• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.73-73
• /
• 2015

자연 하천의 홍수 유량 측정은 매우 어렵고 많은 비용과 시간, 노력을 요하는 작업이다. 보다 안전하고 경제적인 유량 측정의 대안으로 제시된 것이 하천 표면의 영상 분석을 이용하는 표면영 상유속계이다. 본 연구는 안드로이드 기반의 스마트폰을 이용한 실시간 표면영상유속계를 개발하는 것이다. 스마트폰에 내장된 카메라, GPS, 방향 센서, CPU를 활용하여, 실시간으로 현장에서 하천의 표면유속을 측정하는 것이다. 먼저, 스마트폰의 GPS를 이용하여 측정 현장의 위치를 잡고, 경사계(방향 센서)를 활용하여 카메라와 촬영면의 기하적인 관계를 설정한다. 수표면과 카메라의 높이차만을 입력하고, 측정된 카메라의 경사에서 하천 수표면의 위치관계를 추정할 수 있는 카메라 모형을 작성하였다. 이 방법을 이용함으로써 기존 표면영상유속계의 단점 중 하나인 참조점 보정이 필요없도록 하였다. 내장된 카메라로 정해진 시간(3초) 동안 동영상을 촬영하고, 촬영된 동영상은 개방 소스의 영상처리 라이브러리인 JavaCV를 이용하여 프레임별로 분할하고, 이를 시공간 영상 분석하여 하천 표면의 2차원 유속장을 추정한다. 영상의 시공간 분석에는 상호상관 시공간분석법을 이용하였다. 모든 코드는 안드로이드 운영체제에서 실행되도록 Java로 작성하였다. 시판되는 안드로이드 스마트폰에 적용하여 현장 시험한 결과 3초간의 영상 처리에 5초 정도를 소요하여, 거의 실시간으로 유속을 측정할 수 있었다. 또한 유속 측정 오차는 일반적인 영상 처리의 오차인 5% 내외였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.221-221
• /
• 2017

본 연구에서는 국내는 물론 전 세계적으로 널리 사용되고 있는 SWAT 모형을 대상으로 하천 단면 관련 입력변수가 유량 및 수질 모의에 미치는 영향을 분석하였다. 본 연구에서는 남한강 상류 충주댐 유역을 연구대상지역으로 연구를 진행하였으며, 충주댐 유역 내 소유역 중에서 국립환경과학원에서 국내 하천을 대상으로 구축한 한국형 Reach File(KRF) 내 실측 하천단면 정보가 존재하는 소유역에 대하여 실측 하천단면 정보를 적용하였다. 또한 본 연구를 위해 사용자가 구축한 소유역별 하천단면 정보 입력 자료를 통해 수문 및 수질 모의가 가능하도록 기존 SWAT 모형의 엔진 소스코드를 개선하였다. 유역 최종 유출구와 KRF의 실측 하천단면 정보를 적용한 소유역의 유량과 수질(유사량)에 대해서 실측 하천단면 정보 적용 전과 후의 모의 결과를 비교한 결과 유역 최종 유출구에서는 유량 및 유사량 모두 큰 변화는 나타나지 않았다. 이는 전체 유역 중 실제 하천단면 정보를 적용한 소유역의 비중이 작기 때문으로 판단되었다. 하지만 하천단면 정보를 적용한 소유역에서는 유량 및 유사량 모두 적용 전/후 차이가 나타났다. 특히 저유량 부분에서의 유사량이 큰 변화를 나타냈다. 하지만 본 연구에서 실측 하천단면 정보를 적용한 소유역은 유량 및 수질관측소가 위치하지 않는 미계측 유역으로써 실제 유량 및 수질 모의 정확도 향상 여부에 대한 평가가 불가능하였다. 따라서 향후 유량 또는 수질 관측이 이뤄지고 있는 계측 유역을 대상으로 실제 모형 모의 정확도 향상 여부에 대한 분석이 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.445-445
• /
• 2018

기후변화에 따른 환경오염은 21세기 인류에게 가장 심각한 문제 중의 하나로 대두되고 있다. 환경적인 측면에서 하천오염은 경제적으로 많은 문제를 발생시키고 있다. 이러한 하천오염 문제를 해결하기 위해서는 오염물질의 농도 측적 및 데이터 축적이 필수적이라 할 수 있다. 그러나 일반적으로 오염물질 부하량에 대한 직접적인 측정은 비용 측면에서 쉽지 않은 것이 사실이다. 또한 실시간으로 BOD, COD, TN, TP 등의 자료를 이용하여 예측하는 것에는 자료의 부족성으로 인해 한계가 있다. 본 연구에서는 구글의 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하여 기계학습을 통한 하천오염 예측을 목적으로 하고 있다. 기계학습을 위하여 텐서플로우를 활용하여 RNN, LSTM 인공신경망 모형을 구축하였다. 하천오염의 학습과 예측을 위해 결과치 분석을 위한 자료로는 금강 유역에 위치한 옥천 관측소 충청북도 옥천군 이원면 이원대교에 위치한 $36^{\circ}14'31.0''N$ $127^{\circ}40'02.6''E$의 관측소에서 BOD, COD, DO, 부유물질의 자료를 사용하였다. 모형의 학습을 위해서 입력자료는 수위, 유량, 평균기온, 평균풍속 자료를 2004년 ~ 2017년까지의 14년간의 자료를 사용하였다. 연구를 위해 BOD, COD, DO 부유물질 자료는 물환경정보시스템(http://water.nier.go.kr/)의 자료를 활용하고 수위, 유량등의 자료는 국가수자원관리종합정보시스템 (http://www.wamis.go.kr/)의 자료를 사용하였다. 그러나 수온, 수위, 풍속등의 자료는 일 자료가 있는가 반면 BOD, COD, TN, TP등의 자료는 일 자료가 있지 않아 이를 원활히 활용할 수 있도록 예측을 위한 결과치의 선형보간법을 통해 일 자료를 획득한 후 연구를 하였다. RNN, LSTM의 분석 시 학습속도, 반복시행횟수 sequence length의 길이 등의 값을 조절 하면서 결과치를 분석하였다.

• Journal of Korea Water Resources Association
• /
• v.49 no.6
• /
• pp.469-480
• /
• 2016

The present study aims to develop a real-time surface image velocimeter (SIV) using an Android smartphone. It can measure river surface velocity by using its built-in sensors and processors. At first the SIV system figures out the location of the site using the GPS of the phone. It also measures the angles (pitch and roll) of the device by using its orientation sensors to determine the coordinate transform from the real world coordinates to image coordinates. The only parameter to be entered is the height of the phone from the water surface. After setting, the camera of the phone takes a series of images. With the help of OpenCV, and open source computer vision library, we split the frames of the video and analyzed the image frames to get the water surface velocity field. The image processing algorithm, similar to the traditional STIV (Spatio-Temporal Image Velocimeter), was based on a correlation analysis of spatio-temporal images. The SIV system can measure instantaneous velocity field (1 second averaged velocity field) once every 11 seconds. Averaging this instantaneous velocity measurement for sufficient amount of time, we can get an average velocity field. A series of tests performed in an experimental flume showed that the measurement system developed was greatly effective and convenient. The measured results by the system showed a maximum error of 13.9 % and average error less than 10 %, when we compared with the measurements by a traditional propeller velocimeter.

• Progress in Medical Physics
• /
• v.24 no.4
• /
• pp.253-258
• /
• 2013

The purpose of this study is to evaluate and analyze the relationship between the external radiation dose reconstruction which is transmitted from the patient who receives radiation treatment through electronic portal imaging device (EPID) and the internal dose derived from the Monte Carlo simulation. As a comparative analysis of the two cases, it is performed to provide a basic indicator for similar studies. The geometric information of the experiment and that of the radiation source were entered into Monte Carlo n-particle (MCNPX) which is the computer simulation tool and to derive the EPID images, a tally card in MCNPX was used for visualizing and the imaging of the dose information. We set to source to surface distance (SSD) 100 cm for internal measurement and EPID. And the water phantom was set to be 100 cm of the source to surface distance (SSD) for the internal measurement and EPID was set to 90 cm of SSD which is 10 cm below. The internal dose was collected from the water phantom by using mesh tally function in MCNPX, accumulated dose data was acquired by four-portal beam exposures. At the same time, after getting the dose which had been passed through water phantom, dose reconstruction was performed using back-projection method. In order to analyze about two cases, we compared the penetrated dose by calibration of itself with the absorbed one. We also evaluated the reconstructed dose using EPID and partially accumulated (overlapped) dose in water phantom by four-portal beam exposures. The sum dose data of two cases were calculated as each 3.4580 MeV/g (absorbed dose in water) and 3.4354 MeV/g (EPID reconstruction). The result of sum dose match from two cases shows good agreement with 0.6536% dose error.