• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.354-354
• /
• 2017

홍수예경보는 발생되는 홍수의 규모와 시간을 가능한 정확하고 빠르게 예측하여 홍수에 대한 위험성을 사전에 알리고자 하는데 목적이 있다. 따라서 하천범람에 따른 피해를 최소화하기 위한 홍수예경보는 일정시간의 선행시간을 확보하는 것이 매우 중요하다. 본 연구에서는 현재 하천에서 측정되고 있는 수위 관측 자료를 이용하여 하류의 수위를 예측하였다. 수위 예측을 위해 다중회귀모형 및 신경망 모형을 한강의 제1지류인 횡성댐 상류 섬강 시험유역에 적용하였다. 다중회귀모형 및 신경망 모형의 학습에는 섬강 시험유역의 2002년부터 2010년까지의 수위 관측 자료를 이용하였으며, 학습된 모형을 이용하여 30분 이내에 발생 가능한 수위를 예측하였다. 모의 결과 신경망 수위예측모형의 결정계수는 0.967으로 나타났으며, 다중회귀수위예측 모형의 결정계수는 0.815로 나타나 신경망을 이용한 수위예측모형이 다중회귀모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후 중소하천에서 선행시간을 확보한 홍수 예경보 구축에 활용할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.294-294
• /
• 2021

강우에 따른 수위예측은 수자원 관리 및 재해 예방에 있어 중요하다. 기존의 수문분석은 해당지역의 지형 데이터, 매개변수 최적화 등 수위예측 분석에 있어 어려움을 동반한다. 최근 AI(Artificial Intelligence) 기술의 발전에 따라, 수자원 분야에 AI 기술을 활용하는 연구가 수행되고 있다. 본 연구에서는 데이터 간의 관계를 포착할 수 있는 AI 기반의 기법을 이용하여 강우에 따른 수위예측을 실시하였다. 연구대상 유역으로는 과거 수문데이터가 풍부한 설마천 유역으로 선정하였다. AI 기법으로는 머신러닝 중 SVM (Support Vector Machine)과 Gradient boosting 기법을 이용하였으며, 딥러닝으로는 시계열 분석에 사용되는 RNN (Recurrent Neural Network) 중 LSTM (Long Short-Term Memory) 네트워크을 이용하여 수위 예측 분석을 수행하였다. 성능지표로는 수문분석에 주로 사용되는 상관계수와 NSE (Nash-Sutcliffe Efficiency)를 이용하였다. 분석결과 세 기법 모두 강우에 따른 수위예측을 우수하게 수행하였다. 이 중, LSTM 네트워크는 과거데이터를 이용한 보정기간이 늘어날수록 더욱 높은 성능을 보여주었다. 우리나라의 집중호우와 같은 긴급 재난이 우려되는 상황 시 수위예측은 빠른 판단을 요구한다. 비교적 간편한 데이터를 이용하여 수위예측이 가능한 AI 기반 기법을 적용할 시 위의 요구사항을 충족할 것이라 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.562-562
• /
• 2016

신경망 모형에서 학습이란 주어진 입출력시스템에 대하여 원하는 동작을 수행할 수 있도록 연결 강도를 최적의 상태로 적응(adaptation)시키는 과정을 의미한다. 따라서 강수와 지하수위의 관계를 연계시킨 인공신경망기법은 선택적으로 예측 지하수위에 영향을 미치는 변수들을 학습에 의하여 택함으로써 예측모형을 구성할 수 있다. 즉, 예측 지하수위와의 상관관계에 의하여 입력되는 변수와의 연결강도를 조정하여 매개변수 조정 및 모형의 최적화를 자동화할 수 있다. 본 연구에서는 지하수위에 영향을 주는 요소는 지하수위와 강우량이라고 가정하고, 지하수위의 입출력과정을 시계열 분석에 의하여 모형화하였으며 예측지하수위는 강우 및 지하수위의 선행조건과 매우 밀접한 관계를 갖는다. 따라서 선행강우 및 지하수위의 상태에 따라 이를 입력하여 미래의 지하수위를 예측하게 된다. 이 모형을 제주지역의 관측소에 적용한 결과 관측소별로 타당한 예측결과를 도출하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.189-193
• /
• 2006

대체용수원의 개발이 시급하게 대두되어지고 있는 가운데 제한된 수자원을 보다 효과적으로 사용하기 위한 하나의 방법으로 지하댐(Groundwater Dam) 건설을 이용한 지하수 자원의 개발이 하나의 방법으로 제안되었다. 하지만 해안지역에 설치된 지하댐을 운영할 경우 지하수위 변동에 따른 염수의 침입을 고려하여 운영하여야 한다. 특히 갈수시는 지하수위 하강이 강하게 나타나는 시기로 지하수위는 지하댐 최적운영을 위한 중요한 지표가 된다. 특히 강우량 자료를 활용한 가뭄지수와 지하수위의 관계를 설명 할 수 있다면 예상 강우자료를 활용한 장래의 지하수위를 예측 할 수 있으며 이것은 지하댐 운영에 매우 효과적으로 활용 할 수 있을 것이다. 본 연구에서는 기존의 강우와 예상 강우 자료를 활용하여 지하수위 예측기법을 개발하였다. 과거 강수량의 일이동 평균값을 바탕으로 한 다항 회귀모델을 수립하여, 계절적 특성을 고려한 구간을 분리하여 적용하였다. 예측된 지하수위의 정확성을 알아보기 위해 관측된 지하수위와 예측된 지하수위를 비교 분석하였다. 분석 결과 단순회귀기법을 지하수위를 예측한 경우 $0.62{\sim}0.63$의 상관계수를 보인반면 다항회귀기법을 적용한 결과 $0.62{\sim}0.84$로 상관계수가 증가하였다. 대체적으로 관측된 지하수위와 예측된 지하수위는 비슷한 경향을 보였다. 따라서 지하댐 운영에 있어 최적의 취수량을 개발하기위해 일강우자료를 활용한 지하수위 예측기법의 활용성은 매우 높은 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.93-93
• /
• 2023

최근 범지구적인 기후변화로 인해 도시유역의 홍수 발생 빈도가 빈번하게 발생하고 있다. 이로 인해 불투수성이 큰 도시지역의 침수 등의 자연재해 증가로 인명 및 재산피해가 발생하고 있다. 이에 따라 하수도의 제 기능을 수행하고 있다면 문제가 없지만 이상기후로 인한 기록적인 폭우에 의해 침수가 발생하고 있다. 홍수 및 집중호우와 같은 극치사상의 발생빈도가 증가됨에 따라 강우 사상의 변동에 따른 하수관로의 수위를 예측하고 침수에 대해 대처하기 위해 과거 수위에 따른 수위 예측은 중요할 것으로 판단된다. 본 연구에서는 수위 예측 연구에 많이 활용되고 있는 시계열 학습에 탁월한 LSTM 알고리즘을 활용한 하수관로 수위 예측을 진행하였다. 데이터의 학습과 검증을 수행하기 위해 실제 하수관로 수위 데이터를 수집하여 연구를 수행하였으며, 대상자료는 서울특별시 강동구에 위치한 하수관로 수위 자료를 활용하였다. 하수관로 수위 예측에는 딥러닝 알고리즘 RNN-LSTM 알고리즘을 활용하였으며, RNN-LSTM 알고리즘은 하천의 수위 예측에 우수한 성능을 보여준 바 있다. 1분 뒤 하수관로 수위 예측보다 5분, 10분 뒤 또는 1시간 3시간 등 다양한 분석을 실시하였다. 데이터 분석을 위해 하수관로 수위값 변동이 심한 1주일을 선정하여 분석을 실시하였다. 연구에는 Google에서 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하였으며, 하수관로 수위 고유번호 25-0001을 대상으로 예측을 하였다. 학습에는 2012년 ~ 2018년의 하수관로 수위 자료를 활용하였으며, 모형의 검증을 위해 결정계수(R square)를 이용하여 통계분석을 실시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.449-449
• /
• 2022

제주도는 용수의 대부분을 지하수에 의존하므로 지하수위의 예측 및 관리는 매우 중요한 사항이다. 제주도의 지층은 화산활동에 의한 현무암이 겹겹이 쌓여있는 형태를 나타내며 육지의 지층구조와 매우 다른 복잡한 형태를 나타낸다. 이에 따라 제주도 지하수위의 예측은 매우 난해하며, 최근에는 딥러닝 인공지능 모델을 활용하여 지하수위를 예측하는 연구사례가 증가하고 있다. 기존의 연구들은 인공지능 모델들이 지하수위를 적절히 예측한다고 보고하고 있으나 예측의 적절성에 대한 판단기준을 제시하지 못하였으므로 이에 대한 명확한 제시가 필요하다. 본 연구의 목표는 인공지능을 활용한 지하수위 예측오차가 허용 가능한지 판단할 수 있는 기준을 제시함에 있다. 이를 위해 전 세계의 과거 20년 동안 관련 연구결과들을 수집 및 분석하였으며, 분석 결과 인공지능 모델의 지하수위 예측오차는 지하수위 변동성이 큰 지역일수록 증가하는 것을 확인하였다. 이것은 지하수위의 변동형태가 크고 복잡할수록 인공지능 모델의 지하수위 예측성능은 낮아진다는 것을 의미한다. 이 관계를 명확하게 나타내기 위해 지하수위 최대변동폭과 평균제곱근오차 및 최대오차와의 관계를 선형회귀식으로 도출하여 허용가능한 예측오차 기준을 제시하였다. 그리고 기존 연구들에서 제시한 Nash-Sutcliffe 효율성지수와 결정계수를 분석하여 선형회귀식에 의한 기준을 보완할 수 있는 추가적인 기준을 제시하였다. 본 연구에서 제시한 인공지능 모델에 의한 지하수위 예측결과의 적절성 판단기준은 향후 지속적으로 증가하는 인공지능 예측연구에 유용하게 사용될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.188-188
• /
• 2019

본 연구에서는 텐서플로우를 이용한 관측자료 기반의 수위예측 연구를 수행하였다. 대상유역은 도림천 유역으로 선정하였으며 관측강우와 상류하천의 수위자료를 이용하여 하류인 도림교지점의 수위를 예측하였으며 다른 변수는 배제하였다. 사용된 모형은 시계열 데이터예측에 우수한 성능을 보이는 RNN(Recurrent Neural Network)과 LSTM(Long Short Term Memory networks)을 이용하였으며 수위자료는 2005년부터 2016년도 10분단위 관측강우와 수위 데이터를 학습하여 2017년도 수위데이터를 예측하도록 하였다. 본 연구를 통하여 홍수기 실시간 수위예측이 가능할것으로 판단되며 도시지역 골든타임 확보에 활용될 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.630-630
• /
• 2015

기존의 내배수시설에 대한 모의 및 시스템 운영과 관련하여 기존의 연구들은 강우의 설계빈도 및 제한적 호우 시나리오에 국한된 침수의 모의 및 대응에 기반을 하고 있다. 이러한 연구들의 경우 해석에 따른 모의결과에 기반하고 있기 때문에 도시지역에 실시간으로 발생하는 수문현상을 적절하게 반영하지 못하고 있으며, 이에 따른 내배수시설의 효율적 운영 및 침수발생 지점의 예측에 대한 불확실성이 크다고 볼 수 있다. 본 연구에서는 도시하천에서의 외수위 변화 예측에 따른 단기간 내 펌프 조기가동의 효과를 검토에 따른 향후 내수침수 위험성을 감소시키고자 한다. 인공신경망을 이용하여 보다 정확한 단기간 내 외수위 변동성에 대한 분석을 실시하였으며, 상하류 관측수위 기반 펌프 조기가동에 대한 운영 알고리즘을 개선하고자 한다. 이를 위해 최근 몇 년간의 하천의 홍수사상들 중 교차상관계수($R^2$) 값이 비교적 높은 다수의 수문 관측 사상들을 수집 및 적용이 필요하다고 판단되었으며 도림천 유역 내에 위치한 펌프장들에 대한 외수위 관측자료들을 수집하여 연구에 적용하였다. 인공신경망 구성을 위해 입력값으로는 상류지점의 관측 수위지점 자료를 지정하여 입력을 실시하였으며, 출력값으로는 하류단 수위지점 자료를 지정하여 수위 예측을 실시하였다. 다만 수위예측의 경우에 있어 수위를 가장 잘 대변할 수 있는 수위관측소를 선정하는 것이 매우 중요하다고 판단되었으며, 해당 연구에서는 주요 빗물펌프장들의 외수위 자료를 대표 적용하였다. 선정된 지점과 하류의 수위예측지점을 연계하여 운영할 경우 효율적인 수위 예측이 가능하기 때문이다. 결과적으로 수위관측소 지점이 빗물펌프장임을 감안하여 상류단 빗물펌프장의 유역특성이 반영된 유출특성 및 토출특성으로 인하여 하류의 수위 변동에 영향을 미치며 이는 펌프장의 방류수문 개폐시기 및 조기가동의 시점을 선정하는데 있어 밀접한 연관이 있다고 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.291-291
• /
• 2011

우리나라는 기상학적 지리학적 영향으로 여름철에 강우가 집중하여 내리며 최근에는 짧은 시간에 많은 양의 강우가 내리는 집중호우의 발생빈도가 증가하고 있다. 이러한 집중호우는 하천의 수위를 증가시켜 하천범람 및 제방붕괴의 위험을 가져와 많은 재산과 인명피해를 가져올 수 있다. 하천 수위의 예측은 기존에 물리적, 개념적 모형을 통해 강우-유출을 해석하는 과정에서 주로 다루어 졌다. 그러나 자연현상인 강우와 유출관계를 규명하는 과정은 지역의 다양한 특성, 강우의 시 공간적 분포 등 복잡하고 다양한 인자를 고려해야 한다는 문제와 부딪쳐 많은 어려움을 겪어왔다. 따라서 본 연구에서는 복잡한 비선형 과정들의 모형화가 가능한 인공 신경망 모형을 이용하여 수위예측 모형을 구성하고 100mm이상의 강우가 연속해서 내린 호우사상을 훈련시켜 집중호우 발생시 수위예측에 활용하고자 하였다. 이를 위해 구성된 인공신경망 모형을 금강유역 보청천에 적용한 결과 중소하천유역인 보청천 유역의 홍수위 예측에 적용이 가능함을 확인하였다.