assessed by comparing the Score index, which is defined based on the ratio of MAE (mean absolute error) to CSI (critical success index) values. The competition results have demonstrated the impressive performance of the DCNN model, where the Score value is 0.530 compared to the best value from the competition of 0.500, ranking 16^th out of 463 participating teams. This study's findings exhibit the potential of applying the DCNN model to short-term rainfall prediction using weather radar-based images. As a result, this model can be applied to other areas with different spatiotemporal resolutions.

• 한국방재학회 논문집
• /
• 제11권3호
• /
• pp.17-28
• /
• 2011

본 연구에서는 초단기 예측강우의 편의(bias) 보정을 목적으로 G/R 비의 실시간 예측에 칼만 필터를 적용하였다. 초단기 예측강우로는 MAPLE 예측강우를 사용하였고, 강우의 임계치와 누적시간에 따른 G/R 비의 특성변화를 검토하여 G/R 비 산정방법도 개선하였다. 이러한 분석을 내륙, 산악, 해안 지역에 각기 적용하여 지역적 차이가 비교될 수 있도록 하였다. 결과적으로 강우의 임계치와 누적시간의 고려를 통해 안정화된 G/R 비의 산정이 가능하였으며, 이를 이용함으로서 예측 G/R 비의 정확성이 보다 향상되었다. 예측 G/R 비로 보정된 초단기 예측강우의 정도는 지역별로 내륙지역이 가장 우수한 것으로 나타난 반면에 해안지역에서 제일 열악한 것으로 나타났다.

• 한국농공학회지
• /
• 제37권5호
• /
• pp.81-89
• /
• 1995

One of the most difficult problem to estimate the flood inflow is how to understand the effective rainfall. The effective rainfall is absolutely influenced by the condition of soil moisture in the watershed just before the storm event. DAWAST model developed to simulate the daily streamflow considering the meteologic and geographic characteristics in the Korean watersheds was applied to understand the soil moisture and estimate the effective rainfall rather accurately through the daily water balance in the watershed. From this soil moisture and effective rainfall, concentration time, dimensionless hydrograph, and addition of baseflow, the rainfall-runoff model for flood flow was developed by converting the concept of long-term runoff into short-term runoff. And, real-time flood forecasting model was also developed to forecast the flood-inflow hydrograph to the river and reservoir, and called RETFLO model. According to the model verification, RETFLO model can be practically applied to the medium and small river and reservoir to forecast the flood hydrograph with peak discharge, peak time, and volume. Consequently, flood forecasting and warning system in the river and the reservoir can be greatly improved by using personal computer.

• 한국수자원학회논문집
• /
• 제53권3호
• /
• pp.225-236
• /
• 2020

유역 상류의 소규모 산지 유역 또는 도시 배수분구 정도의 도시 유역은 지체시간이 수 십 여분에 불과하기 때문에 우량계만으로는 대응에 필요한 충분한 예측 선행시간을 확보하기 어렵다. 도시 및 소규모 산지 유역에서와 같이 지체시간이 짧은 유역에서 발생하는 돌발홍수는 더 이상 우량계만으로 예보가 불가능하다. 도달시간이 짧은 도시 및 산지에서는 지체시간 외에 강수 예측을 통한 홍수예보 선행시간을 확보하는 것이 매우 중요하다. 한강홍수통제소에서는 강우레이더 강우강도를 초단기 예측 모델인 Mcgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘의 입력 자료로 활용하여 초단기 예측 강수 자료를 생산하고 있다. 한국건설기술연구원의 돌발홍수연구센터는 한강홍수통제소에서 생산하고 있는 초단기 예측 강수 자료를 입력 자료로 하여 돌발홍수 예측 시스템을 구축하였고 2019년부터 동네규모의 1시간 전 돌발홍수정보를 제공하고 있다. 본 연구에서는 돌발홍수연구센터에서 구축한 돌발홍수 예측 시스템을 설명하고 2019년도에 발생한 수재해 사례를 분석하여 전국 도시·산지·소하천 돌발홍수 예측 시스템의 예측 정확도를 검증하였다. 돌발홍수 예측 시스템의 정확도 검증에는 총 31개의 수재해 사례를 적용하였고 예측 정확도는 Probability of Detection (POD) 기준으로 90.3%로 매우 높게 나타났다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1329-1338
• /
• 2021

강우레이더는 시공간적으로 높은 해상도의 레이더 강우를 제공하고 있으며, 이러한 레이더 강우는 초단기 예측 강우 모형의 입력자료로 활용 될 수 있다. 한국건설기술연구원은 레이더 강우로부터 추정된 초단기 예측 강우 자료를 활용하여 돌발홍수 예측 정보를 실시간으로 제공할 수 있는 돌발홍수 예측시스템을 개발하였다. 그러나 레이더 편파변수에 오차가 존재하는 경우 레이더 강우의 정확도는 낮게 나타날 수밖에 없으며, 이에 따라 초단기 예측 강우 자료의 정확도 역시도 낮게 나타날 수밖에 없다. 이에 본 연구에서는 레이더 강우의 정확도를 실시간으로 향상시키기 위해 레이더 편파변수 오차를 실시간으로 보정하는 프로그램을 개발하였다. 이를 위해 먼저 비슬산 레이더의 과거 363개의 강우사례에 편파변수 편의 보정에 따른 효과를 비실시간으로 검증하였다. 그 결과 편파변수의 오차 보정 시 레이더 강우의 정확도(1-NE) 수준은 약 70% 내외의 수준으로 나타났으며 상관계수는 0.8 이상으로 나타났다. 또한 실시간 편파변수 오차 보정 프로그램을 수행한 결과에서도 레이더 강우의 정확도(1-NE)를 약 70% 내외의 수준까지 향상시킬 수 있었다.

• 대한토목학회논문집
• /
• 제29권6B호
• /
• pp.543-550
• /
• 2009

선형외삽법에 기초한 전형적인 단시간 강우예측모형은 호우를 발생하는 강우시스템의 발달과정을 모의하지 못하는 한계를 내포하고 있다. 본 연구에서는 이러한 한계를 극복하기 위하여 기상레이더로 획득할 수 있는 여러 시간대의 반사도 정보로부터 획득한 정보변화 과정과 다항 회귀식을 이용하여 x방향과 y방향의 전파속도의 성장과정과 레이더 반사도의 성장과정 모의에 기초한 단시간 강우예측 모형을 개발하였다. 검정통계량이 제시한 결과는 2-CAPPI를 이용한 기존의 단시간 강우예측모형보다 개선된 결과를 보여주었다. 그럼에도 불구하고 본 모형이 완전한 물리적 모형이 아니라 자료사이의 상관성과 다항 회귀식을 이용한 통계적인 방법에 기초하였으므로 강우의 성장과 소멸과정을 구현과 예측성 개선에도 한계가 있음을 보였다.

• 한국수자원학회논문집
• /
• 제41권10호
• /
• pp.1023-1034
• /
• 2008

최근 몇 년간 전 세계에 걸쳐 폭풍우와 관련한 자연재해는 그 규모와 빈도에 있어서 상당히 증가하고 있는 추세다. 특히, 우리나라는 강수의 대부분이 여름철에 집중되어 있어 이러한 태풍, 폭우 그리고 국지성 집중호우 등과 같은 자연재해로 인한 피해가 더욱 심각하다. 이러한 현상은 대기 중 이산화탄소 농도의 증가로 인한 지구온난화와 엘리뇨 등으로 인하여 앞으로도 더욱 빈번해질 것으로 전망된다. 따라서 이와 같은 폭풍우로 인한 피해를 줄이기 위하여 본 연구에서는 기상레이더를 이용한 단시간 강우예측 모형을 개발하였다. 본 연구는 3차원으로 생산되는 레이더 자료를 2차원 CAPPI(Constant Altitude Plan Position Indicator)로 변환, 강우의 이동방향과 이동속도 예측, 현업보정을 이용한 2차원 강우량 산정으로 구성되어 있다. 연구결과 기상레이더를 이용한 국지성 호우의 단시간 강우예측 가능성을 제시하였으며 향후 홍수 예 경보시스템과 연계한다면 홍수 관리 및 피해 경감에 기여할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제42권10호
• /
• pp.809-824
• /
• 2009

한정된 기간의 짧은 유출량 기록을 갖는 댐 유역에서의 수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통하여 안동댐 유역의 강우량, 증발량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 상대적으로 유출량자료의 보유년한이 짧은 대상유역의 시계열 수문인자 예측을 통한 유출모의의 적용으로 수자원의 중 장기 전략수립에 도움이 되리라 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1142-1146
• /
• 2009

A rainfall simulation and forecasting technique that can generate daily rainfall sequences conditional on multi-model ensemble GCMs is developed and applied to data in Korea for the major rainy season. The GCM forecasts are provided by APEC climate center. A Weather State Based Downscaling Model (WSDM) is used to map teleconnections from ocean-atmosphere data or key state variables from numerical integrations of Ocean-Atmosphere General Circulation Models to simulate daily sequences at multiple rain gauges. The method presented is general and is applied to the wet season which is JJA(June-July-August) data in Korea. The sequences of weather states identified by the EM algorithm are shown to correspond to dominant synoptic-scale features of rainfall generating mechanisms. Application of the methodology to seasonal rainfall forecasts using empirical teleconnections and GCM derived climate forecast are discussed.

• 농업과학연구
• /
• 제47권4호
• /
• pp.1029-1037
• /
• 2020

The machine learning algorithm has been widely used in water-related fields such as water resources, water management, hydrology, atmospheric science, water quality, water level prediction, weather forecasting, water discharge prediction, water quality forecasting, etc. However, water quality prediction studies based on the machine learning algorithm are limited compared to other water-related applications because of the limited water quality data. Most of the previous water quality prediction studies have predicted monthly water quality, which is useful information but not enough from a practical aspect. In this study, we predicted the dissolved oxygen (DO) using recurrent neural network with long short-term memory model recurrent neural network long-short term memory (RNN-LSTM) algorithms with hourly- and daily-datasets. Bugok Bridge in Oncheoncheon, located in Busan, where the data was collected in real time, was selected as the target for the DO prediction. The 10-month (temperature, wind speed, and relative humidity) data were used as time prediction inputs, and the 5-year (temperature, wind speed, relative humidity, and rainfall) data were used as the daily forecast inputs. Missing data were filled by linear interpolation. The prediction model was coded based on TensorFlow, an open-source library developed by Google. The performance of the RNN-LSTM algorithm for the hourly- or daily-based water quality prediction was tested and analyzed. Research results showed that the hourly data for the water quality is useful for machine learning, and the RNN-LSTM algorithm has potential to be used for hourly- or daily-based water quality forecasting.