• 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.

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1063-1067
• /
• 2008

최근 국지적 집중호우로 인한 인명과 재산피해가 증가하고 있는 실정이며 이러한 피해를 경감하기 위한 하나의 방책으로써 홍수예경보 시스템 구축에 관한 관심이 증가하고 있다. 기존의 홍수예보 시스템은 강우의 실제 관측치를 모형의 입력자료로 하여 홍수유출을 계산함으로 인해 예보시간이 촉박하였다. 실시간 강우를 이용하여 유출계산을 수행하고 그 결과가 위험하다고 판단될 때 홍수예경보를 하므로 집중호우와 같은 악기상 조건에서는 적용에 한계가 있다. 따라서 정확한 기상예보를 활용한 기상-수자원 연계기법을 개발하여 홍수예경보 시스템에 적용한다면 악기상 감시예측기술의 향상과 더불어 재해의 방지차원에서 매우 유용한 대책이 될 것이다. 이에 본 연구에서는 단기 예측강우의 국내유역 적용성 여부를 검토하기 위해 30km의 공간 해상도를 가진 단기지역예보모델인 RDAPS(Regional Data Assimilation and Prediction System) 강수자료를 활용하여 기상학적 및 수문학적 정확도를 분석하였으며, 이를 바탕으로 예측강수의 높은 활용성이 기대되는 실제 한강수계의 주요 댐 지점에 HEC-1 모형을 이용하여 댐 유입량을 산정하고 그 적용성을 평가하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.34-34
• /
• 2019

급격한 기후변화의 영향으로 강우의 발생패턴과 높은 강우강도를 갖는 호우의 발생빈도가 높아지고 있어, 짧은 시간동안 다량의 표토가 손실될 가능성이 증가하고 있다. 강우에 의한 표토손실은 다양한 영역에서 발생하는데, 특히 산지유역과 농경지에서 발생할 경우 산림자원의 손실과 작물을 재배할 수 있는 영역이 감소하는 문제를 가져오게 된다. 또한 침식된 표토가 하천으로 유입되면 퇴적으로 인한 통수능력 저하, 하천생태 교란 등의 다양한 문제가 나타나고 있다. 우리나라는 표토침식량을 추정하기 위하여 연평균 토양침식모델을 적용하고 있다. 이모형은 기본적으로 연평균 토양침식을 예측하기 위해 개발되어온 모형으로, 적용하고 있는 매개변수도 연평균 개념의 값을 가지고 있다. 따라서 이모형은 짧은 시간동안에 발생하는 호우사상으로 발생하는 표토침식을 예측하는데 한계를 가진다. 본 연구에서는 기후변화의 영향으로 나타나는 단기호우사상에 의한 표토침식을 예측하기 위해 외부에서 작용하는 침식요인인 강우강도를 고려하기 위하여, 강우입자의 물리적인 특성을 반영한 강우에너지 산정공식을 제시하였다. 또한 기 개발된 분포형 단기표토침식모형에 제안된 식을 적용하여 타당성을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.225-229
• /
• 2005

이류모형을 이용한 단기예측 레이더 강우자료와 관측 레이더자료의 비교를 통하여 얻어진 예측오차를 분석하였다. 임의 시점까지의 예측오차 장에 나타나는 확률분포 형태와 공간적 상관성을 분석하여 이들 특성을 반영하는 추후의 예측오차 장을 모의할 수 있었다. 모의된 예측오차 장과 합성된 단기예측 강우 장은 이류모형을 이용한 예측에 따른 불확실성 을 추계학적으로 반영한 예측강우를 제공한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.61-61
• /
• 2022

최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 활발히 개발되고 있다. 기존 머신러닝을 이용한 강우예측모델 개발 관련 연구는 주로 한 지역에 대해 수행되며, 데이터 기반으로 훈련되는 머신러닝 기법의 특성상 개발된 모델이 훈련된 지역에 대해서만 좋은 성능을 보인다는 한계점이 존재한다. 이러한 한계점을 해결하기 위해 사전 훈련된 모델을 이용하여 새로운 데이터에 대해 모델을 훈련하는 전이학습 기법 (transfer learning)을 적용하여 여러 유역에 대한 강우예측모델을 개발하고자 하였다. 본 연구에서는 사전 훈련된 강우예측 모델로 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용한 미래 강우예측모델을 사용하였다. 해당 모델은 기상청에서 제공된 2014년~2017년 여름의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시켰으며, 2018년 레이더 이미지 자료를 이용한 단기강우예측 모의에서 좋은 성능을 보였다. 본 연구에서는 훈련된 모델을 이용해 새로운 댐 유역(안동댐, 충주댐)에 대한 강우예측모델을 개발하기 위해 여러 전이학습 기법을 적용하고, 그 결과를 비교하였다. 결과를 통해 새로운 데이터로 처음부터 훈련시킨 모델보다 전이학습 기법을 사용하였을 때 좋은 성능을 보이는 것을 확인하였으며, 이를 통해 여러 댐 유역에 대한 모델 개발 시 전이학습 기법이 효율적으로 적용될 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.99-99
• /
• 2018

기상이변으로 인해 국지성 호우의 발생 증가와 그로 인한 수재해 피해가 증가하고 있다. 따라서 수재해를 사전에 예측하고 저감하기 위해 비구조물적 대책인 실시간 홍수예보시스템 개발 및 운영에 관한 연구들이 수행되고 있다. 일반적으로 홍수예보시스템은 대피선행시간 확보를 위해서 초단시간 혹은 단기 수치예보모델을 수문해석모형이나 예보기법의 입력으로 활용하고 있다. 초단시간 예측은 기상레이더를 기반으로 외삽, 이류, 셀 추적 등의 기법을 활용하여 0~3시간 이내의 강수예측을 수행한다. 그러나 역학이나 물리적 과정이 동반되지 못하여 0~ 2시간 이내에서의 예측성은 높은 반면, 예측시간이 길어질수록 예측력이 낮아진다. 단기수치예보모델은 종관관측에 의존하면서 역학이나 물리과정을 동반하므로 0~6시간 혹은 12시간 이상의 예측을 수행하지만, 수치모델의 고유특성인 스핀업 등의 예측 불확실성이 내재되어 있어 예측 초기시간에서의 예측력이 낮은 한계가 있다. 따라서 강수예측의 정확도 향상을 위해 레이더와 수치예보모델의 병합기법이 필요하다. 본 연구에서는 통계분석을 통해 경험적으로 산출된 시간적 가중치를 이용한 기존 병합기법의 한계를 극복하면서 호우에 따른 가변성을 반영하는 실시간 병합기법을 개발하고, 수문학적인 활용성을 평가하고자 하였다. 사용된 예측강우 자료는 레이더 기반인 MAPLE, KONOS, 공간규모분할 예측강우와 수치예보모델 기반인 UM와 ASAPS의 예측강우이며, 제시한 가중치 산정기법은 직전 예측강우의 오차가 현 시점의 예측강우의 오차와 유사하다는 가정하에 오차항을 포함한 과거 1시간 예측강우들간의 가중치 조합이 과거 지상관측강우와의 평균제곱근오차가 최소가 되도록 화음 탐색법을 이용하여 찾는 것이다. 가중치 조합은 예측강우의 생산 시간 간격을 고려하여 매 10분마다 산정하며, 미래 3시간 예측까지 산정된 가중치를 적용한다. 수도권 영역을 대상으로 병합된 예측강우와 레이더 관측강우를 비교한 결과, 정량적 정확도가 향상됨을 확인할 수 있었다. 또한, 예측강우의 수문학적 활용성은 도시유출해석모의를 통해 평가하였다. 그 결과, 병합된 예측강우로 모의된 수심이 관측수심과 유사하여 수문학적 활용성 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.163-163
• /
• 2018

미래 수문 분석을 위한 기후변화 연구는 전 세계적으로 많이 수행되어 왔다. 하지만 불확실성 요소로 인해 연구 결과를 활용하는데 있어 여전히 한계가 있다. 따라서 장기적 측면의 기후변화에 대한 연구와 함께 단기간의 엘리뇨, 라니냐와 같은 자연적 기후시스템의 변동에 대한 연구도 현재 진행되고 있다. 본 연구에서는 IRI 연구소에서 매월 전지구 관측자료로 4-7개월 예측을 수행한 GCM 모형 자료를 활용하여 강우 발생을 예측하였다. 한국의 금강유역을 대상유역으로 하였으며, 계절에 따른 강우 변동성을 고려하기 위해 비동질성 은닉 마코프 모형(Nonhomogeneous Hidden Markov Model, NHMM)을 이용하여 일 강우를 모의하였다. 본 연구 결과는 강우 모의를 통한 자연 재난에 대한 예측의 정확도를 향상시키는 새로운 방법론을 제시하는데 활용될 수 있을 것으로 기대된다.