• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1265-1271
• /
• 2009

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측모형을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저 갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 연속적으로 선행 유출량을 나타내는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 예측모형의 전처리 과정으로 이용하였다. 먼저, 본 연구에서 제안한 방법은 SOM에 의해 강우-유출 관계를 분류하고, SOM에 의한 분류에 따라 각각의 모형을 구성한다. 개별적으로 구축된 모형은 유출량의 예측을 위해 각각의 양상에 따라 분류된 자료를 이용한다. 결과적으로 본 연구에서 제안한 방법은 과거의 인공신경망의 일반적인 적용에 의한 결과보다 더 나은 예측능력을 보여주었으며, 더불어 유출량의 과소 및 과대추정과 Persistence 현상과 같은 문제점이 나타나지 않았다. 또한 강우량 및 유출량의 범위에 제한을 받지 않는 강우-유출예측 모형의 개발 및 홍수기로부터 갈수기까지의 보다 넓은 범위의 유출량의 예측에 기여할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1412-1416
• /
• 2009

최근의 극심한 기상이변으로 인하여 발생되는 이상호우의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우를 예측하기 위해 많은 방법들이 사용되고 있으나 강우의 메커니즘은 매우 복잡하여 수문순환과정에서 가장 예측하기 힘든 요소이며, 추계학적 예측모형이나 확정론적 예측모형 모두에 있어 상당한 불확실성을 내포하고 있다. 기상예측모형 등을 이용하여 강우예측에 대한 정도를 높여가고는 있으나 많은 수문학적 모형에서 요구하는 시공간적으로 정도가 높은 강우를 예측하기에는 힘들다. 인공신경망은 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 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 강우사상을 과거의 자료로부터 신경망의 수학적 알고리즘을 통해 강우의 예측에 적용할 수 있을 것이다. 따라서 본 연구에서는 이러한 인공신경망의 기법 중 오류 역전파 알고리즘을 통하여 과거의 강우사상들을 입 출력 자료로 이용하여 인공신경망을 학습시켜 강우의 예측에 대한 정도를 높이도록 하였다.

• Proceedings of the KSEEG Conference
• /
• 2003.04a
• /
• pp.269-272
• /
• 2003

하천에 토사가 유입되는 가장 중요한 요인은 주변 지역의 사면에서의 토양의 침식작용이며 이러한 현상은 다양한 요인들에 의해 영향 (사면경사, 사면식생, 토양 입도, 사면거칠기 등)을 받지만 주로 물, 특히 강우에 의해 크게 좌우된다. 그러므로 정확한 강의 양과 강우 강도, 이에 따른 토양의 침식량을 정량화하는 것이 중요하다. 이번 연구에서는 이러한 다양한 조건에 따라 토양의 침식이 어떠한 특성을 갖고 발생하는지를 파악하고자 하였다. (중략)

• KOREAN JOURNAL OF CROP SCIENCE
• /
• v.37 no.3
• /
• pp.237-243
• /
• 1992

To determine effects of simulated acid rain on the growth and yield of rice, soybean and sesame, and on the soil acidity, two cultivars of rice, soybean and sesame were exposed twice a week to one of four simulated rain acidities[pH 2. 6, 3. 6, 4. 6 and 5. 6(control)]. The plants were protected from ambient rain by a polyethylene film cover. No visible damage due to the simulated acid rain was observed at any stage of growth for either of the crops. In rice, heading date, plant height and yield components except ripening ratio were not significantly affected by the pH ofsimulated rain, but the ripening ratio and rough rice yield linearly decreased as the pH of simulated rain was decreased. In soybean, maturing date and yield components except 100 seed weight were not significantly influenced by the pH of simulated rain, but the 100 seed weight and yield linearly decreased as the pH of simulated rain was decreased. Seed yield and the other agronomic characteristics of sesame were not significantly affected by the pH of simulated rain. Soil pH after cropping rice, soybean and sesame decreased as pH of simulated rain was decreased.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.694-698
• /
• 2005

본 연구에서는 우리나라 5대강 유역에 대한 홍수예경보시스템의 홍수추적방법으로 이용되고 있는 물리적인 모형인 저류함수법의 한계점을 극복하고, 영산강 유역의 본류를 대표하는 나주지점과 황룡강 유역을 대표하는 선암지점에 대하여 유역의 수문학적 구조를 나타내지 않는 인공신경망 이론을 이용하여 강우-유출 과정의 비선형 모형을 개발하였다. 또한, 신속한 홍수유출량 예측과 예측 결과에 따른 현장 적용이 가능하도록 CS(Client-Server) 기반에서 인공신경망에 대한 원시코드(source code)를 GUI(Graphical User Interface)화하여 홍수예측시스템(Flood Forecasting System : FFS)을 개발하였다. 본 연구결과 나주지점에서는 Model II의 ANN_NJ_9 모형이 선암지점에서는 Model III의 ANN_SA_9 모형이 강우-유출 특성을 가장 잘 반영하였다. 또한, 본 연구에서 개발한 GUI_FFS에 대하여 기 확보된 2004년도 강우 및 유출량 적용한 결과 0.98이상의 $R^2$값을 보임으로서 향후 수자원 및 하천계획 수립과 그에 따른 운영 및 관리에 효율성을 더할 수 있을 것이라 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.336-336
• /
• 2011

본 연구에서는 강우시 경사지 밭에서 발생하는 토양유실량을 저감하기 위하여 지표피복재의 유무와 강우강도를 달리하여 실외인공강우 실험을 통하여 평가하였다. 인공강우 실험은 경사도 28%와 각 시험포는 $5\times30m$의 크기로 strawmat+PAM+sawdust, control(bare), strawmat+PAM, strawmat+PAM+rice husks를 4개 조성하고, 각 시험포는 하단부에 강우유출수를 채취할 수 있는 설비(flume)를 설치하였다. 대조구 실험을 위하여 각 시험포에서 발생하는 직접유출량과 유사량을 비교 분석하였다. 시험포의 토양은 양질사토로 일반 고랭지 밭의 흙과 동일한 성질을 가지고 있는 토양을 사용하였고, 지표 피복처리는 straw mat, saw dust, rice husk 그리고 PAM 등 4개의 재료를 사용하였다. 인공강우 실험은 1차 10월 18일, 2차 10월 24일, 3차 10월 30일, 4차 11월 7일로 총 21일간 각각 약 1주일의 간격을 두고 실시하였으며 인공강우 시험기의 강우강도는 각 31.1 ~ 44.4 mm/hr로 모의하였다. 연구결과 시험포에서 발생한 유출량은 지표피복을 하지 않은 대조구 시험포보다 지표를 피복한 시험포에서 약 15.7 ~ 19%의 감소한 것으로 나타났다. 유사량은 대조구 시험포보다 약 93.1 ~ 99.3% 감소한 것으로 나타났으며, 유출량과 유사량은 straw mat+PAM+sawdust와 straw mat+PAM+rice husk를 적용한 시험포에서 저감효과가 큰 것으로 나타났다. 이와 같이 지표피복처리는 강우가 발생하였을 때 강우타격력의 감소와 유출수의 유속감소 그리고 침투능을 증가하는 역할을 하여 경사지, 농경지 및 공사현장에서 토양 유실을 저감하며, 하천이나 강으로 유입되는 탁수량의 저감에 큰 효과가 있을 것으로 판단된다.

• Water for future
• /
• v.4 no.1
• /
• pp.74-75
• /
• 1971

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.320-320
• /
• 2019

유역의 수문 자료를 정확하게 분석하는 것은 수리 구조물을 효율적으로 운영하기 위한 중요한 요소이다. 인공신경망(Artificial Neural Networks, ANNs) 모형은 입 출력 자료의 비선형적인 관계를 해석할 수 있는 모형으로 강우-유출 해석 등 수문 분야에 다양하게 적용되어 왔다. 이후 기존의 인공신경망 모형을 연속적인(sequential) 자료의 분석에 더 적합하도록 개선한 회귀신경망(Recurrent Neural Networks, RNNs) 모형과 회귀신경망 모형의 '장기 의존성 문제'를 개선한 장단기메모리(Long Short-Term Memory Networks, 이하 LSTM)가 차례로 제안되었다. LSTM은 최근에 주목받는 딥 러닝(Deep learning) 기법의 하나로 수문 자료와 같은 시계열 자료의 분석에 뛰어난 성능을 보일 것으로 예상되며, 수문 분야에서 이에 대한 적용성 평가가 요구되고 있다. 본 연구에서는 인공신경망 모형과 LSTM 모형으로 유출량을 모의하여 두 모형의 성능을 비교하고 향후 LSTM 모형의 활용 가능성을 검토하고자 하였다. 나주 수위관측소의 수위 자료와 인접한 기상관측소의 강우량 자료로 모형의 입 출력 자료를 구성하여 강우 사상에 대한 시간별 유출량을 모의하였다. 연구 결과, 1시간 후의 유출량에 대해서는 두 모형 모두 뛰어난 모의 능력을 보였으나, 선행 시간이 길어질수록 LSTM의 정확성은 유지되는 반면 인공신경망 모형의 정확성은 점차 떨어지는 것으로 나타났다. 앞으로의 연구에서 유역 내 다양한 수리 구조물에 의한 유 출입량을 추가로 고려한다면 LSTM 모형의 활용성을 보다 더 확장할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.96-96
• /
• 2015

도시의 배수관망은 빠른 배수를 위하여 보다 효율적으로 발전되어 왔다. 일반적으로 임의의 배수 시스템은 홍수기에 가능한 한 빠른 배수를 목표로 설계된다. 이러한 측면에서 인공 배수망은 자연 하천망보다 보다 효율적이라 생각되어 왔다. 본 연구에서는 깁스모형을 이용 서울지역 30개 배수분구의 배수망 특성을 분석한 결과, 배수망 특성면에서 인공적인 배수망이 자연배수망보다 비효율적일 수 있다는, 기존 상식과 다소 대치되는 결과를 얻을 수 있었다. 이러한 배수망의 특성은 도시 유역의 유출특성과 밀접한 연관을 가지고 있다. 효율적인 배수망과 그렇지 않은 배수망의 유출 특성은 매우 다르게 나타난다. 이러한 유출 특성의 차이는 강우의 이동으로 인한 시공간적 변동에 더욱 두드러지게 나타나게 된다. 즉, 효율적인 배수망의 첨두유출량은 이동강우에 대하여 그렇지 않은 배수망에 비해 약 2배 이상의 높은 증가율을 보인다. 따라서 이러한 연구결과는 강우의 변동성에 대비하여 첨두유출량을 저감할 수 있는 동시에 상대적으로 효율적인 최적의 배수관망 레이아웃을 설계하는데 큰 도움이 될 것으로 기대한다.