DOI QR코드

DOI QR Code

누가분포함수를 활용한 강우강도식의 국내 적용성 평가

Application of Intensity-Duration-Frequency Curve to Korea Derived by Cumulative Distribution Function

  • 김규태 (연세대학교 사회환경시스템공학부) ;
  • 김태순 (연세대학교 사회환경시스템공학부 BK21) ;
  • 김수영 (연세대학교 사회환경시스템공학부) ;
  • 허준행 (연세대학교 사회환경시스템공학부)
  • 투고 : 2008.01.25
  • 심사 : 2008.05.13
  • 발행 : 2008.07.31

초록

국내에서 수공구조물의 설계를 위한 확률강우량을 산정하기 위해서 널리 사용되는 강우강도식은 주로 회귀분석을 적용한 형태가 일반적이지만, 본 연구에서는 각 지점별 적정확률분포형의 누가분포함수를 활용하여 강우강도식의 형태를 결정하고, 매개변수는 유전자알고리즘을 적용하여 추정하는 강우강도식을 제안하고자 한다. 기존에 사용하던 강우강도식과의 정확도 비교를 위하여 기상청 22개 지점에 대한 재현기간, 지속기간별 평균제곱근오차, 평균제곱근 상대오차를 검토한 결과 누가분포함수를 활용한 강우강도식이 더 높은 정확도를 가짐을 보였으며, 또한, 최근의 집중호우에 대한 영향을 살펴보기 위하여 2006년 까지의 강우자료를 이용하여 기존의 회귀식에 의한 방법과 누가분포함수를 활용한 경우의 결과값을 비교한 결과 이 경우에도 누가분포함수를 활용한 강우강도식의 정확도가 더 높음을 알 수 있었다. 결과적으로 본 연구에서 제안된 누가분포함수를 활용한 강우강도식은 기존의 회귀분석을 활용한 강우강도식보다 정확도면에서 우수하다고 할 수 있으며, 국내에 충분히 적용가능한 형태의 강우강도식이라고 판단된다.

Intensity-Duration-Frequency (IDF) curve that is essential to calculate rainfall quantiles for designing hydraulic structures in Korea is generally formulated by regression analysis. In this study, IDF curve derived by the cumulative distribution function ("IDF by CDF") of the proper probability distribution function (PDF) of each site is suggested, and the corresponding parameters of IDF curve are computed using genetic algorithm (GA). For this purpose, IDF by CDF and the conventional IDF derived by regression analysis ("IDF by REG") were computed for 22 Korea Meteorological Administration (KMA) rainfall recording sites. Comparisons of RMSE (root mean squared error) and RRMSE (Relative RMSE) of rainfall intensities computed from IDF by CDF and IDF by REG show that IDF by CDF is more accurate than IDF by REG. In order to accommodate the effect of the recent intensive rainfall of Korea, the rainfall intensities computed by the two IDF curves are compared with that by at-site frequency analysis using the rainfall data recorded by 2006, and the result from IDF by CDF show the better performance than that from IDF by REG. As a result, it can be said that the suggested IDF by CDF curve would be the more efficient IDF curve than that computed by regression analysis and could be applied for Korean rainfall data.

키워드

참고문헌

  1. 건설교통부(1993) 하천시설기준. p.581
  2. 건설교통부(2000) 1999년도 수자원관리기법개발연구조사보고서, 제1권: 한국확률강우량도 작성. 한국건설기술연구원
  3. 김태순, 신주영, 김수영, 허준행(2007) 유전자알고리즘을 이용한 강우강도식 매개변수 추정에 관한 연구(I): 기존 매개변수 추정방법과의 비교. 한국수자원학회 논문집, 한국수자원학회, Vol. 40, No. 10, pp. 811-821 https://doi.org/10.3741/JKWRA.2007.40.10.811
  4. 신주영, 김태순, 김수영, 허준행(2007) 유전자알고리즘을 이용한 강우강도식 매개변수 추정에 관한 연구(II): 장단기간 구분 방법의 제시. 한국수자원학회 논문집, 한국수자원학회, Vol. 40, No. 10, pp. 823-832 https://doi.org/10.3741/JKWRA.2007.40.10.823
  5. 윤용남(1998) 공업수문학, 청문각, 서울
  6. 이원환(1980) 도시하천 및 하수도 개수계획상의 계획강우량 설정에 관한 추계학적 해석. 대한토목학회지, 대한토목학회, 제28권 제4호, pp. 81-93
  7. 이원환(1997) 개정판 수문학, 문운당, 서울
  8. 이원환, 박상덕, 최성열(1993) 한국 대표확률강우강도식의 유도. 대한토목학회 논문집, 대한토목학회, 제13권 제1호, pp. 115-120
  9. 한국건설기술연구원(2000) 강우자료 추출 및 확률강우량 산정프로그램 개발 최종보고서, 연세대학교 건설공학연구소
  10. 허준행, 김경덕, 한정훈(1999) 지속기간별 강우자료의 적정분포형 선정을 통한 확률강우강도식의 유도. 한국수자원학회 논문집, 한국수자원학회, Vol. 32, No. 3, pp. 247-254
  11. Baldassarre, G.D., Brath, G., A., and Montanari, A. (2006) Reliability of different depth-duration-frequency equations for estimating short-duration design storms. Water Resources Research, 42, W12501, doi:10.1029/2006WR004911
  12. Bernard, M.M. (1932) Formulas for rainfall intensities of long duration. Transactions, ASCE, 96(Paper No.1801), pp. 592-624
  13. Chen, C.-L. (1983) Rainfall intensity-duration-frequency formulas. Journal of Hydraulic Engineering, Vol. 109, No. 12, pp. 1603-1621 https://doi.org/10.1061/(ASCE)0733-9429(1983)109:12(1603)
  14. Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T. (2002) A fast and elitist multiobjective genetic algorithm: NSGA-II. Evolutionary Computation, IEEE Transactions on, Vol. 6, No. 2, pp. 182-197
  15. Giustolisi, O., Savic, D. and Kapelan, Z., 2006. Multi-Objective Evolution Polynomial Regression, 7th International Conference on Hydroinformatics (HIC 2006), Nice, FRANCE
  16. Goldberg, D.E. (1989) Genetic algorithms in search, optimization & machine learning, Addison Wesley, Reading, Massachusetts
  17. Holland, J.H. (1975) Adaptation in natural and artificial systems, University of Michigan Press
  18. Kim, T. (2005) Multireservoir System Optimization Using Multi-Objective Genetic Algorithms, PhD dissertation, Yonsei University, Seoul
  19. Koutsoyiannis, D., Kozonis, D., and Manetas, A. (1998) A mathematical framework for studying rainfall intensity-duration-frequency relationships. Journal of Hydrology, Vol. 206, No. 1-2, pp. 118-135 https://doi.org/10.1016/S0022-1694(98)00097-3
  20. Meyer, A.F.B. (1928) The elements of hydrology, London, Chapman & Hall, New York, J. Wiley
  21. Mohymont, B., Demarée, G.R., and Faka, D.N. (2004) Establishment of IDF-curves for precipitation in the tropical area of Central Africa - comparison of techniques and results. Natural Hazards and Earth System Sciences, Vol. 4, pp. 375-387 https://doi.org/10.5194/nhess-4-375-2004
  22. Sherman, C.W. (1931) Frequency and intensity of excessive rainfalls at Boston, Massachushtts. Transactions, ASCE, 95(Paper No.1780), pp. 951-960
  23. Srinivas, N. and Deb, K. (1994) Multiobjective optimization using nondominated sorting in genetic algorithms. Evolutionary Computation, Vol. 2, No. 3, pp. 221-248 https://doi.org/10.1162/evco.1994.2.3.221