• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.17-17
• /
• 2017

최근 기후변화로 인한 국지적인 돌발성 위험기상 및 집중호우의 발생빈도가 증가로 인한 기상재해의 규모가 대형화되고 있다. 이러한 기상재해 및 위험기상의 대비를 위하여 시공간적으로 고해상도를 갖는 레이더 강수자료가 수공학분야에 널리 활용되고 있다. 하지만 기상레이더는 대기 중에 존재하는 수상체로부터 반사되는 반사도를 사용하여 강수량을 산정하므로 지상 강수자료와 시공간적 오차가 존재하며 레이더-반사도 관계식을 적용하더라도 과소추정의 문제가 발생하게 된다. 과소추정의 문제를 해결하기 위하여 편의보정기법을 적용한 레이더 강수자료에는 여전히 관측과정에서 발생할 수 있는 무작위 오차(random error)에 대한 불확실성이 존재하게 된다. 따라서 본 연구에서는 과소추정의 문제를 개선하고 레이더 강수자료의 시공간적 오차구조 규명이 가능한 정량적 강수량 추정기법을 개발하였다. 이를 위해 다변량 분석기법을 사용하여 레이더 강수자료의 시공간적 오차구조를 반영할 수 있는 무작위 오차(random error)를 확률론적으로 발생할 수 있는 레이더 강수앙상블 모형을 개발하였다. 개발된 모형으로부터 생산된 레이더 강우앙상블은 통계적 효율기준 분석결과 우수한 모형성능을 확인하였으며 극치호우 및 강우시계열 패턴 분석결과 지상강우의 특성을 효과적으로 재현하는 것을 확인하였다. 최종적으로 도시유역 및 미계측유역의 강우-유출모형에 입력 자료로 활용하여 홍수자료를 생산할 수 있는 레이더기반 홍수예보 시스템을 개발하고자 한다.

• 한국위성정보통신학회논문지
• /
• 제12권3호
• /
• pp.22-34
• /
• 2017

K-water의 분포형 강우-유출모형인 K-DRUM(K-water hydrologic & hydraulic Distributed RUnoff Model)은 단기예측 강수자료를 통해 댐의 예측 유출량 및 수위를 산출하는 모형으로, 장기적인 수문기상정보를 획득하기 위해서는 장기예측 강수자료를 입력자료로 사용할 필요가 있다. 본 연구에서는 2014년 국내에 도입된 기상청의 계절예측시스템인 GloSea5(Global Seasonal Forecast System version 5) 예측 강수량 앙상블을 K-DRUM의 입력자료로 사용하는 프로그램을 개발하였으며, 이를 통해 산출된 예측 유출량 앙상블 자료를 기반으로 댐 운영자에게 수문기상정보를 제공하는 웹 기반 확률장기예보 활용 물관리 의사결정지원시스템을 함께 구축하였다. GloSea5의 예측 결과를 입력자료로 사용하기 위하여 대상 댐 유역에 대해 전처리 과정을 수행한 후 편의보정기법을 적용하여 예측 강수 앙상블 자료를 산출하였으며, 이를 K-DRUM에 입력하여 수행하여 예측 유출량을 산출하였다. 이 과정에서 편의보정된 강수량과 강우-유출모형에서 산정된 예측 유출량은 그래프와 테이블로 함께 표출할 수 있도록 하였다. 본 연구의 결과를 통해 시스템의 사용자는 예측 강수량과 유출량을 토대로 댐의 방류량을 조정함으로써 댐 수위 모의 운영을 수행할 수 있게 되어 장기적인 물관리 의사결정에 도움이 될 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제57권2호
• /
• pp.127-137
• /
• 2024

수자원 관리를 위해 주로 사용되는 물리 모형은 입력자료의 구축과 구동이 어렵고 사용자의 주관적 견해가 개입될 수 있다. 최근 수자원 분야에서 이러한 문제점을 보완하기 위해 기계학습과 같은 자료기반 모델을 이용한 연구가 활발히 진행되고 있다. 본 연구에서는 관측자료만을 이용하여 강원도 삼척시 오십천 유역의 장기강우유출모의를 수행했다. 이를 위해 기상자료로 3개의 입력자료군(기상관측요소, 일 강수량 및 잠재증발산량, 일강수량 - 잠재증발산량)을 구성하고 LSTM (Long Short-term Memory)인공신경망 모델에 각각 학습시킨 결과를 비교 및 분석했다. 그 결과 기상관측요소만을 이용한 LSTM-Model 1의 성능이 가장 높았으며, 여기에 MLP 인공신경망을 더한 6개의 LSTM-MLP 앙상블 모델을 구축하여 오십천 유역의 장기유출을 모의했다. LSTM 모델과 LSTM-MLP 모형을 비교한 결과 두 모델 모두 대체적으로 비슷한 결과를 보였지만 LSTM 모델에 비해 LSTM-MLP의 MAE, MSE, RMSE가 감소했고 특히 저유량 부분이 개선되었다. LSTM-MLP의 결과에서 저유량 부분의 개선을 보임에 따라 향후 LSTM-MLP 모델 이외에 CNN등 다양한 앙상블 모형을 이용해 물리적 모델 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유황곡선 작성 등에 활용성이 높을 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.761-774
• /
• 2022

가뭄과 홍수의 예측, 기후변화가 유역 유출량, 더 나아가 수질 및 생태계에 미치는 영향의 정확한 분석을 위해서는 수문 모의 과정의 불확실성을 정량화하고 최소화하기 위한 노력이 필요하다. 수문자료동화는 수문모형의 상태량이나 매개변수를 갱신(update)하여 모의 초기 조건의 가장 가능성 있는 추정치를 생성하는 기법으로, 실시간 관측 정보를 이용하여 예측 정확도를 향상시킬 수 있는 방법이다. 본 연구에서는 airGRdatassim 모형을 이용하여 앙상블 기반 순차 자료동화 기법인 앙상블 칼만 필터와 파티클 필터로 용담댐 유역에 대해 일 유출을 모의하고, 자료동화 기법별 특성을 비교 및 분석하였다. 모의 결과, Kling-Gupta efficiency (KGE) 지표가 자료동화 적용 전 0.799에서 앙상블 칼만 필터와 파티클 필터 적용시 각각 0.826, 0.933으로 향상되었다. 또한 기상 강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 수 등 수문자료동화의 설정과 관련된 하이퍼-매개변수(hyper-parameter)의 불확실성이 모의 예측 성능에 미치는 영향을 분석하였다. 강수 및 잠재 증발산 강제력의 오차 범위에 대한 민감도 분석 결과, 모든 모의 범위에서 파티클 필터가 앙상블 칼만 필터보다 예측 성능이 우수하였다. 파티클 필터는 기상 강제력 오차 크기가 작을수록 모의 성능이 향상되었으며, 앙상블 칼만 필터는 상대적으로 오차가 큰 경우 최적 성능이 확인되었다. 한편, 자료동화시 갱신되는 상태량의 종류를 줄일수록 자료동화에 의한 모의 성능은 감소하였다. 본 연구의 모의 실험 결과는 앙상블 자료동화를 이용하여 일 유출 모의 정확도 향상이 가능하지만, 최적 성능을 발휘하기 위해서는 수문자료동화 기법별 하이퍼-매개변수의 적정한 조정이 필요함을 함의한다.