DOI QR코드

DOI QR Code

Development of Urban Flood Water Level Forecasting Model Using Regression Method

회귀기법을 이용한 도시홍수위 예측모형의 개발

  • Jeong, Dong-Kug (Dept. of Civil & Environmental Engrg., Hannam Univ.) ;
  • Lee, Beum-Hee (Dept. of Civil, Env. & Railroad Engrg., Paichai Univ.)
  • 정동국 (한남대학교 공과대학 건설시스템공학과) ;
  • 이범희 (배재대학교 공과대학 건설환경철도공학과)
  • Published : 2010.02.28

Abstract

A regression water level forecasting model using data from stage and rainfall monitoring stations is developed to solve the difficulties which real-time forecasting models could not get the reliabilities by assuming future rainfall duration and intensity. The model could forecast future water levels of maximum 2 hours after using data from monitoring stations in Daejeon area. It shows stable forecasts by its maximum standard deviation is 5 cm, average standard deviations are 1~4 cm and most of coefficients of determination are larger than 0.95. It shows also more researches about the stationary of watershed which assumed in this regression method are necessary.

실시간 홍수예측모형의 구성에서 장래 강우 양상(지속기간, 강우강도 등)에 대한 가정으로 인하여 홍수예측의 신뢰성을 높이기 어려웠다는 점을 해결하기 위하여 현재까지의 강우, 수위 및 상류지역의 수위를 기반으로 장래 수위를 예측할 수 있는 회귀모형을 구성하였다. 대상유역인 대전광역시의 도심하천 구간에서 각 수위 및 강우관측소들 간의 자료들을 활용하여 최대 2시간 후의 수위변화를 예측할 수 있는 모형을 구성하였다. 각각의 선행시간에 대하여 예측한 결과 실체 실측치를 예측하는 과정에서 표준편차가 최대 5 cm, 평균 표준편차가 1~4 cm에 머무르고 있는 점 및 결정계수의 값이 대부분 0.95 이상을 나타내는 점 등을 살펴보면 전체적으로 예보모형이 안정적으로 운영이 되고 있음을 알 수 있었다. 다만 본 회귀모형의 특성이 유역반응의 정상성을 가정함을 감안한다면 어느 정도 기간까지 정상성을 유지할 수 있는가의 문제는 추후 연구가 더욱 필요할 것으로 보인다.

Keywords

References

  1. 국가수자원관리 종합정보홈페이지(WAMIS) (2009). http:://www.wamis.go.kr/, 한강홍수통제소
  2. 금강홍수통제소 홈페이지 (2009). http:://www.geumriver.go.kr/, 건설교통부 금강홍수통제소
  3. 노형진, 정한열(2001). 한글 SPSS 10.0 기초에서 응용까지, 형설출판사
  4. 대전광역시(2003). 대전광역시 물수요 관리 종합계획수립
  5. 박성천, 오창열, 김동렬, 진영훈(2006). “인공신경망 이론을 이용한 홍수유출 예측시스템 개발, -GUI_FFS 개발 및 적용-.” 대한토목학회논문집, 대한토목학회, 제26권 제2-B호, pp. 145-152.
  6. 박성천, 하수정 (2003). “GANN에 의한 하천의 수질예측.” 대한토목학회논문집, 대한토목학회, 제23권 제6-B호, pp. 507-514.
  7. 신현석, 박용운, 홍일표 (2007). “미계측 해안 도시유역의 홍수예경보 시스템 구축 방법 검토 -부산시 온천천 유역 대상-.” 한국수자원학회논문집, 한국수자원학회, 제40권, 제6호, pp.447-458.
  8. 윤강훈, 서봉철, 신현석 (2004a). “신경망을 이용한 낙동강 유역 홍수기 댐유입량 예측.” 수자원학회논문집, 한국수자원학회, 제37권 제1호, pp. 67-75. https://doi.org/10.3741/JKWRA.2004.37.1.067
  9. 윤강훈, 서봉철, 신현석 (2004b). “신경망을 이용한 낙동강 유역 하도유출 예측 및 홍수예경보 이용.” 한국수자원학회논문집, 한국수자원학회, 제37권 제2호, pp. 145-154. https://doi.org/10.3741/JKWRA.2004.37.2.145
  10. Knebl M.R.. Yang, Z.L., Hutchison, K., and Maidment, D.R. (2005). “Regional scale flood modeling using NEXARD rainfall, GIS, and HEC-HMS/RAS: a case study for the San Antonio River Basin Summer 2002 storm event.” Journal of Environmental Management, Vol. 75, pp. 325-336. https://doi.org/10.1016/j.jenvman.2004.11.024
  11. Liong, S.Y.. Chan, W.T., and Ram J.S. (1995). “Peak-flow forecasting with genetic and SWMM.” Journal of Hydraulic Engineering, Vol. 121, Issue 8, pp. 613-617. https://doi.org/10.1061/(ASCE)0733-9429(1995)121:8(613)

Cited by

  1. Establishment and Application of Neuro-Fuzzy Flood Forecasting Model by Linking Takagi-Sugeno Inference with Neural Network (II) : Application and Verification vol.44, pp.7, 2011, https://doi.org/10.3741/JKWRA.2011.44.7.537
  2. Comparison of Data-based Real-Time Flood Forecasting Model vol.33, pp.5, 2013, https://doi.org/10.12652/Ksce.2013.33.5.1809