• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.452-452
• /
• 2015

수문학 분야에서 하천유량은 중요한 요소이므로 신뢰성을 바탕으로 지속적이고 정확한 관측이 필요하다. 일반적으로 수위나 강우량의 경우 지속적이고, 자동적인 측정으로 비교적 정확한 관측이 가능하다. 하지만, 기술적인 한계와 경제적인 면에서 연속적인 유량측정이 어렵기 때문에 수위-유량 관계곡선을 이용하여 유량을 산정하고 있다. 수위-유량 관계를 통해 유량을 산정할 경우 계산방법과 분석과정에서 오차가 발생되고 산정된 유량의 오차로 이어지게 된다. 따라서, 신뢰성있는 유량 산정을 위해서는 수위-유량 관계곡선의 불확실성을 감소시키는 것이 중요하다. 본 연구에서는 Bayesian 회귀분석 및 Bootstrap 방법을 이용하여 수위-유량 관계 곡선식의 매개변수를 추정하였다. 또한 앞의 2가지 방법의 적용성을 평가하기 위해서 기존 방법인 최소자승법에 의한 매개변수 추정치 결과의 신뢰구간을 비교분석 하였다. 본 연구를 통해 다양한 통계학적 방법을 이용한 결과로부터 수위-유량 관계곡선의 불확실성을 감소시키는데 효과적인 방법을 찾고자 한다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.4B
• /
• pp.383-392
• /
• 2008

It is not always easy to estimate the parameters in hydrologic models due to insufficient hydrologic data when hydraulic structures are designed or water resources plan are established. Therefore, uncertainty analysis are inevitably needed to examine reliability for the estimated results. With regard to this point, this study applies a Bayesian Markov Chain Monte Carlo scheme to the NWS-PC rainfall-runoff model that has been widely used, and a case study is performed in Soyang Dam watershed in Korea. The NWS-PC model is calibrated against observed daily runoff, and thirteen parameters in the model are optimized as well as posterior distributions associated with each parameter are derived. The Bayesian Markov Chain Monte Carlo shows a improved result in terms of statistical performance measures and graphical examination. The patterns of runoff can be influenced by various factors and the Bayesian approaches are capable of translating the uncertainties into parameter uncertainties. One could provide against an unexpected runoff event by utilizing information driven by Bayesian methods. Therefore, the rainfall-runoff analysis coupled with the uncertainty analysis can give us an insight in evaluating flood risk and dam size in a reasonable way.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.9 no.6
• /
• pp.143-151
• /
• 2009

Extreme hydrologic events cause serious disaster, such as flood and drought. Many researchers have an effort to estimate design rainfalls or discharges. This study evaluated parameter estimation methods to estimate probability rainfalls with low uncertainty which will be used in design rainfalls. This study collected rainfall data from Incheon, Gangnueng, Gwangju, Busan, and Chupungryong gage station, and generated synthetic rainfall data using ARMA model. This study employed the maximum likelihood method and the Bayesian inference method for estimating parameters of the Gumbel and GEV distribution. Using a bootstrap resampling method, this study estimated the confidence intervals of estimated probability rainfalls. Based on the comparison of the confidence intervals, this study recommended a proper parameter estimation method for estimating probability rainfalls which have a low uncertainty.

• Journal of Korea Water Resources Association
• /
• v.56 no.1
• /
• pp.35-43
• /
• 2023

Future runoff analysis is influenced by climate change scenarios and hydrologic model parameters, with uncertainties. In this study, the uncertainty of future runoff analysis according to the shared socioeconomic pathway (SSP) scenario and hydrologic model parameters was analyzed. Among the SSP scenarios, the SSP2-4.5 and SSP5-8.5 scenarios were used, and the soil and water assessment tool (SWAT) model was used as the hydrologic model. For the parameters of the SWAT model, a total of 11 parameter were optimized to the observed runoff data using SWAT-CUP. Then, uncertainty analysis of future estimated runoff compared to the observed runoff was performed using jensen-shannon divergence (JS-D), which can calculate the difference in distribution. As a result, uncertainty of future runoff was analyzed to be larger in SSP5-8.5 than in SSP2-4.5, and larger in the far future (2061-2100) than in the near future (2021-2060). In this study, the uncertainty of future runoff using future climate data according to the parameters of the hydrologic model is as follows. Uncertainty was greatly analyzed when parameters used observed runoff data in years with low flow rates compared to average years. In addition, the uncertainty of future runoff estimation was analyzed to be greater for the parameters of the period in which the change in runoff compared to the average year was greater.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1211-1214
• /
• 2008

정확한 유량산정은 수자원 연구에서 기초가 되는 자료를 생산한다는 관점에서 홍수 및 가뭄관리에서 매우 중요한 부분이라 할 수 있다. 국내에서 유량측정의 정확성을 높이고자 진보된 계측기의 개발 및 분석 방법에 관한 연구가 꾸준히 진행되고 있다. 일반적으로 유량을 추정하기 위해서 특정단면에서의 수위를 측정하여 이를 수위-유량 관계곡선을 통해서 유량으로 환산하게 된다. 즉 수위-유량 관계를 측정한 후 이를 회귀분석 방법으로 내삽 및 외삽을 실시하여 유량을 추정하게 된다. 그러나 수위-유량 관계곡선에서 저수위와 고수위를 하나의 곡선식으로 하게 되는 경우 정도가 낮아지게 되므로 많은 경우에 있어서 저수위, 고수위를 각각의 곡선으로 구하여 사용하고 있다. 이러한 경우 정량적으로 변곡점을 구하기보다는 경험적으로 저수위와 고수위를 구분하고 있으며, 수위-유량 관계를 회귀식에 의해서 추정하게 되므로 이에 대한 불확실성 또한 정량화할 필요가 있다. 이러한 관점에서 본 연구에서는 불확실성 분석과 함께, 저수위-고수위를 정량적으로 구분할 수 있는 Hierarchical Bayesian 방법을 도입하여 수위-유량곡선식을 유도하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.229-229
• /
• 2016

현재 국내외에서 제공되고 있는 기후변화 시나리오 자료의 경우 일단위로 제공되고 있다. 그러나 수자원 설계 및 계획 시 중요한 입력자료 중 하나는 시간단위 강우 자료이다. 이러한 시간단위 자료는 강우-유추 분석, 댐 설계 및 위험도 분석에 있어 중요한 입력 변수중 하나이므로 기후변화 시나리오에 따른 영향을 평가하기 위해선 신뢰성 있는 상세화 기법이 필요하다. 국내외에서는 일단위에서 일단위로 상세화 하는 기법, 또는 공간상세화 기법 연구는 상당히 진행된바 있는 반면, 시간단위 상세화 기법 연구는 일단위 연구에 비해 상대적으로 미진한 실정이다. 즉 일단위 상세화 기법의 경우 Weather generator, Weather typing 등 다양한 기법이 존재하고 이를 활용한 연구사례가 많지만, 시간단위 상세화 기법의 Poisson 기법을 활용한 사례가 다수 존재하였다. 이러한 이유로 본 연구에서는 기후변화 시나리오에 따른 영향을 평가하기 위해 Bayesian 기법을 도입하여 신뢰성 있는 시간단위 강우량을 생성할 수 있는 모형을 개발하였으며, 연대별로 산정된 결과는 빈도해석을 통해 미래 확률강우량을 제시하였다. 본 연구에서 제안하고자 하는 Bayesian Copula 모형은 기존 주변확률분포(marginal distribution) 매개변수와 Copula 매개변수 추정시 각각 다른 기법을 활용하여 추정하며, 각각 모형에서 발생하는 불확실성은 추정하지 못하는 반면, Bayesian Copula 모형의 경우 매개변수의 사후분포를 정량적으로 제시할 수 있으며, 추정되는 확률강우량 역시 불확실성을 정량적으로 산정할 수 있는 장점을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.355-355
• /
• 2021

극한 폭염사상은 지난 20세기 이후 점점 더 빈번하게 발생하고 있으며, 더 광범위한 지역에서 발생하고 있다. 이러한 폭염사상은 다가오는 지구 온난화 시대에서 그 강도가 더 강해지고 지속기간이 길어질 것으로 예상되고 있다. 본 연구에서는 극한강우에 대한 강우강도-지속기간-빈도(intensity-duration-frequency, IDF)곡선의 개념을 폭염사상에 적용하여 미래의 극심한 폭염사상에 대한 발생확률, 강도 및 지속날짜(heat wave intensity-persistence day-frequency, HPF) 간의 관계를 확인해보고자 한다. 또한 해당 모델의 불확실성은 베이지안 기법을 이용하여 분석하였다. 우리나라 6개 주요 지역(대관령, 서울, 대전, 대구, 광주, 부산)에 대해 16개의 미래 일 최대 기온 앙상블 자료를 이용하여 비정상성 HPF곡선을 적용하였다. 미래 극한 폭염 앙상블 결과를 분석한 결과, 2050년을 기준으로 지속기간 2일에 대해 극한 폭염의 강도가 RCP 4.5 이하 시나리오 기준 1.23 ~ 1.69 ℃ 범위에서 상승할 가능성이 높은 것으로 나타났으며, RCP 8.5 이하 시나리오 기준의 경우 1.15 ~ 1.96 ℃ 범위로 나타났다. 또한 HPF 모델의 매개변수 추정으로 인한 불확실성의 경우, 다양한 기후 모델의 변동성으로 인한 불확실성보다 크게 나타났다. 모델의 매개변수 추정에 따른 불확실성을 반영한 결과, 2010~2050년에 해당하는 폭염의 강도에 대한 delta change의 95% 신뢰구간은 RCP 4.5 이하에서 0.53 ~ 4.94 ℃, RCP 8.5 이하에서 0.89 ~ 5.57 ℃로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.92-92
• /
• 2015

도시하천유역은 인위적인 하수계통으로 인해 강우-유출관계의 불확실성이 클 뿐만 아니라 홍수의 도달시간이 매우 짧고 강우-유출관계의 비선형성도 매우 크다. 현재의 수문해석절차에서는 유역의 확률강수량을 수문모형의 입력자료로 활용하여 확률홍수량을 추정하는 방법이 채택되고 있으며, 입력되는 확률강수량의 빈도와 추정되는 홍수량의 빈도가 동일하다는 가정에 근거하고 있다. 그러나 유역에 발생하는 강수량 및 유역의 수문학적 특성에 따라 동일한 강수라 하더라도 유역의 반응 측면에서 변동성이 매우 큰 것으로 알려지고 있다. 이러한 점에서 본 연구에서는 도시하천유역에서 강우-유출관계의 다양한 불확실성요소를 고려하여 확률홍수량을 추정할 수 있는 홍수빈도곡선 개발절차를 수립하고자 한다. 도시하천유역에서 강우-유출 관계의 불확실성을 고려하기 위하여 첫째, 강수 및 강우-유출모형 매개변수의 변동성을 파악한 후 이를 확률밀도함수를 통해 모의할 수 있는 절차를 수립하고 둘째, 강우-유출 모의를 통해 앙상블형태의 유출수문곡선을 도출한다. 최종적으로 도출된 유출수문곡선 앙상블을 토대로 홍수량의 성장곡선(growth curve)를 개발하여 모의기반의 홍수빈도해석을 수행하고, 기존 수문해석절차와의 비교 분석을 통하여 제안된 방법론의 장단점을 평가하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.56 no.8
• /
• pp.509-520
• /
• 2023

Various drought indices are widely used for assessing drought conditions which are affected by many factors such as precipitation, soil moisture, and runoff. The values of drought indices varies depending on hydro-meteorological data and calculation formulas, and the judgment of the drought condition may also vary. This study selected four calculation components such as precipitation data length, accumulation period, probability distribution function, and parameter estimation method as the sources of uncertainty in the calculation of standardized precipitation index (SPI), and evaluated their contributions to the uncertainty using root mean square error (RMSE) and linear mixed model (LMM). The RMSE estimated the overall errors in the SPI calculation, and the LMM was used to quantify the uncertainty contribution of each factor. The results showed that as the accumulation period increased and the data period extended, the RMSEs decreased. The comparison of relative uncertainty using LMM indicated that the sample size had the greatest impact on the SPI calculation. In addition, as sample size increased, the relative uncertainty related to the sample size used for SPI calculation decreased and the relative uncertainty associated with accumulation period and parameter estimation increased. In conclusion, to reduce the uncertainty in the SPI calculation, it is essential to collect long-term data first, followed by the appropriate selection of probability distribution models and parameter estimation methods that represent well the data characteristics.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.19 no.2 s.72
• /
• pp.125-138
• /
• 2006

The use of system identification approaches for damage detection has been expanded in recent years owing to the advancements in data acquisition system andinformation processing techniques. Soft computing techniques such as neural networks and genetic algorithm have been utilized increasingly for this end due to their excellent pattern recognition capability. In this study, damage detection of bridge structures using neural networks technique based on the modal properties is presented, which can effectively consider the modeling uncertainty in the analysis model from which the training patterns are to be generated. The differences or the ratios of the mode shape components between before and after damage are used as the input to the neural networks in this method, since they are found to be less sensitive to the modeling errors than the mode shapes themselves. Two numerical example analyses on a simple beam and a multi-girder bridge are presented to demonstrate the effectiveness and applicability of the proposed method.