• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1220-1224
• /
• 2009

최근에 들어 기후변화에 따른 수위 변화 영향에 의해 물 고갈 현상이 일어나고 있다. 가뭄 발생빈도가 증가하고 강우강도가 커지면서 물부족현상이 더욱 가속화가 되어 가고 있고, 시간이 지날수록 수자원의 활용도를 떨어뜨리게 된다. 거기에 따른 대책마련을 위해 금강유역을 대상으로 삼아 수문시계열 자료들을 충분히 관측하고 분석하여 대책을 마련하고자 본 연구를 진행하였다. 본 연구에서는 하천수위, 지하수위, 강우량, 물 수요현황에 관한 자료를 수집하였다. 분석지점은 하천수위관측소에 인접한(10km 이내) 지하수위, 강우관측소중 데이터의 결함이 없는 곳을 선정하였고, 5군데 지역을 기준으로 정하였다. 더 많은 지역에 관하여 분석이 가능했으나, 관측소간의 인접여부를 확인한 결과 5군데 지역이 가장 적합한 것으로 판단되었다. 1개구역당 5개의 차트(연평균 하천수위, 연평균 지하수위, 연총강우량, 일최대강우량, 물수요현황)를 도시하였고, 이에 따라 분석을 하였다. 총강우량이 증가함에도 불구하고 강우강도가 증가하고 강우일수가 감소함에 따라 지하수위 및 하천수위는 급속히 하강하고 있었다. 많은 관측소에서 수위가 하강이 이루어지는 것으로 관측이 되었고, 앞으로도 더 늘어날 것이다. 물수요현황이 1990년대 중반 이후 안정화 되어 뚜렷한 증가추세가 없음에도 수위가 하강하는 것은 기후변화에 따른 것으로 설명할 수 있겠다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.174-178
• /
• 2009

하천의 시간유량 혹은 일유량과 같은 연속유량을 획득하기 위해서는 각각 정해진 시각에 유량측정 시행해야한다. 그러나 매시각, 매일 유량측정을 시행하는 것은 경제적으로나 기술적으로 매우 어려운 일이다. 따라서 연속적인 유량자료를 획득하기 위해 수위-유량관계를 작성하고 이를 연속적으로 측정한 수위에 대입하여 유량으로 환산하다. 하상변동이 심하게 발생하지 않는 안정적인 하천에서는 수위-유량관계 또한 시간에 따라 변화하지 않고 안정적인 관계를 유지한다. 다만, 우리나라 대부분의 하천에서는 주요 홍수 전 후로 통제하도의 하상이 변화하기 때문에 일반적으로 2개 혹은 3개 기간으로 수위-유량관계를 분리하여 유량환산에 이용하고 있다. 통제하도가 모래하천인 경우에는 주요홍수 이외에도 지속적으로 세굴 혹은 퇴적이 발생하기 때문에 매 유량측정 마다 서로 다른 수위-유량관계를 나타낸다. 따라서 주요 홍수 전 후로 수위-유량관계를 기간 분리하여 작성한다고 해도 신뢰성 있는 유량자료를 확보하기 곤란하다. 이와같이 불안정한 하도 통제를 받는 지점에서는 매 유량측정시마다 수위-유량관계를 조정하여 유량을 환산하여야 한다. 본 연구에서는 모래하천인 내성천의 향석 지점의 유량측정 성과를 이용하여 수위-유량관계를 개발하고, 매 유량측정시에 측정한 수위와 유량자를 이용하여 수위-유량관계 조정곡선을 작성하였다. 이를 이용하여 수위-유량관계를 조정하여 연속적인 유량환산을 시행하였다. 이 결과 기존 홍수 전 후로 기간 분리하여 작성한 수위-유량관계를 이용한 환산유량과 비교하여 신뢰성 있는 유량자료를 확보할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1469-1473
• /
• 2007

일반적으로 자연하천에서의 유량측정은 현장의 접근성 및 측정자의 작업숙련도 등의 문제로 인하여 측정자료의 신뢰도 저하는 물론, 강우관측이나 수위관측과 같이 연속적으로 유량자료를 확보하기에는 기술적, 경제적으로 매우 어려운 실정이다. 현재 실무에서는 연속적인 유량자료를 확보하기위해 하천수위와 관계로부터 수위-유량관계곡선(Rating Curve)을 작성한 후, 연속적으로 관측된 수위로부터 유량을 환산하여 유량자료를 생산하고 있다. 그러나 우리나라는 년강수량의 2/3가 홍수기인 $6{\sim}9$월 사이에 집중되는 반면, 갈수기인 10월에서 그 다음해인 3월까지는 년강수량의 1/5에 불과함에 따라 하천유황의 계절적 변동성이 심하게 발생하며, 이로 인해 홍수기를 전 후로 지속적인 하상변동이 발생하여 수위-유량관계를 크게 왜곡시키고 있다. 특히 본 연구의 대상유역인 금강수계 상 하류 5개 지점에서는 년유출량의 상대오차가 10%이하인 경우가 11%에 불과하여 왜곡된 수위-유량관계로부터 산정된 유량자료의 신뢰도는 매우 낮은 것으로 나타났다. 따라서 본 연구에서는 기 개발된 유역유출예측시스템(RRFS)의 실제 적용성을 평가하고 확장 보완하기 위해, 하천 본류의 제어지점(Control Point) 및 소유역 출구지점의 유량자료에 대한 신뢰도를 평가함은 물론, RRFS 주요제어지점에 대한 유출특성을 파악하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1072-1077
• /
• 2009

귀중한 수자원을 효율적으로 관리하고 홍수 피해를 저감하고 환경친화적인 수자원의 역할을 제대로 자리매김하기 위하여 무엇보다 필요한 사항은 신뢰성 있는 유량자료를 기초자료로서 확보하는 것이다. 하지만 과거 낙동강 유역의 유량 자료는 유량측정성과와 수위자료의 불확실성으로 인하여 환산 유량 자료는 근본적인 한계가있을 뿐만 아니라 시시각각으로 변하므로 불확실성이 높은 특성을 지니고 있다. 따라서 본 연구에서는 유량조사사업단 설립 이후에 측정된 유량자료의 정확도를 분석하기 위하여 낙동강 유역의 가장 대표적인 수위관측지점인 낙동, 왜관, 진동 지점에 대하여 수위-유량관계곡선식의 정확도를 분석하고, 작성된 수위-유량관계곡선식을 이용한 환산유량과 실측유량의 유량값을 비교 분석하므로서 유량자료에 대한 신뢰성을 검증하고 문제점을 분석하고자 하였다. 유량조사사업단에서 실시하고 있는 주요지점들의 환산유량의 정확성은 낙동강홍수통제소의 지속적인 T/M자료의 관리로 인한 정확도의 향상으로 인하여 수위-유량관계곡선식은 물론 이에 따른 환산 유량이 높은 신뢰성을 갖는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.121-121
• /
• 2019

특정 지역에 집중적으로 비가 내리는 현상인 국지성호우가 빈번히 발생함에 따라 하천 주변 사회기반시설의 침수 위험성이 증가하고 있다. 침수 위험성 판단 여부는 주로 수위정보를 이용하며 수위 예측은 대부분 수치모형을 이용한다. 본 연구에서는 빅데이터 기반의 RNN(Recurrent Neural Networks)기법 알고리즘을 활용하여 수위를 예측하였다. 연구대상지는 조위의 영향을 많이 받는 한강 전역을 대상으로 하였다. 2008년~2018년(10개년)의 실제 침수 피해 실적을 조사한 결과 잠수교, 한강대교, 청담대교 등에서 침수 피해 발생률이 높게 나타났고 SNS(Social Network Services)와 같은 비정형화 자료에서는 청담대교가 가장 많이 태그(Tag)되어 청담대교를 연구범위로 설정하였다. 본 연구에서는 Python에서 제공하는 Tensor flow Library를 이용하여 수위예측 알고리즘을 적용하였다. 데이터는 정형화 데이터와 비정형 데이터를 사용하였으며 정형화 데이터는 한강홍수 통제소나 기상청에서 제공하는 최근 10년간의 (2008~2018) 수위 및 강우량 자료를 수집하였다. 비정형화 데이터는 SNS를 이용하여 민간 정보를 수집하여 정형화된 자료와 함께 전체자료를 구축하였다. 민감도 분석을 통하여 모델의 은닉층(5), 학습률(0.02) 및 반복횟수(100)의 최적값을 설정하였고, 24시간 동안의 데이터를 이용하여 3시간 후의 수위를 예측하였다. 2008년~ 2017년 까지의 데이터는 학습 데이터로 사용하였으며 2018년의 수위를 예측 및 평가하였다. 2018년의 관측수위 자료와 비교한 결과 90% 이상의 데이터가 10% 이내의 오차를 나타내었으며, 첨두수위도 비교적 정확하게 예측되는 것을 확인하였다. 향후 수위와 강우량뿐만 아니라 다양한 인자들도 고려한다면 보다 신속하고 정확한 예측 정보를 얻을 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.261-261
• /
• 2020

물관리의 기본이 되는 연속적인 유량 자료 확보를 위해서는 정확도 높은 수위-유량 관계 곡선식 개발이 필수적이다. 수위-유량 관계곡선식은 모든 수문시설 설계의 기초가 되며 홍수, 가뭄 등 물재해 대응을 위해서도 중요한 의미를 가지고 있다. 그러나 일반적으로 유량 측정은 많은 비용과 시간이 들고, 식생성장, 단면변화 등의 통제특성(control)이 변함에 따라 구간분리, 기간분리와 같은 비선형적인 양상이 나타나 자료 해석에 어려움이 존재한다. 특히, 국내 하천의 경우 자연적 및 인위적인 환경 변화가 다양하여 지점 및 기간에 따라 세밀한 분석이 요구된다. 머신러닝(Machine Learning)이란 데이터를 통해 컴퓨터가 스스로 학습하여 모델을 구축하고 성능을 향상시키는 일련의 과정을 뜻한다. 기존의 수위-유량 관계곡선식은 개발자의 판단에 의해 데이터의 종류와 기간 등을 설정하여 회귀식의 파라미터를 산출한다면, 머신러닝은 유효한 전체 데이터를 이용해 스스로 학습하여 자료 간 상관성을 찾아내 모델을 구축하고 성능을 지속적으로 향상 시킬 수 있다. 머신러닝은 충분한 수문자료가 확보되었다는 전제 하에 복잡하고 가변적인 수자원 환경을 반영하여 유량 추정의 정확도를 지속적으로 향상시킬 수 있다는 이점을 가지고 있다. 본 연구는 머신러닝의 대표적인 알고리즘들을 활용하여 유량을 추정하는 모델을 구축하고 성능을 비교·분석하였다. 대상지역은 안정적인 수량을 확보하고 있는 한강수계의 거운교 지점이며, 사용자료는 2010~2018년의 시간, 수위, 유량, 수면폭 등 이다. 프로그램은 파이썬을 기반으로 한 머신러닝 라이브러리인 사이킷런(sklearn)을 사용하였고 알고리즘은 랜덤포레스트 회귀, 의사결정트리, KNN(K-Nearest Neighbor), rgboost을 적용하였다. 학습(train) 데이터는 입력자료 종류별로 조합하여 6개의 세트로 구분하여 모델을 구축하였고, 이를 적용해 검증(test) 데이터를 RMSE(Roog Mean Square Error)로 평가하였다. 그 결과 모델 및 입력 자료의 조합에 따라 3.67~171.46로 다소 넓은 범위의 값이 도출되었다. 그 중 가장 우수한 유형은 수위, 연도, 수면폭 3개의 입력자료를 조합하여 랜덤포레스트 회귀 모델에 적용한 경우이다. 비교를 위해 동일한 검증 데이터를 한국수문조사연보(2018년) 내거운교 지점의 수위별 수위-유량 곡선식을 이용해 유량을 추정한 결과 RMSE가 3.76이 산출되어, 머신러닝이 세분화된 수위-유량 곡선식과 비슷한 수준까지 성능을 내는 것으로 확인되었다. 본 연구는 양질의 유량자료 생산을 위해 기 구축된 수문자료를 기반으로 머신러닝 기법의 적용 가능성을 검토한 기초 연구로써, 국내 효율적인 수문자료 측정 및 수위-유량 곡선 산출에 도움이 될 수 있을 것으로 판단된다. 향후 수자원 환경 및 통제특성에 영향을 미치는 다양한 영향변수를 파악하기 위해 기상자료, 취수량 등의 입력 자료를 적용할 필요가 있으며, 머신러닝 내 비지도학습인 딥러닝과 같은 보다 정교한 모델에 대한 추가적인 연구도 수행되어야 할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.749-753
• /
• 2008

본 연구는 강원도 횡성군의 남한강 제1지류인 섬강의 횡성댐 상류 계천에 위치한 시험유역으로 남한강 상류 산지지형 시험유역으로 이유역의 운영을 통하여 신뢰성 있는 고품질의 산간유역 수문자료의 지속적 확보이다. 기존의 강우-유출구조의 이해를 위하여 우량 및 수위자료는 10분 단위로 관측하며, 유량측정 자료는 불확실도 분석을 통해 실시한 결과 신뢰도가 지속적으로 향상된다. 또한 수위-유량곡선을 개발을 통해 수문 자료를 지속적으로 확보하였고, 유역의 수문순환특성분석을 위해 추가적으로 토양수분과 지하수위를 관측으로 하였다. input-system-output 의 정량적 순환구조의 이해와 모델개발의 검정 및 검증 기반의 자료를 구축하여 산간유역의 폭 넓은 물 순환해석을 위한 기초자료로 활용될 것이다.

• Journal of Korea Water Resources Association
• /
• v.55 no.8
• /
• pp.565-575
• /
• 2022

Recently, in the field of water resource engineering, interest in predicting time series water levels and flow rates using deep learning technology that has rapidly developed along with the Fourth Industrial Revolution is increasing. In addition, although water-level and flow-rate prediction have been performed using the Long Short-Term Memory (LSTM) model and Gated Recurrent Unit (GRU) model that can predict time-series data, the accuracy of flow-rate prediction in rivers with rapid temporal fluctuations was predicted to be very low compared to that of water-level prediction. In this study, the Paldang Bridge Station of the Han River, which has a large flow-rate fluctuation and little influence from tidal waves in the estuary, was selected. In addition, time-series data with large flow fluctuations were selected to collect water-level and flow-rate data for 2 years and 7 months, which are relatively short in data length, to be used as training and prediction data for the LSTM and GRU models. When learning time-series water levels with very high time fluctuation in two models, the predicted water-level results in both models secured appropriate accuracy compared to observation water levels, but when training rapidly temporal fluctuation flow rates directly in two models, the predicted flow rates deteriorated significantly. Therefore, in this study, in order to accurately predict the rapidly changing flow rate, the water-level data predicted by the two models could be used as input data for the rating curve to significantly improve the prediction accuracy of the flow rates. Finally, the results of this study are expected to be sufficiently used as the data of flood warning system in urban rivers where the observation length of hydrological data is not relatively long and the flow-rate changes rapidly.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.578-583
• /
• 2004

수자원 계획 및 관리에서 가장 중요한 요소는 우량, 하천 수위, 유량 등과 같은 기포 수문자료이다. 이들 자료는 신뢰성을 바탕으로 지속적인 관측에 의한 장기적인 수문자료로 축적되어야 한다. 본 연구에서는 강원도 횡성군의 남한강 제1지류인 섬강의 상류에 위치한 계천 유역과 같은 산지지형에 대한 시험유역의 운영을 통하여 신뢰성 있는 고품질의 산간유역 수문자료를 지속적으로 확보하고자 한다 이를 위해 우량자료는 지점별로 10분 및 1시간 간격으로, 수위자료는 10분 간격으로 관측을 실시하고 있다. 또한 수위관측소에 대한 정기적인 유량측정을 실시하였으며, 이에 대한 불확실도 분석을 실시하여 자료에 대한 신뢰도를 검증하였다. 이를 토대로 각 지점별 수위-유량관계곡선을 개발하였으며, 이때 홍수로 인한 하상변화를 고려하여 자료에 대한 기간분리와 저수위 및 고수위에 대한 구간분리를 실시하였다. 이와 같이 축적된 수문자료들은 산간유역의 물 순환 해석을 위한 기초자료로 활용될 것으로 기대한다.