• Title, Summary, Keyword: 앙상블 유량예측

Search Result 27, Processing Time 0.042 seconds

Uncertainty Analysis of SWAT Model using Monte Carlo Technique and Ensemble Flow Simulations (몬테카를로 기법과 앙상블 유량모의 기법에 의한 SWAT 모형의 불확실성 분석)

  • Kim, Phil-Shik;Kim, Sun-Joo;Lee, Jae-Hyouk;Jee, Yong-Keun
    • Journal of The Korean Society of Agricultural Engineers
    • /
    • v.51 no.4
    • /
    • pp.57-66
    • /
    • 2009
  • 수학적 모델은 수량과 수질의 예측을 위해 현장 조사의 대안으로 사용되어지며 이러한 모델의 사용과 실측에 불확실성이 존재하게 된다. 불확실성에 대한 많은 연구들이 진행되어 왔으나 시나리오에 의한 모델링 과정에서 발생하는 불확실성에 대한 연구는 미흡한 실정이다. 본 연구에서는 산림이 농경지와 목초지로의 변화에 따른 시나리오를 설계한 후 시나리오 적용에 따른 SWAT (Soil and Water Assessment Tool) 매개변수의 불확실성을 분석하고자 하였다. 몬테카를로 기법 (Monte Carlo simulation)을 이용하여 각 매개변수별 1,000개의 난수를 발생하였으며 앙상블 유량모의 기법을 이용하여 미국 Alabama주 카하바강 상류 (50,967ha)를 대상으로 각 난수별 100개의 유량을 통해 불확실성을 분석하였다. 분석 결과 산림지역이 농경지와 목초지로 변화 되었을 때 유출량이 증가하는 것으로 분석되었으며, 임야가 목초지 보다 농경지로 변화되었을 때 유출량은 더욱 증가하는 것으로 나타났다. 각 시나리오별 SWAT 매개변수의 불확실성은 AWC (Available water capacity), CN (Curve number), GWREVAP (groundwater re-evaporation coeffeicient), REVAPMN (minimum depth of water in shallow aquifer for re-evaporation to occur)순으로 크게 나타났으며, Ksat (Saturated hydraulic conductivity)와 ESCO(Soil evaporation compensation factor)는 유출량의 변화에 큰 영향을 미치지 못하는 것으로 분석되었다. 토지피복별 산림 면적이 클 경우 불확실성이 크게 나타나 산림이 목초지와 농경지로 변함에 따라 불확실성은 감소하는 것으로 나타났다.

Prediction of Andong Reservoir Inflow Using Ensemble Technique (앙상블 기법을 이용한 안동댐 유입량 예측)

  • Kang, Min Suk;Yu, Myungsu;Yi, Jaeeung
    • Journal of The Korean Society of Civil Engineers
    • /
    • v.34 no.3
    • /
    • pp.795-804
    • /
    • 2014
  • In this study, Andong Reservoir monthly and ten days inflows from July 2011 to September 2011 are predicted using SWAT model and ensemble technique. The weight method using monthly and ten days rainfall forecasts from Korea Meteorological Administration is applied for accurate analysis. If the rainfall prediction announced by Korea Meteorological Administration is close to the actual rainfall, the PDF-Ratio Method shows the best result. If the past high rainfall occurrence is close to the actual rainfall, the modified PDF-Ratio method shows the best result. This method can improve the prediction accuracy even though the Korea Meteorological Administration forecast is not accurate. On the contrary, if Korea Meteorological Administration forecast is different from the actual rainfall and the past rainfall occurrence statistics of lower section, the uniform method shows the best result.

Improvement in probabilistic drought prediction method using Bayes' theorem (베이즈이론을 이용한 가뭄 확률 전망 기법 고도화)

  • Kim, Daeho;Kim, Young-Oh
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • /
    • pp.153-153
    • /
    • 2020
  • 우리나라에선 크고 작은 가뭄 피해가 자주 일어나고 있으며 최근엔 유래 없는 다년가뭄이 발생하면서 가뭄에 대한 경각심이 커지고 있다. 가뭄에 적절하게 대응하여 피해를 경감시키기 위해서는 신뢰도 높은 가뭄 예측이 선행되어야 한다. 이에 본 연구는 앙상블 예측과 베이즈이론(Bayes' theorem)을 수문학적 가뭄지수 중 하나인 SRI(Standardized Runoff Index)에 적용해 가뭄 확률 전망을 실시했으며 이를 EDP(Ensemble Drought Prediction)라고 칭하였다. 국내 8개 댐유역에서 EDP를 생성하고 개선하는 과정은 다음과 같이 진행된다. 우선 TANK모형을 활용한 1개월 선행 유량 예측(Ensemble Streamflow Prediction, ESP)의 결과를 SRI로 변환하여 EDP 확률분포를 생성한다. 그런 다음, EDP를 개선하기 위해 그 기초인 ESP에서 미흡한 토양수분 초기조건을 보완하고자 베이즈이론을 활용했다. APCC(APEC Climate Center)의 위성 관측 SMI(Soil Moisture Index) 자료로 SRI와의 회귀식을 구축, 이를 우도함수로 정의해 사전 EDP 분포를 업데이트한 EDP+ 확률분포를 생성했다. 그 결과, EDP와 EDP+ 모두 심도가 깊은 가뭄을 전망할수록 예측력이 기후학적 예측보다 좋지 않았다. 그럼에도 우도함수로 사용한 회귀식의 정확도가 높을수록 EDP+의 정확도도 향상되는 경향이 나타났으며, 이는 베이즈이론을 사용한다면 가뭄 확률 전망을 개선할 수 있다는 것을 의미하고 있다. 하지만, 확정 전망 정확도는 확률 전망 정확도와는 관계가 없었는데 이는 확정 전망과 확률 전망이 본질적으로 다르기 때문인 것으로 사료된다.

  • PDF

Estimation of optimal runoff hydrograph using radar rainfall ensemble and blending technique of rainfall-runoff models (레이더 강우 앙상블과 유출 블랜딩 기법을 이용한 최적 유출 수문곡선 산정)

  • Lee, Myungjin;Kang, Narae;Kim, Jongsung;Kim, Hung Soo
    • Journal of Korea Water Resources Association
    • /
    • v.51 no.3
    • /
    • pp.221-233
    • /
    • 2018
  • Recently, the flood damage by the localized heavy rainfall and typhoon have been frequently occurred due to the climate change. Accurate rainfall forecasting and flood runoff estimates are needed to reduce such damages. However, the uncertainties are involved in guage rainfall, radar rainfall, and the estimated runoff hydrograph from rainfall-runoff models. Therefore, the purpose of this study is to identify the uncertainty of rainfall by generating a probabilistic radar rainfall ensemble and confirm the uncertainties of hydrological models through the analysis of the simulated runoffs from the models. The blending technique is used to estimate a single integrated or an optimal runoff hydrograph by the simulated runoffs from multi rainfall-runoff models. The radar ensemble is underestimated due to the influence of rainfall intensity and topography and the uncertainty of the rainfall ensemble is large. From the study, it will be helpful to estimate and predict the accurate runoff to prepare for the disaster caused by heavy rainfall.

Development of Realtime Dam's Hydrologic Variables Prediction Model using Observed Data Assimilation and Reservoir Operation Techniques (관측자료 동화기법과 댐운영을 고려한 실시간 댐 수문량 예측모형 개발)

  • Lee, Byong Ju;Jung, Il-Won;Jung, Hyun-Sook;Bae, Deg Hyo
    • Journal of Korea Water Resources Association
    • /
    • v.46 no.7
    • /
    • pp.755-765
    • /
    • 2013
  • This study developed a real-time dam's hydrologic variables prediction model (DHVPM) and evaluated its performance for simulating historical dam inflow and outflow in the Chungju dam basin. The DHVPM consists of the Sejong University River Forecast (SURF) model for hydrologic modeling and an autoreservoir operation method (Auto ROM) for dam operation. SURF model is continuous rainfall-runoff model with data assimilation using an ensemble Kalman filter technique. The four extreme events including the maximum inflow of each year for 2006~2009 were selected to examine the performance of DHVPM. The statistical criteria, the relative error in peak flow, root mean square error, and model efficiency, demonstrated that DHVPM with data assimilation can simulate more close to observed inflow than those with no data assimilation at both 1-hour lead time, except the relative error in peak flow in 2007. Especially, DHVPM with data assimilation until 10-hour lead time reduced the biases of inflow forecast attributed to observed precipitation error. In conclusion, DHVPM with data assimilation can be useful to improve the accuracy of inflow forecast in the basin where real-time observed inflow are available.

A Sampling Stochastic Linear Programming Model for Coordinated Multi-Reservoir Operation (저수지군 연계운영을 위한 표본 추계학적 선형 계획 모형)

  • Lee, Yong-Dae;Kim, Sheung-Kown;Kim, Jae-Hee
    • Proceedings of the Korean Operations and Management Science Society Conference
    • /
    • /
    • pp.685-688
    • /
    • 2004
  • 본 연구에서는 저수지군 연계운영을 위한 표본 추계학적 선형 계획(SSLP, Sampling Stochastic Linear Programming) 모형을 제안한다. 일반적 추계학적 모형은 과거 자료로부터 확률변수의 확률분포를 추정하고 이를 몇 개 구간으로 나누어 이산 확률 값을 산정하여 기댓값이 최대가 되는 운영방안을 도출하지만 저수지 유입량 예측시 고려되어야할 지속성 효과(Persistemcy Effect)와 유역간 또는 시점별 공분산 효과(The joint spatial and temporal correlations)를 반영하는데 많은 한계가 있다. 이를 극복하기 위하여 과거자료 자체를 유입량 시나리오로 적용하여 시${\cdot}$공간적 상관관계를 유지하는 표본 추계학적(Sampling Stochastic)기법을 바탕으로 Simple Recourse Model로 구성한 추계학적 선형 계획 모형을 제시한다. 이 모형은 미국 기상청(NWS)에서 발생 가능한 유입량의 시나리오를 예측하는 방법인 앙상블 유량 예측(ESP, Ensemble Streamflow Prediction)을 통한 시나리오를 적용함으로써 좀더 신뢰성 있는 저수지군 연계운영 계획을 도출 할 수 있을 것으로 기대된다.

  • PDF

Application of Rainfall Runoff Model with Rainfall Uncertainty (강우자료의 불확실성을 고려한 강우 유출 모형의 적용)

  • Lee, Hyo-Sang;Jeon, Min-Woo;Balin, Daniela;Rode, Michael
    • Journal of Korea Water Resources Association
    • /
    • v.42 no.10
    • /
    • pp.773-783
    • /
    • 2009
  • The effects of rainfall input uncertainty on predictions of stream flow are studied based extended GLUE (Generalized Likelihood Uncertainty Estimation) approach. The uncertainty in the rainfall data is implemented by systematic/non-systematic rainfall measurement analysis in Weida catchment, Germany. PDM (Probability Distribution Model) rainfall runoff model is selected for hydrological representation of the catchment. Using general correction procedure and DUE(Data Uncertainty Engine), feasible rainfall time series are generated. These series are applied to PDM in MC(Monte Carlo) and GLUE method; Posterior distributions of the model parameters are examined and behavioural model parameters are selected for simplified GLUE prediction of stream flow. All predictions are combined to develop ensemble prediction and 90 percentile of ensemble prediction, which are used to show the effects of uncertainty sources of input data and model parameters. The results show acceptable performances in all flow regime, except underestimation of the peak flows. These results are not definite proof of the effects of rainfall uncertainty on parameter estimation; however, extended GLUE approach in this study is a potential method which can include major uncertainty in the rainfall-runoff modelling.