• 한국콘텐츠학회논문지
• /
• 제19권3호
• /
• pp.261-274
• /
• 2019

본 논문은 '무인기를 활용한 인공강우 기술'을 위한 투자전략 수립을 위해 적절한 방법론을 개발하는 것을 목적으로 하며 기술 분류체계수립, 기술평가지표 설정, 지표별 가중치 설정, 중요기술 도출을 전체 연구범위로 하며 계량분석을 활용한 최신 연구동향 분석 결과와 전문가 위원회의 의견이 보완되도록 설계하였다. 성공적인 융합과정의 진행을 위한 속성(복합성, 중심성, 실현성)을 정의하고 이를 기술성이라는 핵심 지표로 정의하였다. 기술평가를 위한 핵심지표는 3개의 대항목(활동성, 기술성, 시장성), 10개의 세부 지표로 구성되었으며, 설정된 지표의 중요도 분석을 위해 AHP설문을 수행하였다. 그 결과, 기술자체의 속성인 기술성이 가장 중요한 것으로 분석되었으며 기술의 핵심수준(중심성), 현재 기술수준으로 판단하는 실현가능성(실현성), 융합을 위한 복잡도 정도(복잡성) 순서로 중요한 지표인 것으로 분석되었다. 16개 기술군 중 우선투자 상위 기술군은 지상시딩, 인공강우 수치모델링, 인공강우검증, 시딩물질 살포 및 확산, 무인기용 기상센서 기술인 것으로 분석되었다.

• 한국ITS학회 논문지
• /
• 제12권4호
• /
• pp.44-55
• /
• 2013

지능형교통체계(ITS: Intelligent Transportation System)의 발전은 과거에 비해 보다 신뢰성 있고 폭넓은 교통자료 및 기상자료 등의 취득을 가능하도록 하였다. 이러한 첨단 시스템의 발전에 따라 수집된 자료를 이용하여 교통상황과 기상상황에 대한 다양한 연구가 활발히 진행되고 있다. 본 연구에서는 도로 기상정보 시스템(RWIS: Road Weather Information System)자료와 검지기 자료를 이용하여 강우량에 따른 속도 감소 패턴을 분석하고, 강우량에 따른 속도감소량 산출 결과를 통해 강우수준을 분류하는 기준을 제시하였다. 인공신경망을 이용하여 강우수준별 통행속도를 예측하였으며, 예측 결과를 비교하여 강우수준별 통행속도 예측 특성을 분석하였다. 분석결과, 강우수준 분류 기준은 0.4mm/5min, 0.8mm/5min으로 나타났으며, 강우수준별 속도와 교통량에 대한 분산분석 결과 강우수준별로 차이를 보이는 것으로 나타났다. 인공신경망을 통한 5분 단위의 통행속도 예측결과, 비강우인 경우에는 과거 5개 자료, 즉, 25분 동안의 속도자료를 사용하여 분석하는 것이 예측력이 높게 나타났으며, 강우가 발생하는 경우에는 과거 2~3개 자료, 즉, 10~15분 동안의 속도자료를 사용하는 것이 예측력이 높게 나타났다. 본 연구에서는 기상조건에 관계없이 신뢰성 있는 교통정보를 제공하기 위한 통행시간 예측 방법론을 제시함으로써 통행시간 정보 등의 교통정보 제공 시 보다 정확한 정보를 제공하여 교통상황 예측정보의 신뢰도 향상 및 교통상황 예측정보의 활용도를 증대시킬 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.73-73
• /
• 2011

일반적으로 미래 기후자료를 산출하기 위하여 기후 시스템을 수치화한 GCM에 의한 결과를 사용한다. 하지만 GCM의 시공간적인 해상도의 문제로 기후변화에 따른 수자원 영향 분석을 위해서는 축소기법의 적용과정이 필요하다. 이를 위하여 전세계적으로 통계학적 방법에 의한 일기발생기를 이용한 축소기법 방법이 많이 이용되고 있다. 하지만 일기발생기에 의한 방법은 월 평균값의 연간 변동성이나 계절적 변화를 재현하는데 한계가 있는 것이 사실이다. 본 연구에서는 이러한 일기 발생기의 한계가 강우의 발생 특성이 평균과 표준편차로 대표되는 통계학적 기법에 근거하고 있기 때문이라고 파악하였다. 따라서 최저온도, 최고온도, 강수량, 상대습도, 풍속, 일사량과 같이 6개의 기상자료를 선정하여 비선형 관계를 고려할 수 있는 기법을 적용하고자 하였다. 이를 위하여 SRES A1B 기후변화 시나리오에 의한 CNCM3 기후모형의 결과를 이용하였고 각 관측소 마다 다양하게 발생하는 강우 특성은 과거의 강우 특성과 유사할 것이라는 가정하에 공간적 축소기법으로 인공 신경망(ANN: Artificial Neural Network) 을 적용하고 시간적 축소기법으로 최근린(NN: Nearest Neighbor) 방법과 유전자 알고리즘(GA: Genetic Algorithm)을 적용하는 기법을 함께 제시하였다. 이러한 기법들을 실제 남한강 유역의 기상관측소 지점으로 적용하여 검증한 결과 모의된 대부분의 기상자료가 관측치를 비교적 잘 재현하였다. 본 연구에서 제시한 비선형 축소기법은 추후 기후변화 연구에 중요한 방법론으로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.125-125
• /
• 2012

최근 심화되고 있는 강우의 시간적 지역적 불균형이 기후변화와 높은 연관성이 있다는 연구결과가 발표되고 있다. 강우에 직접적인 영향을 받는 수자원분야에서는 강우의 변동성을 예측한 결과를 바탕으로 기후변화 영향에 대한 연구가 활발히 진행 하고 있다. 우리나라의 연중 강수량의 대부분이 홍수기에 집중되어 수자원의 총량의 27%만 사용하고 있다. 전체 수자원이용량 중 절반 이상을 댐을 통해 이용하고 있기 때문에 댐 운영방법에 지속적인 연구가 필요하다. 기후변화영향으로 댐 유입량에 대한 불확실성이 커지므로 장기적인 수자원을 관리를 위하여 효율적인 댐 운영을 하기 위한 해결책이 필요하다. 물리적 강우-유출 모형으로 기후변화 영향을 받는 장기간 모의를 하게 되면 입력 자료와 매개변수, 모형구조의 불확실성 갖게 된다. 그에 반해 데이터를 통해 모형의 매개변수 값을 추정하여, 향후의 의사결정에 활용할 수 있는 모형을 구축하는 추계학적 모형과 인공신경망모형은, 물리적인 강우-유출 모형과 비교하여 모의에 드는 시간이 적고 모형 불확실성 파악이 가능하며, 장기간 모의 시 불확실성을 줄이는 효율적인 대안이 될 수 있다. 일반적인 추계학적 모형은 과거의 유입량 자료만 사용하지만 본 연구에서는 기후변화 시나리오 강우량의 영향을 함께 고려한 Transfer Function Noise(TFN)모형을 통하여 장기간 모의를 하였다. 본 연구의 대상 댐으로는 한강유역 중 댐 상류유역면적이 제일 넓은 충주댐으로 선정하였다. 과거의 유입량과 강우량 자료를 사용하여 통계적 방법을 통하여 TFN모형을 구축하고, TFN과 같은 변수를 사용하여 인공신경망모형을 구축하였다. 5개의 시나리오별로 어떠한 차이를 갖는지를 비교하였고, TFN모형과 인공신경망에 따라서 어떠한 양상을 갖는지 비교하였다.

• 한국습지학회지
• /
• 제19권3호
• /
• pp.366-374
• /
• 2017

본 연구의 목적은 토사재해 예경보를 위하여 초단기 예측강우의 적용성을 검토하는 것이다. 초단기 예측자료를 활용하기 위한 방법으로 신경망 모형을 적용하였다. 여기에서 레이더와 AWS의 관계를 이용하여 신경망을 학습하고 레이더 강우를 초단기 예측강우(MAPLE)로 대체하여 대상지역에 대한 강우량을 예측하였다. 6hr, 12hr, 24hr의 누적강우에 대한 토사재해 예경보기준을 이용하여 MAPLE 예측강우의 적용성을 Test-bed 지점에 설치한 AWS 강우량과 비교 평가하였다. 평가결과 MAPLE 예측강우를 이용할 경우 AWS를 이용할 경우 보다 선행하여 토사재해 예경보를 발령할 수 있음을 확인하였다.

• 한국지하수토양환경학회:학술대회논문집
• /
• 한국지하수토양환경학회 2002년도 총회 및 춘계학술발표회
• /
• pp.173-175
• /
• 2002

지하수함양은 크게 강우 중에 침투되는 자연함양, 하천 또는 저수지에서 침투되는 지표수 함양, 인위적으로 물을 지하로 침투시키는 인공함양 등이 있는데, 본 연구에서는 강우에 의해 지하로 침투되는 자연함양율을 구하기 위하여 다음 두 가지 방법을 이용하여 지하수함양율을 산출하고자 하였다. 첫 번째 누적강수량과 지하수수위곡선을 이용하는 방법(문상기, 우남칠, 2001)은 강우기간 중 누적강수량을 고려하여 지하수위변화로부터 지하수함양율을 추정하고, 두 번째 무강우기간 동안의 지하수위감수곡선을 이용하는 방법(최병수, 안중기, 1998)은 토양특성, 증발산을 배재한 상태에서 무강우기간의 지하수위감쇠곡선으로부터 함양량을 추정한다. 즉 같은 지역에서 선행강우기간 중 지하수침투가 시작되는 강우량과 어떤 시점에서의 강우기간 중 지하수침투가 시작되는 강우량의 차이가 토양함수조건에 따라 다를 수 있으나 평균개념으로 볼 때 그 차이가 무시될 수 있다고 가정하여 토양특성을 배재하고, 지하수수위가 지표에서 1.0~l.5m이상 되면 지하수로부터의 증발산은 무시될 수 있다고 가정하고 있다. 연구지역은 충청북도 청원군 북일면과 북이면에 위치하며, 지하수위 장기관측은 암반관정과 충적관정을 두 지점에 설치하여 총 4개의 관측정에서 지하수위자동측정기 Orphimedes (기포식수위계, OTT Hydrometrie사 제작)로 1시간 간격으로 지하수위변화를 기록하였다(그림1, 그림2). 강우량은 현장에서 자기우량계(모델명 : HGR-200, SEBA Hydrometrie사 제작)를 설치하여 직접 측정하였고, 자료가 유실된 기간은 청주기상대 자료로 보완하였다. 그러나 본 연구지역은 면적이 32.35$\textrm{km}^2$이고 1998년까지 개발된 기설관정의 개수가 무려 1,547여공으로 단위면적당 관정수는 48여공/$\textrm{km}^2$로 다른 지역에 비해 관정이 밀집되어 있어 지하수연간사용량을 무시할 수 없다. 그림2에서 보는 바와 같이 주변관정들의 양수로 인하여 관측정에서의 지하수위변화가 영향을 받는 것을 알 수 있다. 그러므로 본 연구지역을 대상으로 추정한 함양율은 지하수이용에 따른 지하수위하강에 대한 보정을 할 필요가 있으며 지하수이용실태조사를 추가로 하여 그 이용량만큼을 지하수함양량에 더하여야 할것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.206-206
• /
• 2023

지구온난화로 인한 기후변화에 따라 평균강수량과 증발량이 증가하며 강우지역 집중화와 강우강도가 높아질 가능성이 크다. 우리나라의 경우 협소한 국토면적과 높은 인구밀도로 기후변동의 영향이 크기 때문에 한반도에 적합한 유역규모의 수자원 예측과 대응방안을 마련해야 한다. 이를 위한 수자원 관리를 위해서는 유역에서 강수량, 유출량, 증발량 등의 장기적인 자료가 필요하며 경험식, 물리적 강우-유출 모형 등이 사용되었고, 최근들어 연구의 확장성과 비 선형성 등을 고려하기 위해 딥러닝등 인공지능 기술들이 접목되고 있다. 본 연구에서는 ASOS(동해, 태백)와 AWS(삼척, 신기, 도계) 5곳의 관측소에서 2011년~2020년까지의 일 단위 기상관측자료를 수집하고 WAMIS에서 같은 기간의 오십천 하구 일 유출량 자료를 수집 후 5개 관측소를 기준으로Thiessen 면적비를 적용해 기상자료를 구축했으며 Angstrom & Hargreaves 공식으로 잠재증발산량 산정해 3개의 모델에 각각 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온), 일 강수량과 잠재증발산량, 일 강수량 - 잠재증발산량을 학습 후 관측 유출량과 비교결과 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온)로 학습한 모델성능이 가장 높아 최적 모델로 선정했으며 일, 월, 연 관측유출량 시계열과 비교했다. 또한 같은 학습자료를 사용해 다층 퍼셉트론(Multi Layer Perceptron, MLP) 앙상블 모델을 구축하여 수자원 분야에서의 인공지능 활용성을 평가했다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.172-172
• /
• 2017

본 연구는 차량의 AW(AutoWiping) 기능을 위해 장착된 강우센서를 이용하여 강우정보를 생산하는 기술을 개발하고자 하였다. AW(AutoWiping) 기능이란 차량 앞창(Windshield)에 빗방울이 맺히게 되면 광신호의 산란으로 인해 수광부에 들어오는 감소되는 광신호의 정도에 따라 차량 와이퍼의 속도를 결정해 주는 기능이다. 빗방울이 많이 맺힐수록 광신호는 감소되며 와이퍼는 더 빠른 속도로 작동을 하게 된다. 여기서 강우센서가 강우량이 많으면 감소된 광신호 데이터를 표출하는 현상을 이용하여 강우정보를 생산한다. 강우센서는 총 8개의 채널로 이루어져있고, 초당 250개의 광신호 데이터를 수집하며, 10분이면 약 120만 개의 데이터가 생산되게 된다. 이 대량의 데이터에서 정확한 강우량을 산출하기 위해 강우센서의 초기값과 와이퍼 이동시 발생하는 순간 이상치를 제거해야 한다. 하지만 일일이 수백만 개 이상의 데이터에서 모든 이상치를 제거하는 작업은 불가능하다. 따라서 이상치를 포함한 회귀 분석 방법을 연구하였고, 인공강우 발생기를 이용하여 광신호를 강우량으로 환산하는 2가지 회귀식이 유도되었다. 이들은 각각 이상치를 모두 포함시켜 독립변수(광신호)에 따라 종속변수(강우량)의 값이 변화하는 관계를 나타내는 선형회귀분석(model 1), 임계치를 정하여 일정 이상치가 제거된 신호만 통과시키는 대역통과 필터링 분석(model 2)으로 유도된 회귀식을 실강우에 회귀식을 적용하여 정확도를 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1036-1040
• /
• 2008

수질 개선을 위한 많은 노력과 투자를 하고 있다. 하지만 농경지의 부적절한 관리로 인한 토양유실로 발생하는 오염은 여전히 큰 비중을 차지하고 있다. 특히 강원도는 산이 많아 농경지의 대부분이 경사지에 위치하고 있다. 경사진 농경지는 그 특성상 토양유실이 일어나기 쉬운 조건에 있다. 경사지의 토양 유실은 지력을 저하시킨다. 또한 토양과 함께 유실되는 유기물 및 양분은 농경지의 손실이며 주변 수역으로 유입되어 수질 오염의 원인이 된다. 이런 토양 유실은 직접유출량과 큰 연관이 있다. 본 연구에서는 강우강도, 경사도, 피복도를 동일하게 조정할 수 있는 실내 인공강우 시험기를 사용하여 직접유출율을 산출하였다. 피복재료는 볏짚거적을 사용하였다. 강우강도는 30 mm/h와 60 mm/h 그리고 경사도는 10 %와 20 %를 사용하였다. 볏짚거적 피복처리는 0 kg/ha (나지), 3,000 kg/ha (볏짚 1겹), 6,000 kg/ha (볏짚 2겹), 10,000 kg/ha (볏짚 3겹) 이었다. 강우강도 30 mm/h, 경사도 10 % 인 시험포는 볏짚 1겹으로만 피복하여도 직접유출율이 0.77 %로 유출이 거의 발생하지 않았다. 강우강도 30 mm/h, 경사도 20 % 인 시험포의 직접유출율은 피복이 볏짚 1겹인 경우 16.9 %, 볏짚 2겹인 경우는 0 %로 매우 낮았다. 강우강도 60 mm/h, 경사도 10 % 인 시험포는 피복이 볏짚 2겹인 경우 3.4 % 로 매우 낮았다. 강우강도 60 mm/h, 경사도 20 % 인 시험포는 피복이 볏짚3겹인 경우 16.58 % 로 나타났으며, 볏짚 피복을 4겹 이상으로 할 경우 더 큰 저감 효과를 가져 올 수 있을 것으로 판단된다. 따라서 본 연구의 결과로 경사진 농경지의 직접유출량을 저감시켜 토양유실과 탁수를 줄이기 위한 방법으로 볏짚 피복을 선택하면 효과적인 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.