• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.520-520
• /
• 2023

제주도 동부 중산간 지역은 화산암으로 구성된 지하지질로 인해 지하수위의 변동폭이 크고 변동양상이 복잡하여 인공신경망(Artificial Neural Network, ANN) 모델 등을 활용한 지하수위의 예측이 어렵다. ANN에 적용되는 활성화함수에 따라 지하수의 예측성능은 달라질 수 있으므로 활성화함수의 비교분석 후 적절한 활성화함수의 사용이 반드시 필요하다. 본 연구에서는 5개 활성화함수(sigmoid, hyperbolic tangent(tanh), Rectified Linear Unit(ReLU), Leaky Rectified Linear Unit(Leaky ReLU), Exponential Linear Unit(ELU))를 제주도 동부 중산간지역에 위치한 2개 지하수 관정에 대해 비교분석하여 최적 활성화함수 도출을 목표로 한다. 또한 최적 활성화함수를 활용한 ANN의 적용성을 평가하기 위해 최근 널리 사용되고 있는 순환신경망 모델인 Long Short-Term Memory(LSTM) 모델과 비교분석 하였다. 그 결과, 2개 관정 중 지하수위 변동폭이 상대적으로 큰 관정은 ELU 함수, 상대적으로 작은 관정은 Leaky ReLU 함수가 지하수위 예측에 적절하였다. 예측성능이 가장 낮은 활성화함수는 sigmoid 함수로 나타나 첨두 및 최저 지하수위 예측 시 사용을 지양해야 할 것으로 판단된다. 도출된 최적 활성화함수를 사용한 ANN-ELU 모델 및 ANN-Leaky ReLU 모델을 LSTM 모델과 비교분석한 결과 대등한 지하수위 예측성능을 나타내었다. 이것은 feed-forward 방식인 ANN 모델을 사용하더라도 적절한 활성화함수를 사용하면 최신 순환신경망과 대등한 결과를 도출하여 활용 가능성이 충분히 있다는 것을 의미한다. 마지막으로 LSTM 모델은 가장 적절한 예측성능을 나타내어 다양한 인공지능 모델의 예측성능 비교를 위한 기준이 되는 참고모델로 활용 가능하다. 본 연구에서 제시한 방법은 지하수위 예측과 더불어 하천수위 예측 등 다양한 시계열예측 및 분석연구에 유용하게 사용될 수 있다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2019년도 춘계종합학술대회
• /
• pp.3-4
• /
• 2019

강의 수위 예측은 강 유역의 홍수 발생에 대한 방재 차원에서 아주 중요하다. 이 논문에서는 낙동강을 대상으로 수위를 예측하는 신경회로망 모델을 기반으로 홍수위에 도달하는 입력 조건을 학습에 의해 찾아내는 방법을 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.104-104
• /
• 2022

임진강 수계는 북측 지역이 다수를 차지하는 유역 특성으로 예고 없는 상류 급방류, 강우 등으로 인해 댐 운영에 근본적 어려움이 있으며, 이에 따라 홍수조절지 및 댐 하류 계측 가능 지역의 취득 자료를 고려한 하천 수위 변화에 대한 사전 예측을 필요로 하고 있다. 홍수기 하천 도달시간 및 수위예측 기법으로는 물리 기반 및 데이터 기반 모델들이 다양하게 연구되어 왔으며, 일부 연구성과들은 현업에 활용하고 있다. 물리기반 모델은 하천 지형 변화에 대한 자료 취득 및 분석에 많은 시간을 요하는 단점은 있으나, 설명 가능한 모델을 구현할 수 있을 것으로 사료 된다. 반면, 데이터 기반 인공지능 모델은 짧은 시간 및 비용으로 모델을 개발할 수 있으나, 복잡한 알고리즘구현 시 설명이 불가하여 일관성을 의심 받을 수 있다. 본 논문에서는 홍수 도달시간과 하류 수위 상승에 대하여 설명 가능한 인공지능 알고리즘 및 시뮬레이션 프로그램을 개발하고자 하였다. 홍수 도달시간 예측은 기존 조견표 방식에서 고려하지 않았던 홍수파의 영향을 추가 변수화 하고, 데이터의 전후처리를 통하여 도달시간을 예측하였다. 실시간 하류 수위 예측은 댐 방류량, 주변 강우, 조위 등을 고려하여 도달시간 후 수위를 예측할 수 있도록 구현하였으며, 자료 동화 기술을 일부 적용하였다. 미래 방류조건에 대한 시뮬레이션을 위해서는 미래 방류량, 예상 강우 입력 시 하천 지점별 수위 상승을 예측할 수 있도록 알고리즘 및 프로그램을 개발하였다. 이를 구현하기 위하여 다양한 인공지능 알고리즘을 이용한 학습, 유전자 알고리즘을 이용한 가중치 학습 제한 조건내 최적화, 수위파와 조위파의 중첩의 정리 등을 이용하여 예측 정확도 및 신뢰성을 제고 하였다. 인공지능 분석결과의 현업활용성 제고를 위하여 시뮬레이터 프로그램을 개발하여 현업에 적용하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.116-116
• /
• 2022

현재 인공지능은 공학적 문제 해결 외에도 다양한 분야에 적용되어 매우 친숙하게 활용되고 있다. 특히 하천 분야에서는 시설물 주위 국부세굴 또는 어류 서식처 분석과 같이 관련 변수들의 복잡성으로 적절한 결과를 쉽게 얻어내기 어려운 것들에 적용되고 있다. 그 외에도 인공지능 기법을 적용할 수 있는 분야로 하천에서의 수위를 이용하여 유량을 예측하는 것이 있다. 기존에는 수위-유량 관계 곡선을 만들어 수위를 이용하여 유량을 예측하였으나, 관계곡선 제작에 활용된 수위와 유량 범위에서 벗어나는 경우 과다한 유량으로 계산되는 경우가 있다. 본 연구에서는 인공지능 기법 중 하나인 인공신경망 기법을 사용하여 하천의 유량 예측을 수행하였다. 기존 국가수자원관리종합정보시스템에 기록된 자료를 활용하여 수위와 유량 자료를ANN에 학습시키고 학습에 활용하지 않은 시기의 자료를 이용하여 전반적인 유량 예측 성능과 루프형 수위-유량 관계 곡선을 생성할 수 있는지를 검토하였다. 또한 학습 범위를 벗어난 홍수량에 대한 측정 결과를 검토하고, 기존 수위-유량 관계곡선과 비교하여 그 성능을 검토하였다.

• Ecology and Resilient Infrastructure
• /
• 제7권4호
• /
• pp.345-352
• /
• 2020

최근 하천범람에 따른 피해를 최소화하기 위해서는 대피를 위한 선행시간을 확보하는 것이 매우 중요하다. 본 연구에서는 현재 하천에서 측정되고 있는 수위 관측 자료를 이용하여 이상호우 발생시 하류의 수위를 예측하였다. 수위 예측을 위해 다중회귀모형 및 인공신경망 모형을 섬강시험유역에 적용하였다. 다중회귀모형 및 인공신경망 모형의 학습에는 섬강시험유역의 2002년부터 2010년까지의 수위 관측 자료를 이용하였으며, 학습된 모형을 이용하여 발생 가능한 수위를 예측하였다. 모의 결과 인공신경망 수위예측모형의 결정계수는 0.991 - 0.999로 나타났으며, 다중회귀수위예측 모형의 결정계수는 0.945 - 0.990로 나타나 인공신경망을 이용한 수위예측모형이 다중회귀모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후 하천에서 선행시간을 확보한 홍수 예보 구축에 활용할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.357-357
• /
• 2021

홍수로 인한 침수피해 발생을 최소화하기 위해 정확한 하천의 수위 예측과 리드타임 확보가 매우 중요하다. 특히 조석현상의 영향을 받는 감조하천의 경우 기존의 물리적 수문모형의 적용이 제한되어 하천수위 예측의 정확도가 떨어지기도 한다. 따라서 본 연구에서는 이러한 감조하천 수위 예측의 정확도를 높이기 위해 조석현상을 분리하고 인공신경망을 활용하는 하이브리드 모델을 제안 하였으며 다중 선형회귀분석과 비교 분석하였다. 감조하천에 위치한 교량의 수위데이터에서 Stationary Wavelet Transform으로 조석현상을 분리하였으며, 이외의 수위에 영향을 주는 time series data와 인공신경망(ANN)을 활용하여 1시간, 2시간, 3시간 후의 수위를 예측하였다. 하이브리드 모델은 96% 이상의 정확도를 보였으며 다중 선형회귀 분석과 비교하여도 높은 정확성을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

• 한국습지학회지
• /
• 제13권3호
• /
• pp.547-565
• /
• 2011

수위예측을 위해 개념적, 물리적 모형들을 포함한 다양한 유형의 기법들이 사용되고 있다. 그럼에도 불구하고 이러한 기법들 중 수위예측을 위해 단일의 우수한 모형을 선정하는 것은 매우 어려운 일이다. 최근에는 수문학적 과정의 복잡성으로 인해 기존 물리적 기반의 강우-유출 모형이 가지고 있는 단점들을 극복하고자 자료 지향형 수위예측 모형이 널리 도입되고 있다. 본 연구의 목적은 이러한 자료 지향형 모형 중 뉴로-퍼지와 회귀분석 모형의 수위예측에 대한 성능을 비교하는 것이다. 제안된 두 모형을 한강수계의 왕숙천에 대해 적용하였다. 제안된 두 모형의 성능을 평가하기 위해 평균제곱근오차, Nash-Suttcliffe 효율계수, 평균절대오차, 수정 결정계수와 같이 4개의 통계지표들을 사용하였다. 모의결과 뉴로-퍼지 수위예측 모형이 다중선형회귀 수위예측 모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후 중소하천에서 충분한 선행시간을 확보한 정확도 높은 홍수정보시스템의 구축에 활용할 수 있을 것으로 판단된다.

• 한국농공학회논문집
• /
• 제55권6호
• /
• pp.1-9
• /
• 2013

미래 기후 정보를 이용한 수문 환경의 단기 미래 예측은 안정적 수자원 공급을 위한 필수적 과제이다. 미국 플로리다 주 중서부 템파지역에서는 주요 수자원 중 하나인 지하수의 효과적 활용을 위해 지하수위 인공신경망 모델 (GWANN)을 개발하여 피압 대수층과 비피압 대수층에 대한 주 단위 평균 지하수위를 월별로 예측하고 그 결과를 수자원 공급 의사 결정에 반영하고 있다. 본 논문은 템파지역에 대한 GWANN 모델을 이용한 지하수위 예측 시스템을 소개하고 모델의 기후 입력 자료의 민감도를 분석함으로써 양질의 기후 정보에 대한 현 시스템의 활용성을 검토하였다. 2006년과 2007년에 대한 연구 결과, 관측 자료를 최적 예측 시나리오 (the best forecast)로 가정하여 적용한 결과는 지하수위 관측 지점에 따라 큰 차이를 보였지만 일반적으로 현 시스템 (현 시점의 실시간 주 단위 평균 강우량을 향후 4주간 동일하게 적용함) 에 비해 예측 성능이 개선되는 것으로 나타났다. 더불어 강우 관측 자료의 백분위 (percentile forecast; 20분위, 50분위, 80분위)를 강우 예측 자료로 활용한 경우에도 현 시스템과 비교하여 일부 나은 결과를 보여주었다. 그러나 지하수위 예측 모델을 활용하지 않고 현 시점의 지하 수위가 지속된다고 가정하는 경우 (na$\ddot{i}$ve model) 향후 2주간의 예측 결과가 best forecast 경우에 비해 높은 정확도를 보이는 등, GWANN 모델의 단기 예측에 대한 양질의 강우 예측 정보의 활용성은 낮으며, 향후 3주 이상에 대한 예측 성능에 있어 best forecast결과가 na$\ddot{i}$ve model 결과에 비해 높은 정확도를 보이기 시작하는 것으로 나타났다. 또한 GWANN 모델의 예측 성능은 적용 기간과 지역 및 지하대수층의 특성에 따라 큰 다양성을 가지는 단점을 보여 강우 예측 자료 활용에 앞서 모델 개선의 필요성이 있다고 판단된다. 본 연구는 단기수자원 공급 계획 수립을 위하여 사용되는 지역 모델링 시스템에 대한 기후 예측정보의 활용성 평가를 위한 방법론으로 고려될 수 있을 것으로 기대된다.