• 에너지공학
• /
• 제20권4호
• /
• pp.318-329
• /
• 2011

본 연구는 최근 이상기온 현상으로 기온의 변동성이 커지고 국제유가 급등으로 인한 도시가스 수요의 변동성이 확대되어 가는데 대응하여 시간변동계수를 가지는 시계열 모형을 이용하여 보다 정확한 천연가스의 소비함수를 추정하고자 하였다. 천연가스 소비함수에 가장 영향을 미치는 국내총생산과 기온을 중요변수로 활용하였으며, 방법론으로는 시간변동계수를 갖는 공적분회귀모형과 오차수정모형을 사용하였다. 분석의 결과, 천연가스 소비함수는 국내총생산과 기온변수와의 상관관계에서 시간변동계수에 의해 영향을 받는다는 것으로 검증되었다. 이러한 시간변동계수 시계열모형을 이용하여 2011년 7월~2012년 12월까지 18개월 동안 천연가스 월별 수요예측을 실시한 결과, 2011년의 도시가스용 천연가스 소비량은 18,303천톤으로 예측되었으며, 상반기 경기회복에 따른 각 소비주체들의 소비급증으로 실제 사용된 18,681천톤과 큰 차이를 보이지 않은 것으로 분석되었다. 그리고 2012년에는 약 19,213천톤이 소요될 것으로 추정되었다. 향후 천연가스의 가격 및 대체재간 상대가격, 수요가의 규모 등을 포함하여 수요모형의 확대가 필요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.349-349
• /
• 2022

기후변화가 고착화되면서 강우와 기온 변동으로 인한 가뭄 및 홍수 발생이 점차 증가하고 있다. 유역 단위의 유출량 예측은 기후변화로 인한 자연재해에 대비하기 위한 수자원 관리의 시작이라 할 수 있다. 하지만, 기후변화와 유출모형의 불확실성은 정확한 유출 분석을 어렵게 한다. 본 연구에서는 위에 제시된 불확실성을 완화하기 위하여 기후 스트레스 시나리오에 따른 두 개의 집중형 수문모형, 즉 airGR과 IHACRES를 이용하여 강우 및 온도 변화에 따른 유출량 변화를 비교, 분석하였다. 연구 대상 지역은 합천댐과 섬진강댐 유역이며, 각 모형을 NSE(Nash-Sutcliffe Efficiency) 및 KGE(Kling Gupta Effieicncy)를 목적함수로 하여 매개변수를 최적화를 하였다. 모형의 보정과 검정은 20년(1995년~2014년)의 유출 자료를 활용하였으며, 보정 및 검정 기간은 각각 6:4 비율로 설정하였다. 두 모형 모두 보정과 검정 기간에 비교적 높은 신뢰도(NSE>0.7, KGE>0.8)를 보여, 모형이 과거 사상을 재현하기에 적합하고, 모의 결과가 비교적 유사함을 확인하였다. 다음으로, 기후 스트레스 시나리오를 구축하기 위해 위 20년 입력 자료를 바탕으로, 강우는 -50%에서 +50%의 범위를 1%씩 구분하였으며, 기온은 0℃에서 8℃까지 0.1℃ 범위로 하여 총 8,181개의 시나리오를 구축하였다. 이후, 기후 스트레스 시나리오에 따른 두 모형의 풍수량, 최대 유량, 평수량을 비교, 분석하였다. 기후 스트레스 영향을 반영한 풍수량과 연최대유량의 경우, 강우 증가에 따른 유출 증가 등의 패턴은 두 모형에서 비슷하였으나, 강우와 기온의 변화가 커질수록 더욱 상이한 결과를 얻었다. 이와 반대로, 평수량의 경우 강우와 온도의 변화가 증가함에 따라 더욱 유사한 결과를 얻었다. 즉, 유역의 탄력적 기후변화 대응을 위해서는 모형의 불확실성에 대한 정량적 평가가 필요하다는 것을 시사한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.359-362
• /
• 2012

수자원시스템의 설계, 계획, 운영에 있어 핵심적인 수문변수의 미래거동에 대한 보다 나은 추정치가 필요하다. 예를 들어, 수력발전, 레크리에이션 이용과 하류지역의 오염희석과 같은 다중 목적 기능을 유지하기 위하여 다목적댐을 운영할 때에, 다가오는 미래시간에 대한 계획된 유량의 예측이 요구된다. 예측의 목적은 미래에 발생할 정확한 예상치를 제공하는 것이다(Keith W. Hipel, 1994). 본 연구의 주요 목적은 금강수계인 대청댐에서 다변량 신경망 모형을 이용한 유입량 예측을 수행해 보는데 있다. 신경망 모형인 MLP, PCA, RBF모형 등을 이용하여 대청댐의 수문자료인 강우량, 유입량, 기온, 습도 등의 자료를 이용하여 최적의 모형을 탐색해 보고자 시도하였으며, 이중 New classification모형과 New Function Approximation Network모형이 타 모형보다 좋은 결과를 보여 주고 있음을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.292-292
• /
• 2023

본 연구에서는 인공신경망을 이용한 통계적 모형을 구성하여 금강권역의 봄철(3~5월) 강수량 예측을 수행하였다. 통계적 모형의 예측인자로서는 NOAA 등에서 제공하는 AAO, AMM, AO 등 36종의 기후지수와 대상권역인 금강권역의 강수량, 기온 등의 기상인자 8종 등 총 44종의 기후지수를 활용하였다. 예측대상기간을 기준으로 선행기간(1~18개월)에 따른 상관성을 분석하여 상관도가 높은 10개의 기후지수를 예측인자로 선정하였다. 예측모형 형태는 10개의 입력층과 1개의 은닉층으로 되어 있는 인공신경망모형을 구성하였다. 모형 구성과정에서의 불확실성을 최소화하고 예측모형의 적합도를 높이기 위해 예측대상기간을 기준으로 과거 40년간의 자료에 대해 임의로 20년간 자료를 선별하여 모형을 구성하고, 너머지 기간에 대해 검증하는 무작위 교차검증을 반복하여, 예측대상기간 및 예측시점에 따라 각각 적합도가 높은 1000개의 예측모형을 선별하였다. 과거기간(1991~2022년)을 대상으로 예측시점에 따라 각 연도별 1000개의 예측결과를 도출하여, 실제 해당년도의 관측값과의 비교를 통해 예측성을 분석하였다. 예측성은 크게 예측치의 최대값과 최소값 범위 및 예측치의 25%~75% 범위 안에 관측치가 포함될 확률, 그리고 과거 관측값의 3분위 구간을 기준으로 한 예측확률 등을 평가하였다. 관측치가 예측치의 범위 안에 포함될 확률은 평균 87.5%, 예측치의 25~75% 범위 안에 포함될 확률은 30.2%로 나타났으며, 3분위 예측확률은 35.6%로 분석되었다. 관측값과의 일대일 비교는 정확도가 떨어지지만 3분위 예측확률이 33.3% 이상인 점으로 볼 때 예측성은 확보된다고 볼 수 있다. 다만, 우리나라 강수량의 불규칙성과 통계적 모형 특성상 과거 관측되지 않은 패턴에 대해서는 예측이 어려운 문제가 있어, 특정년도의 예측결과가 관측치를 크게 벗어나는 경우도 종종 나타나고 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.112-112
• /
• 2018

최근 이상기후로 인한 국부적인 혹은 광역적인 가뭄이 빈번하게 발생하고 있는 추세이며 발생횟수 뿐 아니라 가뭄 심도 및 지속기간이 과거보다 크게 증가하여 그에 따른 피해가 커질 것으로 예측되고 있다. 특히, 2014~2015년도의 유례없는 가뭄으로 인해 저수지 용수공급이 제한되면서 많은 농가들이 피해를 입었다. 본 연구의 목적은 전국 농업용 저수지를 대상으로 기상청 3개월 예보자료를 활용 할 수 있는 농업용 저수지 저수율 다중선형 회귀 모형을 개발하여 저수율 전망정보를 생산하는 것이다. 본 연구에서는 전국에 적용 가능한 저수율 다중선형 회귀 모형개발을 위해 5개의 기상요소(강수량, 최고기온, 최저기온, 평균기온, 평균풍속)와 관측 저수지 저수율을 활용했다. 기상자료는 2002년부터 2017년까지의 기상청 63개 지상관측소로부터 기상관측자료를 수집하였다. 본 연구에서는 저수율 전망 단계를 세 단계로 나누었다. 첫 번째 단계로 농어촌공사에서 전국 511개 용수구역을 대상으로 군집분석 및 의사결정나무 분석을 통해 제시한 65개 대표저수지를 대상으로 기상자료 및 관측 저수율 자료를 이용하여 다중선형 회귀분석을 실시하였다. 수집한 기상요소와 저수율을 독립변수로 하여 월별 회귀식을 산정한 결과 결정계수($R^2$)는 0.51~0.95로 나타났다. 두 번째 단계로 대표저수지의 회귀분석 결과를 전국의 저수지로 확대하기 위해 나이브 베이즈 분류법을 적용하여 전국 3098개의 저수지를 65의 군집으로 분류하고 각각의 군집에 해당되는 월별 회귀식을 산정하였다. 마지막으로 전국 저수지로 산정된 회귀식과 농업 가뭄 예측을 위해 기상청의 GS5(Global Seasonal Forecasting System 5) 3개월 예보자료를 수집하여 회귀식에 적용해 2017년 전국 저수지의 3개월 저수율 전망정보를 생산하였다. 본 연구의 전국 저수지 군집결과 기반의 저수율 전망기술은 2017년도 관측 저수율과 비교한 결과 유의한 상관성을 나타냈으며 이 결과는 추후 농업용 저수지의 물 공급 및 농업가뭄 전망 자료로서 이용이 가능할 것으로 판단된다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2018년도 하계 학술발표초록집
• /
• pp.134-135
• /
• 2018

• 한국작물학회지
• /
• 제37권4호
• /
• pp.320-328
• /
• 1992

춘천, 수원, 청주, 광주, 이리, 진주의 20년간 (1971년 부터 1990년 까지) 기온, 일조시수, 강우 기상자료에 따른 콩 수량 예측모형을 SAS의 STEPWISE, MAXR, $C_{P}$에 의하여 작성 되었으며 선정된 설명변수들(explanatory variables)은 GLM에 의하여 유의차 검정을 하였다. 6개 지역 콩 수량에 영향을 미치는 기상요소의 반응은 다음과 같다. 1. 춘천 지역의 주효과 기상 요소에서 1차 효과(linear term)는 8월일조시수, 2차 효과(quadratic term)는 8월강우, 교호작용(interaction)은 6월기온과 8월강우, 5월기온과 8월강우였으며 8월강우는 고도의 유의성이 인정 되었다. 콩수량 예측 평균값은 198.0kg/10a였으며 년차 변이가 인정되었다. 2. 수원 지역의 기상 요소 1차 효과는 6월기온이 부영향 이었으며 2차 효과는 6월일조시수, 6월강우(부효과)였다. 교호작용은 7월의 기온과 일조시수, 6월일조시수와 7월강우, 5월기온과 7월강우, 6, 7월강우가 유의성이 인정 되었으며 년차 변이가 있었다. 콩 수량 예측값은 178.1kg /10a 였다. 3. 청주 지역은 1차 효과는 6월기온, 2차 효과는 8월강우, 교호작용은 5월기온과 6월강우, 7월과 8월의강우, 7월기온과 6월강우이었다. 콩수량 예측 값은 197.9kg /10a였다. 4. 광주 지역의 1차 효과는 7월강우(부), 2차 효과는 6월기온과 7월강우였으며 6, 7월일조시수가 부교호작용 이었다. 콩 수량 예측 평균값은 227.4kg /10a였다. 5. 이리 지역의 기상요소 1차 효과는 5월일조시수, 2차 효과는 5월일조시수와 7월일조시수, 교호작용은 5월의 기온과 강우, 5, 7월의 일조시수, 6, 7월의 강우였고 7월일조시수의 quadratic term은 부효과 였다. 5월의기온과 강우, 6, 7월의강우도 부교호작용 이었다. 콩 수량 예측값은 160.4kg /10a였다. 6. 진주 지역의 기상 요소 반응에 따른 1차 효과는 6월과 8월강우, 교호작용은 8월의기온과 일조시수, 6월일조시수와 7월강우, 6, 8월강우였다. 6, 8월강우는 linear term에서 부효과, 8월의 기온과 일조시수는 부교호작용이었다. 콩 수량 예측 평균값은 208.0kg /10a였다. 7. 춘천, 수원, 광주, 진주 지역의 모형식에 선정된 년차변이(YR)는 기술 개선 요인(technological improvement factors)으로 인정된다.다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.101-101
• /
• 2019

전 지구적 기온상승으로 인한 기후변화는 사회적, 수문학적, 다양한 분야에 영향을 미친다. 또한 IPCC(Intergovernmental Panel on Climate Change)의 보고서에 따르면 미래에도 지속적으로 기온상승이 예상되며, 이러한 현상은 인류의 삶에 큰 영향을 미칠것으로 예상된다. 또한 수자원 및 관련 분야에서도 기온 상승에 따른 강수량, 강수의 주기 변동, 극한 기후사상의 심도(severity)와 빈도 변화에 따른 다양한 연구가 진행되고 있으며, 미래의 강우량과 온도를 예측하는 기후변화연구에서는 다양한 기후모형을 고려하여 분석한다. 하지만 모든 기후모형이 우리나라에 적합한 것은 아니므로 과거 기후를 모의한 결과를 토대로 성능이 뛰어난 모형의 결과에 더 높은 가중치를 주고 미래를 예측하는 연구가 활발히 진행되고 있다. 일반적으로 기후모형으로 GCM (General Circulation Model) 모의 결과가 이용되는데 우리나라에 대한 GCM 결과의 정확성을 분석하는 연구는 부족한 실정이다. 따라서 본 연구에서는 21개의 GCM을 대상으로 과거 모의 자료(1970년~2005년)를 실제 관측소에서 관측된 강수량과 비교하여 각 GCM들의 성능을 평가하고 이를 토대로, GCM들의 우선순위를 선정하였다. 또한 격자 기반 GCM 결과를 IDW (Inverse Distance Weighted) 방법을 사용하여 기상관측소로 지역적 상세화를 수행하였으며, GCM과 관측자료 사이의 편이를 보정하기 위해 6가지의 Quantile Mapping 방법과 Random Forest 기법을 사용하였다. 또한 편이 보정 기법 중 성능이 좋은 기법을 선택하여 관측소에 적용하였다. 편이 보정된 GCM 모의결과에 대한 성능을 토대로 우수한 GCM 순위를 도출하기 위해 다기준의사결정기법 중 하나인 TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution)를 이용하였다. 그리고 GCM의 전망기간인 2010년부터 2018년까지의 Machine learning 방법과 Quantile mapping의 기법을 비교 및 성능이 우수한 편이 보정 방법을 선택한 후 전망기간 동안의 GCM 성능의 우선순위를 선정하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.540-540
• /
• 2015

유역의 하천관리 및 홍수관리를 위하여 강우량을 정확하게 예측하고자 많은 수문학자들에 의해 강우량을 예측하는 연구를 진행하였다. 강우를 예측하기 위한 여러 가지 방법 중 인공신경망을 이용하여 강우를 예측하는 선행연구들을 살펴볼 수 있었다. 그러나 기존에 강우량을 예측하는 사례들을 살펴보게 되면, 강우사상이 발생된 후 강우량 예측은 비교적 높은 정확도를 가지고 있으나, 강우가 발생하기 시작하는 시점에 대한 강우량 예측은 그 정확성이 떨어지는 것을 확인할 수 있었다. 이에 본 연구에서는 무강우 기간에도 보다 정확하게 강우량을 예측할 수 있는 인공신경망 모델을 제안하고자 한다. 이를 위해 강우량 이외에도 기온, 풍속, 습도, 증기압, 전운량을 인공신경망의 입력자료로 활용하고자 하였다. 입력자료을 구성을 여러 가지 CASE로 구분하여 부산지점의 강우량을 예측하고 그 정확성을 평가하고자 하였다. 이 때, 사용되는 자료는 기상청 부산지점에서 제공하고 있는 1시간 간격자료를 적용하였다. 본 연구를 통해 개발된 인공신경망 모형을 이용하여 예측된 강우량은 부산 내에 위치한 하천관리 뿐 만 아니라 하천의 홍수 예 경보에 필요한 기초적인 자료로 활용될 수 있을 것으로 판단된다.

• 한국농림기상학회지
• /
• 제15권4호
• /
• pp.219-233
• /
• 2013

본 연구는 산림에서 나타나는 수종의 분포 패턴을 해석하고 예측하기 위한 목적으로 수행되었다. 국내에서 처음으로 시도된 전국 규모의 체계적 산림조사라 할 수 있는 NFI (National Forest Inventory)의 수종별 출현 정보와 출현지점별 풍부도를 기반으로 소나무의 현존분포도를 작성하였다. 생태적 지위 모형의 하나인 GARP (Genetic Algorithm for Ruleset Production)를 이용하여 소나무 현존분포와 연관성이 높은 환경요인변수들을 선정하였고, 선정된 변수들을 설명변수로 하는 소나무 잠재분포 모형을 작성한 후 기후변화 시나리오를 적용하여 미래의 잠재분포를 예측하였다. 기후, 지리 지형, 토양 지질, 토지이용 및 식생현황 등 27개 환경요인변수를 각각 설명변수로 하여 모형을 구동함으로써 소나무 현존분포와의 연관성을 평가한 결과 1월 평균기온이 최상위를 차지하였고 연평균기온, 8월평균기온, 연교차 등도 영향을 미치는 것으로 분석되었다. NFI 정보로부터 추출하여 소스개체군으로 선정된 조사지점들을 소나무의 최종출현정보로, 환경요인변수 간의 연관성 분석을 통해 최종적으로 선정된 변수 세트를 설명변수로 하여 모형을 구동함으로써 최적의 모형을 선정한 후 잠재분포도를 작성하였다. 현재 시점의 환경요인변수들에 의해 트레이닝 된 잠재분포 모형에서 기후관련변수들을 RCP 8.5 기후변화시나리오에서 산출한 변수들로 대체하여 2020년대, 2050년대, 2090년대의 소나무의 예측 잠재분포도를 작성하였다. 최종적으로 작성된 소나무 잠재분포모형의 평가 통계량인 AUC (Area Under Curve)는 0.67로 다소 미흡하였으나 향후 기후변화 환경 하에서 소나무림의 보전 및 관리를 위한 최소한의 실마리를 제공할 수 있을 것으로 판단되었다.