• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.200-200
• /
• 2023

기후변화로 홍수 및 가뭄의 빈도 증가로 인해 수자원 부족 현상이 지속되고 있다. 하천유량은 기저유출과 직접유출으로 구성되어 있으며 갈수기의 유량의 대부분은 기저유출로 이루어져 있다. 기저유출의 감소는 어류의 서식지 감소, 수질 악화 등 부정적인 영향을 하천 환경에 준다. 하천의 유역별로 직접유출과 기저유출을 분리하여 기저유출량을 정량적으로 산정하고 그 변동성을 해석하는 것은 유역관리에 있어 반드시 필요하다. 기저유출 분리 방법 중 BFlow (Baseflow filter program)는 유역 단위 모형인 SWAT과 연계되어 장기유출에 대한 기저유출 특성을 파악하는데 사용되어 왔다. BFlow는 유역의 특성에 따라 총 3개의 filter 중 한 개를 선택하여 하천유량에 대한 filter의 통과량으로 기저유출을 계산하며 총 세 번의 filter값을 각각 pass 1 ~ 3로 표현한다. 기존의 연구에서는 pass 1, pass 2를 이용해서 기저유출을 산정하였으나 pass 2보다 pass 1의 첨두가 하천유출수문곡선의 하강부에 있는 변곡점에 접근하여 기저유출이 분리된다. 또한, BFlow에서 기저유출 분리시 단일 β parameter가 적용되며 수문곡선의 감수부에 민감도가 높은 변수이다. SWAT 모형을 통해 모의된 유출량은 실측자료를 기반으로 검,보정하였고 모의 결과의 기저유출량과 BFlow의 β parameter를 유황별로 적용한 pass 1의 기저유출량 결과를 비교하였다. 기존 SWAT 기저유출량보다 수정된 BFlow를 통해 하천유량에서 기저유량을 분리한 결과가 수문곡선감수부의 변곡점에 기저유출 첨두가 위치되는 것으로 분석되어 유황별로 β parameter를 적용시켜 감수부 특징을 반영할 수 있게 수정하였다고 판단된다. 본 연구의 결과는 하천 및 유역 환경 관련 정책 수립 시 필요한 기초자료로 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.206-206
• /
• 2018

설마천 및 청미천 시험유역에서 측정된 증발산량은 강수량 대비 약 20%이상으로 유출해석에 있어 큰 부분을 차지하고 있다. 시험유역 이외의 유역에서는 증발산 측정자료 확보가 어려워 이와 관련된 연구는 측정자료의 확보가 가능한 지역 혹은 기후변화자료를 이용한 연구가 주를 이루고 있다. 특히, 전국을 대상으로 하는 장기유출해석에 있어 유출량 자료를 활용하여 증발산량까지 추정하는 것에는 한계가 있다. 따라서, 본 연구에서는 이에 대한 대안으로 하천의 유출량과 WHAT모형을 이용하여 계산된 기저유출량을 동시에 고려하여 증발산량의 예측능력을 향상할 수 있는 방안을 제시하였다. 유출해석모형으로는 전국유역조사에서 활용되고 있을 뿐만 아니라, 증발산량 계산을 위하여 다양한 기법의 활용이 가능한 K-BASIN(PRMS)모형을 활용하였고, 매개변수 최적화를 위하여 하천유량뿐만아니라 기저유출량을 대상으로 Monte-Carlo 시뮬레이션을 수행하였다. 용담댐 시험유역에 적용하여 각 샘플의 하천유량과 기저유출량에 대하여 NSE 및 Pbias를 검토한 결과, 유출량에 대하여 NSE가 최고(0.9이상)인 샘플의 경우 관측된 증발산량과 상당한 차이를 보였으나, 유출량과 기저유출에 대하여 NSE가 최고(유출에 대한 NSE가 0.8, 기저유출량에 대한 NSE가 0.6)인 샘플의 경우에는 관측된 증발산량의 패턴을 유사하게 모의하였다. 추후 본 연구에서 제시된 기법의 타수계 적용 등의 추가적 검증을 통하여 장기유출해석시 증발산량의 예측정확도를 향상시킬 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.415-420
• /
• 2017

유량자료는 연속적으로 관측하기가 쉽지 않을 뿐 아니라 모든 관측소에서 매년 적정한 유량자료를 생산하는 것 또한 매우 어려운 실정이다. 이에 따라 미계측 유역에 대한 유량 산정을 위해 많은 연구가 진행되고 있다. 영국의 "Low Flow Studies report(Institute of Hydrology, 1980)"에서는 갈수량 산정과 관련하여 기저유량비(Base Flow Index, BFI)를 사용하는 것을 추천하였다. 국내에서는 이와 관련한 적용 사례가 없기 때문에 본 연구에서는 BFI를 적용하여 미계측 유역의 갈수량을 산정하고자 하였다. 대상유역은 낙동강 권역의 22개 지점을 대상으로 실시하였으며, 기저유량비 및 평균 갈수량과 유역 및 수문인자들의 상관분석을 수행하였다. 분석을 통하여 기저유량비는 토양군 C와 지하수위를 독립변수로, 평균 갈수량은 기저유량비, 유역면적, 강수량을 독립변수로 선정하여 회귀분석을 실시하였다. 그 결과 개발한 기저유량비 지역회귀모형의 상대오차는 -26.5%(기계2)~57.2%(구영)의 범위로 분포하였고, 절대오차의 평균은 17.2%로 산정되었다. 평균 갈수량 지역회귀모형은 상대오차가 -38.4%(도천)~184.4%(길안)의 범위에서 분포하고 있으며, 절대오차의 평균은 47.3%이다. 그러나 소토, 기계2, 길안 지점을 제외하면 절대오차는 30.6%이다. 상대오차는 다소 부정적이지만 기존에 개발된 지역회귀모형으로 평균 갈수량을 산정한 결과와 비교하면 상대적으로 양호한 것으로 판단된다. 사용한 자료의 기간이 6년으로 통계적인 결과로 보기에는 다소 미흡한 측면이 있지만, 유역인자로서 BFI가 미계측 유역의 갈수량 특성을 설명할 수 있는 우수한 인자라고 판단하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.23 no.3
• /
• pp.487-494
• /
• 2012

This paper discusses a method for getting a basis set of estimable functions of model parameters in a two-way fixed effects model. Since the fixed effects model has more parameters than those that can be estimated, model parameters are not estimable. So it is not possible to make inferences for nonestimable functions of parameters. When the assumed model of matrix notation is reparameterized by the estimable functions in a basis set, it also discusses how to use projections for the estimation of estimable functions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1417-1421
• /
• 2009

최근 들어 유역의 정확한 수문현상을 파악하기 위하여 유역의 유출량 자료를 직접 유출과 기저유출로 분리한 후 수문 모형의 직접유출 및 기저유출의 수문컴포넌트 검증에 활용하는 연구가 많이 이루어지고 있다. 미국 국립지리국 (USGS) 에서 개발한 HYSEP 모형이 지난 수 년 동안 유출 컴포넌트 분리에 널리 이용되어 오고 있다. 그러나 USGS 기반의 HYSEP의 경우 능숙한 컴퓨터 사용자가 아닌 비전문가들이 HYSEP을 운영하기에는 여러 가지 많은 제한점이 있어 왔다. 그리하여 본 연구에서는 고해상도 위성영상 Google Map 기반의 기저유출분리 프로그램인 Web-based HYSEP 인터페이스를 개발하였다. 이 시스템에는 HYSEP에서 제공하는 3가지 방법인 Fixed Interval / Sliding Interval / Local Minimum 방법이 제공되고 있다. 본 연구에서 개발된 Google Map 기반의 HYSEP 시스템은 USGS 유량 관측지점들에 대해 XML 데이터 포맷으로 DB를 구축하여 Google Map 과 연계하였으며 이를 통해 사용자가 원하는 관측소의 실시간 유량자료를 다운로드 할 수 있도록 개발되어졌다. Google Map 기반의 HYSEP 기저유출 분리 시스템(http://www.EnvSys.co.kr/${\sim}$hysep)은 Perl/CGI 및 자바스크립트, Google Map script 등을 이용하여 개발되었다. 현재 개발된 Google Map 기반의 USGS HYSEP 시스템은 한 곳의 유량관측지점에 대해서 총 3가지 기저유출 모듈을 적용하여 결과를 제공하고 있으며, 그 결과를 테이블이나 그래프 형태로 제공하도록 되어 있다. 본 연구에서는 Google Map 기반의 USGS HYSEP 시스템을 이용하여 미국 인디애나 주의 Little Eagle Creek 유역의 유량자료와 Fixed Interval / Sliding Interval / Local Minimum 방법을 이용하여 기저유출을 분리하였으며, 기존에 널리 활용되는 기저유출 분리 프로그램인 Web 기반의 WHAT 시스템 (http://www.EnvSys.co.k.r/~what) 산정 기저유출량과 비교분석하였다. 분석결과 HYSEP 예측 기저유출치가 전반적으로 WHAT 예측치보다 크게 산정되었다. WHAT 시스템과 본 연구에서 개발한 Web 기반의 HYSEP 일단위 기저유출량을 비교해 본 결과 $R^{2}$가 0.56, EI는 0.52로 어느 정도 비슷한 경향을 나타냈으나, 유역의 특성을 반영하는 WHAT 시스템과는 달리 주어진 유량자료만을 이용하여 기저유출을 분리하는 Web 기반의 HYSEP 기저유출 분리모듈을 개선할 필요가 있는 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.311-316
• /
• 2017

기후변화는 물 관리 측면에서 많은 변화를 일으키는 것으로 보고되고 있다. 주로 강우의 패턴을 변화시키며, 가용수자원의 지역적 편중을 심화시킨다. 기후변화에 적응하며 안정적이고 균등한 용수확보를 위해서는 홍수와 가뭄을 고려한 연속적인 물 순환 해석기술이 필요하다. 강우유출분석은 강우사상에 대한 수문순환과정을 통해 유출량을 산출하는 것으로, 주로 직접유출과 중간유출이 이에 해당된다. 강우발생 이후 무강우기간에 대해서는 기저시간 이후에 발생되는 유출량의 정량적 산출이 필요하다. 기저유출은 강우 발생 시점에 급격히 발생하기보다는 선행강우에 따른 유역 내 지하수위 분포와 대수층의 특성, 하천수위에 따라 다양한 패턴으로 나타나기 때문에 지하수대의 수리학적 성분들을 반영할 수 있어야 한다. 이를 위해서는 강우유출모의 시 지표유출량 산정과 지하수유동해석을 통한 기저유출량 산정이 동시에 이루어져야 한다. 최근 국내외에서는 다양한 형태의 수문모형과 MODFLOW를 연계한 장기유출분석에 대한 연구가 활발하게 진행되고 있다. 본 연구에서 활용한 K-DRUM(K-water Distribution Runoff Model)은 K-water에서 자체 개발한 물리적 기반의 분포형 강우유출모형으로 강우유출, 유사, 기초수질항목에 대한 3차원 분석이 가능하다. 본 모형의 A층(표층)은 지표유출을 고려한 운동파법이 적용되었고, B층과 C층(중간층), D층(지하수층)은 선형저류법이 적용되었다. MODFLOW(A Modular Three-Dimensional Finite-Difference Ground Water Flow Model)는 1980년대 USGS(United State Geolog ical Survey)에서 개발된 가장 범용적으로 사용되는 지하수유동모형이며, 모듈화 된 구조를 갖고 있어 다양한 패키지 중 필요로 하는 기능을 독립적으로 모의할 수 있는 장점이 있다. 본 연구에서는 향후 기후변화에 따른 강우의 불확실성에 대비한 유역의 장기 물순환 해석을 위해 강우유출모형인 K-DRUM과 지하수유동모형인 MODFLOW를 연계하고자한다. 연계방법은 K-DRUM에서 계산된 D층으로 침루되는 양을 MODFLOW의 함양량으로 적용하고, MODFLOW에서 산출된 기저유량을 K-DRUM의 하천유출에 적용하는 것이다. 본 연구의 성과를 갈수기 유출해석에 적용하면 정확성을 크게 향상시킬 수 있을 것으로 판단된다.

• Journal of Intelligence and Information Systems
• /
• v.22 no.1
• /
• pp.139-157
• /
• 2016

Bankruptcy involves considerable costs, so it can have significant effects on a country's economy. Thus, bankruptcy prediction is an important issue. Over the past several decades, many researchers have addressed topics associated with bankruptcy prediction. Early research on bankruptcy prediction employed conventional statistical methods such as univariate analysis, discriminant analysis, multiple regression, and logistic regression. Later on, many studies began utilizing artificial intelligence techniques such as inductive learning, neural networks, and case-based reasoning. Currently, ensemble models are being utilized to enhance the accuracy of bankruptcy prediction. Ensemble classification involves combining multiple classifiers to obtain more accurate predictions than those obtained using individual models. Ensemble learning techniques are known to be very useful for improving the generalization ability of the classifier. Base classifiers in the ensemble must be as accurate and diverse as possible in order to enhance the generalization ability of an ensemble model. Commonly used methods for constructing ensemble classifiers include bagging, boosting, and random subspace. The random subspace method selects a random feature subset for each classifier from the original feature space to diversify the base classifiers of an ensemble. Each ensemble member is trained by a randomly chosen feature subspace from the original feature set, and predictions from each ensemble member are combined by an aggregation method. The k-nearest neighbors (KNN) classifier is robust with respect to variations in the dataset but is very sensitive to changes in the feature space. For this reason, KNN is a good classifier for the random subspace method. The KNN random subspace ensemble model has been shown to be very effective for improving an individual KNN model. The k parameter of KNN base classifiers and selected feature subsets for base classifiers play an important role in determining the performance of the KNN ensemble model. However, few studies have focused on optimizing the k parameter and feature subsets of base classifiers in the ensemble. This study proposed a new ensemble method that improves upon the performance KNN ensemble model by optimizing both k parameters and feature subsets of base classifiers. A genetic algorithm was used to optimize the KNN ensemble model and improve the prediction accuracy of the ensemble model. The proposed model was applied to a bankruptcy prediction problem by using a real dataset from Korean companies. The research data included 1800 externally non-audited firms that filed for bankruptcy (900 cases) or non-bankruptcy (900 cases). Initially, the dataset consisted of 134 financial ratios. Prior to the experiments, 75 financial ratios were selected based on an independent sample t-test of each financial ratio as an input variable and bankruptcy or non-bankruptcy as an output variable. Of these, 24 financial ratios were selected by using a logistic regression backward feature selection method. The complete dataset was separated into two parts: training and validation. The training dataset was further divided into two portions: one for the training model and the other to avoid overfitting. The prediction accuracy against this dataset was used to determine the fitness value in order to avoid overfitting. The validation dataset was used to evaluate the effectiveness of the final model. A 10-fold cross-validation was implemented to compare the performances of the proposed model and other models. To evaluate the effectiveness of the proposed model, the classification accuracy of the proposed model was compared with that of other models. The Q-statistic values and average classification accuracies of base classifiers were investigated. The experimental results showed that the proposed model outperformed other models, such as the single model and random subspace ensemble model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.131-131
• /
• 2023

지하수는 담수-염수 경계면의 형성 및 변동 특성, 지하수위 분포 및 변동특성에 따라 기저지하수, 준기저지하수, 상위지하수 등으로 구분된다. 이 중, 기저지하수는 담수(1,000g/cm³)와 염수(1,025g/cm³)의 비중 차이에 의해 담수가 염수 상부에 Ghyben-Herzberg 원리에 의해 부존한다. 본 연구에서는 부존 형태에 따른 지하수위 변동을 보고자 하였다. 먼저 이상화된 지형에서 부존형태에 따른 지하수위 변동의 영향을 확인하고자, OpenGeoSys 모형을 이용하여 3차원 수치모의를 수행하였다. 그 결과 상위지하수의 지하수위보다 기저지하수 조건에서의 지하수위가 낮아진 것을 확인할 수 있었다. 이는 부존 형태의 차이로 인해 발생되는 담수-염수 비중 차이가 지하수위 변동에 영향을 미친다는 것을 파악할 수 있었다. 또한, 실제 지형에 적용하여 지하수위의 변동성을 분석하기 위해서, 제주 남부 중서귀 유역을 대상으로 수치모의를 수행하였다. 모형 검증은 범위 내 4개의 관측지점에서의 2022년 지하수위 자료를 이용하였다. 검증된 모델에 염분 농도 조건을 추가하여 기저지하수를 형성하여 모의를 수행했다. 따라서 본 연구는 부존 형태의 차이로 인해 발생되는 담수-염수 비중 차이가 지하수위에 끼치는 영향을 파악할 수 있었다. 향후, 상위지하수에서 염수가 침입했을 때, 수위 저하에 따라 감소되는 지하수위량을 예측할 수 있을 것이라 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.584-588
• /
• 2016

기후변화와 불투수지역의 증가로 인하여 하천 유량의 변동성은 점차 커지고 있다. 이에 따라 유량에 영향을 받는 하천환경과 다양한 생태계는 큰 영향을 받고 있음에 유량 관리가 매우 중요시 되어지고 있다. 하천 유량은 빗물이 지표면에 떨어져 직접하천으로 흐르는 지표유출과 지표면하의 암반층으로 침투되어 지하수가 되고 시간의 흐름에 따라 지표로 흘러나오는 기저유출로 구성되어 있다. 기저유출은 땅속에서 흐르기 때문에 흐름이 느리다. 이에 따라 강우가 발생하지 않을 시에 하천유량의 대부분을 차지하고 있다. 따라서 기저유출의 관리는 수자원의 관리에 매우 중요할 것이다. 국내외에서도 기저유출의 관리를 위한 연구가 필요하며 지표수-지하수의 연계관리를 위한 명확한 조명이 필요한 시기이다. 본 연구에서는 국내 기저유출의 분포와 지하수 의존형 수생태계가 미치는 영향에 대해서 분석하였다. 기저유출의 분리는 최근 많은 연구가 수행되어져 왔고 다양한 방법이 개발되었다. 일반적으로 시계열 유량자료를 통해 기저유출을 산정한다. 기저유출의 산정을 위해 두 가지 유량 데이터를 이용하였다. 검보정된 수문모형을 통한 데이터와 국내에 존재하는 관측데이터를 이용하여 지표유출과 기저유출을 분리하여 유역의 기저유출지표를 산정하였다. 기저유출지표는 총 유출량과 기저유출과의 비로 산정되는 유역의 특성을 나타내는 지표이다. 기저유출과 수생태계의 관계를 분석하기 위해 환경부에서 수행하는 네 가지 수생태건강성지수와 기저유출지표와의 상관성을 분석하였다. 수생태건강성지수는 부착돌말류, 저서성 대형무척추동물, 어류, 서식 및 수변환경으로 구성되었다. 기저유출 산정과 수생태계와의 분석은 낙동강유역을 대상으로 수행하였다. 낙동강유역의 기저유출을 산정하여 기저유출지표를 산정한 결과 0.4이상의 값을 나타냈다. 이는 하천의 유량 중 약 40%가 기저유출에 의존한다는 의미이다. 또한 월별 기저유출지표를 산정한 결과 강수가 적은 봄과 겨울철의 경우 0.7이상을 나타냈다. 특히 1월달의 경우 0.9이상을 나타내 겨울철 대부분의 하천 유량은 기저유출에 의존한다. 산정된 기저유출지표와 네 가지 수생태건강성지수의 상관성 분석을 수행하였다. 분석결과 저서성 대형무척추동물과의 상관성을 나타냈고 나머지에서는 상관성을 나타내고 있지 않았다. 하지만 이는 아직 국내에서 수생태계의 건강성 조사와 평가가 이루어진지 얼마 되지 않았기 때문으로 판단된다. 본 연구결과를 바탕으로 기저유출관리 방안의 정책적인 도입과 연구의 시발점이 될 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.188-188
• /
• 2021

APEX(Agricultural Policy Enviromental eXtender) 모형은 일 단위로 구동되며 필지단위 및 소유역 단위에서의 흐름을 장기 모의를 할 수 있는 모형이다. APEX는 유출을 포함한 토양 침식, 탄소 이동 등 다양한 자연현상을 모의할 수 있는 모형이다. 강우에 의한 직접유출량을 APEX를 이용하여 산정할 수 있지만, 모델링 과정에서 발생하는 불확실성으로 인하여 부정적인 요인이 발생한다. 따라서 본 연구에서는 APEX 모형의 유출 매개변수를 이용한 불확실성을 평가하고자 한다. 이를 위해서 금강권역에서 표준유역으로 분류되어있는 한천 유역에 대해 2008~2019년도 유출량을 모의하였으며, 검증을 위해 동일기간에 대해 기저유출분리를 수행하였다. 불확실성 평가를 위해서 Python 기반으로 사전분포로부터 매개변수를 임의로 선택하도록 설정하여 총 10,000번의 구동을 수행하였다. 불확실성 평가지표로는 NSE, PBIAS, RSR을 이용하여 평가하여 평가지표별 불확실성 구간을 비교분석 하였다. 본 연구에서의 APEX 모형의 불확실성 평가를 통하여 APEX의 활용성을 더욱 확대하고 신뢰성을 높일 것으로 기대한다.