• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.79-79
• /
• 2017

강우 자료는 수공구조물 설계목적에 따라 다양한 시공간적 범주가 필요하다. 그러나 시간단위 이하 시계열 강우자료는 미계측 유역 및 관측연한 등의 제약으로 연속적인 시계열을 확보하는데 어려움이 있다. 이러한 점에서 포아송분포 기반 강우발생모형은 강우시계열의 통계적 특성을 나타내는 5개 매개변수로 다양한 시간 범주의 연속강우시계열을 생성할 수 있다는 장점이 있다. 강우발생모의 핵심은 과거자료의 통계특성을 효과적으로 복원할 수 있어야 하며, 다양한 기상학적 특성들 또한 적절하게 모의될 수 있어야 한다는 점이다. 즉, 다음과 같은 기준으로 모의적합성을 평가할 수 있다. 첫째, 지속기간별 관측시계열과 모의시계열의 통계적 유사성을 평가하고, 둘째, 확률분포를 따르는 각 매개변수의 사후분포를 제시하여 불확실성을 정량화하고, 셋째, 추정된 매개변수의 물리적 범위의 적정성 검토가 필요하다. 본 연구에서는 강우발생모형으로 널리 알려진 Neyman-Scott Rectangular Pulse(NSRP) 모형과 Bayesian 모형을 연계한 Bayesian NSRP 모형 개발을 통해 강우관측소 전지점에 대한 매개변수 지도를 제시하고자 한다. 본 연구결과는 임의 유역에 대한 강우발생 시나리오를 제공하여, 다양한 형태의 유출결과를 도출할 수 있으며, 무엇보다 유출결과를 확률적으로 평가할 수 있다는 장점이 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.219-219
• /
• 2017

상대적으로 유역의 관측 자료가 충분하지 못하거나 검증되지 않았을 경우 미계측 유역으로 정의되며 수문모형의 매개변수 검정을 할 수 없으므로 다른 방법을 고안해야 한다. 이를 위해 기존 연구에서는 지역적 특성을 고려한 지역회기분석을 통해 미계측 유역의 유량을 산정하였는데, 대부분 유역의 특성과 연 평균 유출량 자료의 관계를 이용한 회귀식으로 실시간 유량의 변화를 고려하기 어려웠다. 본 연구에서는 개념적 강우-유출모형으로 많이 사용되고 있는 개념적 수문모형인 GR4J의 매개변수에 대해 미계측 유역의 특성을 고려한 변수들을 이용하여 회귀식을 구하고 그 적용성을 평가하였다. 이를 통해 미계측 유역의 유량 시계열 자료를 생성할 수 있었다. 또한 IPCC에서 발간한 AR5의 RCP 4.5 시나리오를 적용하여 미래 유출량을 산정하였다. 우선 지역회귀분석을 적용하기 위해 수문모형을 이용한 계측 유역의 유출량을 구하였으며 22개의 전국 댐 상류 지점을 기준으로 SCE 알고리즘을 이용하여 GR4J의 최적 매개변수를 구하고 각 유역별로 물리적, 지형적, 기상학적 특성을 고려하여 11개의 변수를 선택하였다. 각 변수간 다중공선성(Multicollinearity)를 고려하기 위해 VIF(Variation Inflation Factor) test를 적용하여 최종 7개의 변수를 선정하고 단계별 회귀방법(Stepwise regression)을 이용하여 GR4J의 매개변수별 회귀식을 생성하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.824-828
• /
• 2006

SWAT-MODFLOW 모형은 물리적 기반의 준 분포형 모형인 SWAT모형의 지하수 모듈을 분포형 모형인 MODFLOW로 대체하여 하천과 대수층간의 수위차이에 따른 물교환량으로 지하수 유출량을 결정하는 완전 연동형 지표수-지하수 통합모형이다. 이 모형을 구동하기 위해서는 유역자료, 기상자료, 하천특성자료, 토지 이용자료, 토양자료, 작물자료, 지하수자료 등 다양한 입력 자료를 필요로 한다. 이러한 입력 자료의 변동양상에 따라 모형의 결과가 크게 다르게 나타나므로 모형의 입력 매개변수 변화에 따른 모형의 반응을 분석하여야 한다. 본 연구에서는 지하수유출해석을 담당하는 MODFLOW 모형의 수리지질학적 매개변수 변화에 따른 모형의 반응을 검토하였다. SWAT-MODFLOW 모형을 경안천 유역에 적용하여 투수계수, 저류계수, 하상수리전도도 등의 주요 수리지질학적 매개변수가 지하수 유출현상에 미치는 증감과 변화율 등을 정량적으로 분석하였다. 유역출구점에서의 연평균 지하수유출량의 변화, 하천과 대수층의 상호작용에 따른 지하수 유출량 시계열의 변화 등을 분석하여 그 결과를 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.180-180
• /
• 2018

가능최대강수량(PMP)은 대규모 수공구조물의 설계 시 기준이 되는 강수량으로, 최근 대규모 거대재난에 대비한 대피계획수립에 PMP를 활용하려는 움직임이 있으며 PMP에 대한 국내 연구가 활발히 수행되고 있다. PMP를 추정하기 위해 Hershfield의 통계적 방법에 대한 간단한 대안이 제안되었다. PMP는 물리적인 강우량 상한계로, 확률론적 개념과는 모순적이다. 또한, Hershfield의 PMP는 연 최대 시계열 평균의 선형함수로 주어지는 모양 매개변수를 가지는 GEV 분포의 약 60,000년 빈도임이 밝혀졌다. 따라서 본 연구에서는 Hershfield의 방법을 확률론적으로 해석하는 것이 바람직할 것으로 판단하였고, 기상청 ASOS 및 AWS 자료를 이용하여 우리나라 각 지점자료 중 10년 이상의 자료를 사용하여 Hershfield 방법을 적용하여 PMP를 산정하였다. 각 지점의 빈도계수를 구하여 우리나라 자료에 적합한 확률분포의 형태를 적용하였고, 분포형의 매개변수 값을 추정하였다. 또한, Hershfield의 빈도계수와, 우리나라 자료에 해당하는 빈도계수가 몇 년 빈도로 계산되는지 각각 확인해 보았다. ASOS 및 AWS 자료를 이용하여 연 최대 강수량 시계열 평균과 모양 매개변수의 관계 공식 또한 구성하였다. 본 연구의 방법을 검증하기 위하여 우리나라에서 제일 오래된 자료(57년)인 서울지점 자료를 이용하여 경험적인 분포함수와 본 연구에서 제안하고 있는 방법을 비롯한 다양한 방법을 통하여 구한 분포함수를 비교하여 도시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.282-282
• /
• 2023

도시침수와 도시열섬 등 도시화 및 기후변화로 인한 물 및 환경문제에 대비하기 위해서는 고해상도 물순환 및 열순환 해석 기술이 필수적이다. 도심지의 고밀도 건축물 및 식생 등 다양한 토지피복의 조합은 물/열 순환에 직접적인 영향을 미치는 요인이며, 물리과정에 대한 이해를 높이기 위해서는 고해상도 모의 및 관측이 필요하다. WRF-Hydro는 침투 및 증발산, 열 순환, 지표와 하천 및 저수지 추적 등 여러 물/열 순환 요소 해석 모듈을 연동할 수 있는 공간분포형 수문 해석 시스템이다. 본 연구에서는 WRF-Hydro를 기반으로 낙동강 지류인 금호강 유역에 대한 고해상도 물순환 및 열순환 모형을 구축하여, 토양수분, 하천 유량, 지표온도, 증발산 등 수문 요소 해석 결과를 분석한다. WRF-Hydro 모형의 입력자료 구축 시 고해상도 토지피복 및 토양도를 적용하고, 기상자료에는 국내 지상관측자료와 국외 재분석자료를 비교, 분석하여 자료의 신뢰성을 분석한다. 또한, ECOSTRESS 등 고해상도 원격탐사자료로부터의 열, 증발산 관련 추정 자료를 모의 결과와 비교하여, 열순환 해석의 불확실성을 평가한다. 물순환과 열순환의 해석의 신뢰도를 동시에 향상하기 위한 분포형 모형의 구축 및 매개변수 보정 방안에 대해 토의한다.

• 비파괴검사학회지
• /
• 제33권2호
• /
• pp.226-231
• /
• 2013

펄스 열화상에서 서모그램 등 데이터의 플롯에 의해 표시되어지는 로그-로그 플롯을 활용해서 특정하게 정류(rectification)하여 펄스 서모그램을 잘 사용하도록 정의하고 열화상 신호복원(thermographic signal reconstruction; TSR) 기법에 의해 실험 데이터를 피팅하도록 한다, 이와 같은 물리적인 해석 및 수학적 대수기법에 의해 펄스열화상은 단순하면서도 효율적인 정규화가 가능하게 될 수 있다. 펄스열화상의 최적화는 로그대수 유도로 비교되는 콘트라스트(contrast)의 초기 검출과 TSR의 사용이라는 두 가지 돋보이는 접근 방법에 기반하여 이루어진다. 펄스자극열화상을 최적화하기 위해서 두 개의 매개변수, 즉 결함 콘트라스트의 신호 대 잡음비와 추출에 대한 선인식을 고려하는 것이 필요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.2179-2183
• /
• 2008

지금까지 분포형 모형 개발에 대한 많은 노력이 있음에도 불구하고 여러 제약사항들에 의해 잠재력을 보여주는 정도로 활용되어 왔으나, 최근 급속도로 발전하는 컴퓨터의 계산능력, DEM 등 디지털정보의 구축이 진행되어 오고 있고, GIS 및 인공위성 영상기법의 발달로 공간적인 비균질성을 고려하여 유출과정에서 운동역학적인 이론을 기반으로 물의 흐름을 수리학적으로 추적해 나가는 물리적기반의 분포형 유출모형의 활용도가 높아지고 있다. 본 모형개발에 있어 이론적 배경이 된 모형은 1998년부터 일본 교토대학 방재연구소 코지리 연구실에서 개발 중인 Hydro-BEAM으로 유역 물순환의 건전성을 평가하기 위하여 장기간의 유역 내 유량, 수질을 시계열 및 공간적으로 파악하여 유역의 영향평가를 위해 개발된 물리적 기반의 격자구조를 가진 분포형 장기유출 모형이다. 유출량 계산은 유역내 수평 유출량산정 모듈로서 평면 분포형의 격자형을, 연직 분포형으로는 $A{\sim}B$층의 수평유출량은 하천으로 유입하고, C층은 하천유량에 영향을 미치지 않는 지하수층으로 가정하는 다층모형을 이용해서 A층, 지표 및 하도흐름은 운동파 법(kinematic wave)으로, $B{\sim}C$층의 유출량은 선형저류법으로 계산하는 모형이다. 본 연구에서는 격자흐름방향을 4방향에서 8방향으로 개선하였고, 모형의 각종 수문매개변수들을 GIS와 연계하여 직접 입력할 수 있도록 하였으며, 물리적기반의 침투과정을 모의할 수 있도록 Green & Ampt모듈을 추가하고, 향후 레이더 강우 및 수치예보강우의 홍수유출예측을 염두에 두고 격자강우량을 활용할 수 있도록 하는 등 홍수유출해석을 위한 분포형 강우-유출모형으로 개선 하였고, 이를 남강댐유역에 적용해 봄으로써 모형의 적용성을 검토해 보고자 하였다. 홍수기동안의 지표흐름과 지표하 흐름의 시간적 변화와 공간적 분포를 모의할 수 있었으며, 전처리과정으로서 ArcGIS 혹은 ArcView등의 GIS 프로그램을 이용하여 모형에 필요한 ASCII형태의 입력 매개 변수 자료들을 가공하였다. 또한 후처리과정으로서 모형의 수행결과인 유역내의 유출량 분포 등을 GIS상에서 나타낼 수 있도록 ASCII형태로 출력하도록 구성하였다. 남강댐유역을 대상으로 유역을 500m의 정방형 격자로 분할하고 수계망을 통하여 유역 출구까지 운동파이론에 의해 추적 계산하였으며, 수문곡선 비교결과 재현성 높은 결과를 보여주었다. 모형의 정확성 및 실용성에 대한 보다 정확한 평가를 위해서는 향후 다양한 강우 사상 혹은 다양한 크기의 유역에 대한 유출량의 재현성 및 매개변수 등에 검증이 이루어져야 할 것이다.

• 한국정보통신학회논문지
• /
• 제12권8호
• /
• pp.1363-1369
• /
• 2008

게임과 캐릭터 애니메이션의 발전으로 캐릭터의 동작을 사실적으로 표현하는 기술은 다양한 분야에서 요구되었다. 이에 따라 사실적인 캐릭터 동작을 생성하는 다양한 방법에 대한 연구가 활발히 진행되어 왔다. 캐릭터의 동작을 생성하는 방법은 숙달된 사용자가 캐릭터의 움직임을 지정하는 방식과 동역학 등의 물리적 법칙을 활용하여 동작을 시뮬레이션하는 방법, 모션 캡쳐 등과 같은 입력장치를 이용하여 배우의 움직임을 측정하여 데이터로 만드는 방법 등이 있다. 이러한 기법들을 이용하여 생성된 동작들은 각각의 방법마다 나름의 장점이 있지만, 제어가 힘들다는 공통적인 단점을 가지고 있다. 사용자에게 가장 편리한 제어를 제공하기 위해서는 사실적인 동작을 고수준 매개변수를 이용하여 생성할 수 있어야 하며, 이러한 동작의 변형 역시 고수준 매개 변수를 통해 이루어져야 한다. 본 논문은 고수준 매개변수(high-level parameter)를 이용하여 캐릭터의 동작을 효율적으로 제어할 수 있는 자동화된 도구의 개발 방법을 제안하며, 이러한 자동 동작 생성 도구를 활용하여 실제 게임을 제작하는 데에 필요한 기술을 소개한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.319-319
• /
• 2019

기후변화로 인한 극한 기후 상황의 증가로 홍수기 홍수피해와 갈수기 가뭄피해가 심화되고 있으며, 수자원 관리에 대한 어려움이 발생하고 있다. 효율적인 수자원 관리를 위해 국내에는 약 1,8000여개의 댐을 운영하고 있으며, 댐의 유입량과 저수량을 감안하여 물을 적절하게 방류하는 것을 목적으로 한다. 그러기 위해서는 유입량이 우선적으로 확보되어야 하며, 더 나아가 유입량을 미리 예측할 수 있다면 더욱 효율적인 댐 운영이 가능할 것이다. 기존에는 수위나 유량을 예측하기 위해서는 주로 물리적 모형이 사용되어 왔으며, 물리적 모형은 매개변수 결정을 위한 많은 자료를 필요로 하고 그 과정에서 많은 불확실성을 포함하고 있기 때문에 계산 과정을 거치는 동안 다양한 오차가 반복 누적되는 단점이 있다. 반면에 시계열 데이터 예측을 위한 알고리즘 LSTM(Long Short-Term Memory)은 입력된 데이터와 출력된 데이터를 동시에 이용하여 보다 정확한 예측 값을 얻을 수 있다. 따라서 본 연구는 다목적댐의 유입유량 예측을 위해 구글에서 제공하는 딥러닝 오픈소스 라이브러리를 활용하여 LSTM모형을 구축하고 댐 유입유량을 예측하였다. 분석 자료로는 wamis에서 제공하는 용담댐의 2006년부터 2018년까지의 시간당 유입량 자료를 사용하였으며, 입력 데이터로 모형을 학습한 후 2018년의 유입량을 예측하였다. 예측 값의 정확도를 판단하기 위해 2018년의 실제 유입량 자료와 비교하였다.