• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.3-3
• /
• 2015

임진강 유역면적은 $8,138.9km^2$이나 이 중 62.9%인 $5,108km^2$가 군사분계선 이북에 놓여있어 유역특성에 따른 수문량을 분석하는 데 어려움이 있다. 1996년, 1998년, 1999년 및 2011년 임진강 유역의 이상 강우로 인해 약 1조 원의 재산피해와 136명의 인명피해가 발생하였다. 이처럼 국지성 호우의 발생 여부 및 강우의 지역적 편차 등 수문 정보를 예측하지 못하여 상황 대처가 어려운 실정이다. 따라서 미계측 유역이 많은 임진강 유역의 홍수피해 최소화를 위해 예측 강우와 같은 수문 정보의 필요성이 증대되고 있다. 본 연구에서는 임진강 유역 중 미계측 유역이 97%에 달하는 군남홍수조절지 유역에 예측 강우 자료의 적용을 위해, 임진강 유역의 한탄강 유역($2,436.4km^2$)에 대하여 예측 강우자료의 적용성을 평가하였다. 예측 강우 자료는 기상청의 Local Data Assimilation and Prediction System(LDAPS) 자료를 사용하여 선행 시간에 따른 예측 정확도로부터 적용성을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.497-497
• /
• 2018

복잡한 기상조건 하에서 강우의 예측은 수문 기상 분야에서 필수적인 과정이라 할 수 있다. 특히 월 단위의 강우 예측은 장기적인 수자원 관리 및 계획 수립 시 매우 중요한 기준이 되기 때문에 보다 정확하고 신뢰도 있는 예측을 필요로 하고 있다. 이를 위해 전 지구적 기후 변동의 양상을 수치화 하여 나타낼 수 있는 기상인자의 활용이 활발해지고 있으며 다양한 모형을 기반으로 한 강우 예측이 수행되고 있다. 최근에는 인공지능 기법을 활용한 인공신경망 모형의 적용이 활발해짐에 따라 높은 예측력을 바탕으로 강우 예측에 대한 연구가 이루어지고 있지만 초기 가중치의 무작위성 또는 과적합으로 인한 문제도 함께 나타나고 있다. 본 연구에서는 인공신경망 모형의 활용성을 높이고 신뢰성을 확보하기 위한 강우 예측을 수행하고자 하였다. 이를 위해 다양한 기상인자를 활용하여 인공신경망 모형을 위한 정보를 구축하고 인공신경망 모형을 통해 생성되는 결과로부터 단일 예측이 아닌 앙상블 예측을 활용함으로써 강우 앙상블을 생성하고 조합하였다. 그 결과 인공신경망 모형을 통한 단일 예측보다 앙상블을 통한 예측으로 안정적이고 정확한 예측 결과를 산정할 수 있었으며 기존에 인공신경망 모형을 통한 예측의 문제점을 보완할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.72-76
• /
• 2011

본 연구는 레이더 강우 영상에서 추출된 강우 패턴을 인공신경망으로 처리하여 단기 강우 예측을 수행하는 방안을 제시한 것이다. 본 연구에 활용한 CAPPI 영상자료로는 편차 보정과 품질 관리가 이루어지고 있으며 획득이 용이한 기상청 자료를 이용하였으며 CAPPI의 PNG 영상으로부터 강우 패턴을 추출하고, 이를 역전파 알고리즘의 인공신경망 강우 예측 모형에 학습시켜 단기 강우를 예측하기 위한 절차를 제시하였다. 이를 위하여 강우의 시공간적 변화 패턴 추출을 위한 영상 처리와 GIS 자료처리 기법을 제시하였고 이를 인공신경망의 단기 강우 예측 학습과 검증에 적용하여 본 연구에서 제시된 기법의 타당성을 검토하였다.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.176-176
• /
• 2011

전 세계적으로 국지성 집중호우의 발생이 증가하고 있다(건설교통부, 2007 ; 김광섭과 김종필, 2008). 특히, 국내의 경우 급속한 도시화에 의한 기상 변화의 영향으로 서울 및 중소도시 지역에 집중호우의 발생이 크게 증가하였고, 산악지역에 발생한 강도 높은 집중호우로 인하여 돌발홍수의 발생 또한 급증하고 있다. 이처럼 집중호우는 단시간에 큰 강우강도를 동반하여 돌발홍수를 유발할 뿐만 아니라 잦은 발생으로 인하여 막대한 재산 손실과 인명 피해를 초래하고 있다(유철상 등, 2007a). 현실적으로 이러한 이상호우에 의한 피해를 원천적으로 방지하는 것은 불가능하다. 그러나 어느 정도(accuracy) 이상의 강우예측이 전제된다면 피해의 규모를 크게 줄일 수 있는 것이 또한 사실이다(유철상 등, 2007b). 집중호우로 인한 피해의 주범은 수 시간이내에 발생하는 돌발홍수로서 이에 대한 피해를 최소화하기 위해서는 정확한 초단기예측 강우가 절실한 상황이다. 이에 본 연구에서는 초단기예측 강우의 보정을 목적으로 G/R 비를 예측하였다. 먼저, 강우의 임계치와 누적시간에 따른 G/R 비의 특성변화를 검토하여 G/R 비 산정방법을 개선하였다. 초단기예측 강우로 캐나다 McGill 대학교에서 개발된 MAPLE 예측강우를 사용하였으며, 이를 보정하기 위하여 칼만 필터를 이용하여 G/R 비를 실시간으로 예측하였다. 이러한 분석은 레이더 자료의 품질이 가장 양호할 것으로 판단되는 내륙지역을 대상으로 하였다. 결과적으로 강우의 임계치와 누적시간의 고려를 통해 안정화된 G/R 비의 산정이 가능하였으며, 이를 이용함으로서 예측 G/R 비의 정확성이 보다 향상되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.97-97
• /
• 2022

AI 모형을 적용한 도시지역 침수예측에 대한 연구는 꾸준히 수행되어 왔다. AI 모형을 이용해 도시침수예측을 하기 위해서는 모형에 강우자료를 학습시키게 되는데, 시계열 강우분포 자료를AI 모형의 학습자료로 사용하기에 자료의 양이 너무 많기 때문에 총 강우량만을 이용하여 도시침수예측을 수행한 바 있다(Kim et al., 2021). 하지만 총 강우량만을 AI 모형에 학습시킬 경우, 지속기간 동안 강우가 고르게 분포하는지 불규칙적으로 분포하는지에 대한 정보가 포함되지 않았기 때문에 침수예측력이 떨어질 수 있다. 따라서 본 연구에서는 시계열 강우자료의 통계치를 산정하여 AI 모형에 학습시킴으로써 강우분포특성을 고려한 침수예측을 통해 예측력을 높이고자 한다. 총 강우량만을 학습시킬 경우, 같은 지속시간에 같은 양의 강우가 내리더라도 고른 분포를 가진 강우에 의해서는 실제 침수는 작게 일어나므로 과대예측을, 전체 지속시간 중 특정 시간대에 편향된 분포를 가진 강우에 의해서는 실제 침수가 크게 일어나므로 과소예측을 하는 문제가 발생할 수 있다. 따라서 표준편차를 평균 강우량으로 나눈 값인 변동계수, 강우분포의 뾰족한 정도를 나타내는 첨도, 평균값에 대해 어느 방향으로 비대칭인지를 나타내는 왜도 값을 추가로 학습시킴으로써 시계열 강우자료 전체를 학습시키지 않고도 강우분포를 학습시키지 않았을 때 발생하는 과소·과대예측 문제를 해결할 수 있다. 또한 변동계수 대신 표준편차를 학습시키는 모형, 변동계수와 표준편차를 모두 학습시키지 않는 모형, 변동계수와 표준편차를 모두 학습시키는 모형과의 침수예측 결과 비교를 통해 표준편차와 변동계수 중 어떤 통계치를 학습시키는 것이 적합한지와 비슷한 통계치 자료를 모두 학습시켰을 때의 과적합 문제 등에 대한 결론를 얻을 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.226-226
• /
• 2016

최근 이상기상현상과 기후변화로 인하여 국지적인 집중호우의 빈도 및 규모가 증가하고 있으며, 이로 인한 돌발 홍수피해가 증가하고 있다. 이러한 홍수 피해를 줄이기 위해서는 정확도가 우수한 초단시간(1~2시간 이내) 예측 강우량 정보가 필요하다. 본 연구에서는 집중호우에 대한 초단시간예보 및 실황 예측을 위해 시공간적으로 고해상도 자료를 제공할 수 있는 기상레이더 강우자료와 위성영상 자료를 결합하여 초단기 강수 예측기법 개발 연구를 수행하였다. 또한 기상레이더 강우량은 지상강우관측에 비해 정확성이 낮고, 많은 불확실성을 포함하고 있으므로, 위성영상에서 산출되는 강우자료와 결합하여 강우추정의 정확도를 개선하고자 하였다. 레이더 볼륨자료에서 반사도 자료를 추출하여, 1.5km CAPPI(Constant Altitude Plan Position Indicator) 자료를 생성하고, 반사도 CAPPI 자료의 패턴 상관분석을 통하여 강우시스템의 최적 이동벡터를 산출하였다. 또한 이동벡터를 고려하여 시공간적으로 외삽하여 강우이동 예측 모델을 개발하고, 초기자료로 레이더와 천리안 위성(Communication, Ocean and Meteorological Satellite, COMS) 영상자료에서 생성되는 강우자료를 결합한 강수장 자료를 이용하여 강수 예측장을 생성하였다. 레이더-위성 결합 초단기 강우예측 모델의 정확성 검증을 위하여 2014년 8월 25일 부산 및 영남 지역에 발생한 집중호우 사례에 대하여 지상기상자동관측시스템(Automatic Weather System, AWS) 강우 측정 결과를 비교 분석 하였으며, 그 적용 가능성을 검증하였다. 초단기 강우예측 분석 결과 지상강우자료와의 오차가 발생하나, 추후 여러 통계적 후처리 과정을 통하여 그 성능이 개선될 것으로 보이며, 보다 정확한 강우량 예측을 위해서는 지속적인 알고리즘 개선 및 모형의 검 보정이 필요할 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.94-94
• /
• 2023

유역에서의 홍수를 예측하기 위한 다양한 강우-유출 모형들이 개발되어 사용되고 있다. 개념적 강우-유출 모형들은 신뢰성과 적용성이 높아 실무에서 널리 활용되어왔으나, 강우-유출 과정을 단순화하여 고려하므로 유출예측의 정확도에 한계가 있다. 또한 모형의 매개변수에 여러 불확실성이 존재하므로 충분한 양의 관측자료를 사용한 보정 작업이 필요하다. 물리적 강우-유출 모형들은 유출예측 결과가 비교적 물리적으로 정확하다는 장점이 있지만, 높은 계산 비용 및 수치적 불안정성으로 인하여 실무에의 적용이 힘들다. 본 연구에서는 홍수 예측의 정확도와 효율성을 모두 확보할 수 있는 하이브리드 기법을 개발하였다. 본 연구에서 개발한 기법은 물리적 모형인 동역학파 모형과 개념적 모형인 순간단위도 모형, 그리고 딥러닝 모형을 결합하여 사용하는 기법이다. 유역의 조도계수 및 지형을 활용한 동역학파 시뮬레이션을 수행하였으며, 동역학파 시뮬레이션 결과 및 멱함수로 나타내어지는 비선형적 강우-유출 관계를 이용하여 유역의 순간단위도를 유도였다. 또한, 딥러닝 모형인 LSTM 모형을 활용하여 강우손실 매개변수를 추정하였으며, 이를 이용하여 강우손실을 계산한 후 유효강우주상도를 산정하였다. 그리고 유역 출구에서의 홍수수문곡선은 유효강우주상도와 순간단위도를 활용한 회선적분을 통해 예측되었다. 본 연구에서 개발한 기법을 시험유역 및 자연유역에서의 홍수 예측에 적용해보았으며, 예측 결과는 NSE=0.55-0.90, R²=0.67-0.95의 높은 정확도를 보였다. 본 연구에서 유도하는 순간단위도는 한 유역에서 유일하지 않으며, 유효 강우강도의 함수이므로 홍수 예측에 비선형적 강우-유출 관계를 고려할 수 있으며, 수많은 유효 강우강도에 대한 순간단위도들은 멱함수를 이용하여 순간적으로 유도될 수 있다. 또한, 유역의 강우 특성이나 지표면의 토양수분, 식생과 같은 특성을 딥러닝 모형을 통해 고려함으로써 강우 손실 산정의 불확실성을 줄일 수 있다. 또한, 순간단위도 유도를 위한 기초작업인 동역학파 시뮬레이션은 유역의 지형과 조도계수만을 필요로 하므로 미계측 유역에의 적용이 유리하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.134-134
• /
• 2017

전 세계적으로 지구온난화로 인한 기후변화에 의해 다우지역의 집중호우 빈도 및 강도가 증가하여 치수 구조물의 설계 홍수 빈도를 초과하는 홍수 피해가 발생하고 있다. 이러한 피해를 경감하기 위한 홍수 예 경보의 선행시간 확보에는 정확한 강우 및 홍수예측이 필수적이다. 하지만 기존의 홍수예측 시스템은 관측 강우를 수문모형의 입력 자료로 사용하여 홍수 유출량을 계산하게 되는데, 태풍 및 국지성 집중호우 등과 같은 기상조건에서는 관측강우를 이용하여 홍수 예 경보 시스템을 운영할 경우 선행시간 확보의 어려움으로 인해 방재 효율성이 감소하게 된다. 이에 예측유량의 선행시간을 확보하기 위해서 정확한 강우예측이 선행되어야하며, 이를 위해서는 기상과 수자원 분야의 연계를 통한 홍수 예 경보 시스템 구축이 하나의 대안으로 대두되고 있다. 따라서 본 연구에서는 최근 기후 변화로 인한 국내의 홍수기 강우의 시 공간적 집중 현상으로 인한 호우 피해와 관련하여 신속하고 정확도 높은 홍수 예보의 중요성을 인지하고, 이에 대해 단기간 수치기상예보 자료를 활용하여 국내에 그 적용성을 평가하였다. 수치예보자료는 일본 기상청의 수치기상예보 모델인 중규모 모델(Meso-Scale Model, MSM)을 이용하였으며, 수문 모형은 강우-유출-범람모델(Rainfall-Runoff-Inundation, RRI)을 사용하였다. 대전광역시의 도심지를 통과하는 갑천유역을 대상 유역으로 하였으며, 홍수경보가 발생했던 강우 사상에 대해 강우 및 홍수 예측 정확도를 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.450-450
• /
• 2021

기후변화 보고서에 따르면 집중 호우의 강도 및 빈도 증가가 향후 몇 년동안 지속될 것이라 제시하였다. 이러한 집중호우가 빈번히 발생하게 된다면 강우 침식성이 증가하여 표토 침식에 더 취약하게 발생된다. Universal Soil Loss Equation (USLE) 입력 매개 변수 중 하나인 강우침식능인자는 토양 유실을 예측할때 강우 강도의 미치는 영향을 제시하는 인자이다. 선행 연구에서 USLE 방법을 사용하여 강우침식능인자를 산정하였지만, 60분 단위 강우자료를 이용하였기 때문에 정확한 30분 최대 강우강도 산정을 고려하지 못하는 한계점이 있다. 본 연구의 목적은 강우침식능인자를 이전의 진행된 방법보다 더 빠르고 정확하게 예측하는 머신러닝 모델을 개발하며, 총 월별 강우량, 최대 일 강우량 및 최대 시간별 강우량 데이터만 있어도 산정이 가능하도록 하였다. 이를 위해 본 연구에서는 강우침식능인자의 산정 값의 정확도를 높이기 위해 1분 간격 강우 데이터를 사용하며, 최근 강우 패턴을 반영하기 위해서 2013-2019년 자료로 이용했다. 우선, 월별 특성을 파악하기 위해 USLE 계산 방법을 사용하여 월별 강우침식능인자를 산정하였고, 국내 50개 지점을 대상으로 계산된 월별 강우침식능인자를 실측 값으로 정하여, 머신러닝 모델을 통하여 강우침식능인자 예측하도록 학습시켜 분석하였다. 이 연구에 사용된 머신러닝 모델들은 Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, eXtreme Gradient Boost 및 Deep Neural Network을 이용하였다. 또한, 교차 검증을 통해서 모델 중 Deep Neural Network이 강우침식능인자 예측 정확도가 가장 높게 산정하였다. Deep Neural Network은 Nash-Sutcliffe Efficiency (NSE) 와 Coefficient of determination (R²)의 결과값이 0.87로서 모델의 예측성을 입증하였으며, 검증 모델을 테스트 하기 위해 국내 6개 지점을 무작위로 선별하여 강우침식능인자를 분석하였다. 본 연구 결과에서 나온 Deep Neural Network을 이용하면, 훨씬 적은 노력과 시간으로 원하는 지점에서 월별 강우침식능인자를 예측할 수 있으며, 한국 강우 패턴을 효율적으로 분석 할 수 있을 것이라 판단된다. 이를 통해 향후 토양 침식 위험을 지표화하는 것뿐만 아니라 토양 보전 계획을 수립할 수 있으며, 위험 지역을 우선적으로 선별하고 제시하는데 유용하게 사용 될 것이라 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.42-46
• /
• 2009

최근 국지적 집중호우로 인한 인명과 재산피해가 증가하고 있는 실정이며 이러한 피해를 경감하기 위한 하나의 방책으로써 홍수예경보 시스템 구축의 관심이 늘어나고 있다. 그러나, 기존의 홍수예측 시스템은 강우관측치를 모형의 입력 자료로 홍수유출을 계산하는데, 집중호우와 같은 악기상 조건에서는 관측강우자료를 이용한 유출해석 결과를 이용하여 홍수예경보 시스템을 운영할 경우 예방 대응시간의 부족으로 인해 방재 효율성이 떨어지는 한계성을 지니고 있다. 이와 같은 상황에서 정확한 기상예보를 활용한 기상-수자원 연계기법을 개발하여 홍수예경보 시스템에 적용한다면 악기상 감시예측기술의 향상과 더불어 재해의 방지차원에서 매우 유용한 대책이 될 뿐만 아니라 그 활용성을 극대화 시킨다면 수자원분야의 치수기 홍수예측 등에 매우 유용하게 활용될 수 것이다. 이에 본 연구에서는 모형의 입력으로 활용되는 단기 예측강우의 국내 적용성 여부를 검토하기 위해 30km의 공간해상도를 가진 단기지역예보모델인 RDAPS(Regional Data Assimilation and Prediction System) 예측강우 자료에 대하여 수문학적 정확도 분석을 수행하였으며, 예측강우의 정확도 향상을 위한 편차보정 방법을 개발 적용하였다. 또한 산정된 예측강우를 바탕으로 HEC-1 모델과의 연계방안을 제안하고 이를 이용하여 한강수계 주요 댐유역의 예측유입량을 산정, 댐 운영에 대한 적용성을 판단하고자 한다.