• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1047-1051
• /
• 2009

최근 기상이변으로 인한 돌발홍수의 빈번한 발생으로 인해 신속하고 정량적인 강우예측의 필요성이 대두되고 있으며 강우의 변화를 실시간으로 관측 및 예측할 수 있는 강우레이더의 활용성이 증가하고 있다. 이와 함께 격자형태로 제공되는 강우레이더를 효과적으로 활용하기 위해 분포형 수문모형의 개발 및 활용 연구가 수행되고 있다. 본 연구에서는 임진강 유역을 대상으로 레이더 강우자료와 1차원 분포형 수문모형인 GRM을 이용하여 2006년 7월 12일 강우사상에 대한 유출 모의를 수행하였다. 임진강 유역은 유역면적의 2/3가 북한지역으로 분포형 모형의 입력자료로 이용되는 수치공간자료의 구축이 용이하지 않으며 기 구축된 북한지역의 공간자료는 정확성 및 현시성 문제를 포함하고 있다. 본 연구에서는 임진강 전 유역을 대상으로 현시성 있는 공간자료를 수집/제작하고자 하였으며 SRTM DEM과 Landsat TM등의 위성영상 자료를 활용하여 분포형 모형의 매개변수를 구축하였다. 연구에 활용된 분포형 수문모형인 GRM은 GIS/RS를 기반으로 제작되는 7개의 격자형 공간자료와 레이더 강우자료를 입력자료로 이용하는 물리적 기반의 1차원 분포형 강우-유출 모형으로 GIS기반의 수자원분석시스템인 HyGIS의 확장모듈로 구동된다. 본 연구에서는 임진강 최하류 지점인 적성 수위표 관측소를 기준으로 매개변수를 보정하고 이를 전곡, 영중 지점에 적용하여 GRM 모형의 활용성을 평가하였으며 하도 최소경사, 최소하폭, 초기포화도 등 최소한의 매개변수 보정으로 실측값을 잘 재현하는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.349-349
• /
• 2021

일반적인 도시홍수모형은 수리-수문모형을 기반으로 한 홍수위 모형을 사용하고 있으나 강우사상이나 물리적 조건에 따라 모의시간의 변화가 있으며 경우에 따라서는 긴 모의시간이 소요된다. 알파고 이후 큰 관심을 갖게된 딥러닝을 이용한 데이터기반의 모의를 통해 수자원 부분에 적용하여 수위 예측을 진행하였다. 본 연구에서는 딥러닝을 이용하여 관측자료기반의 수위예측 연구를 수행하였다. 대상유역은 중랑천 유역으로 선정하였으며 2015년 ~ 2020년 사이의 10분단위 강우, 수위자료를 이용하였다. 지방자치단체에서 제공하는 강우, 수위자료의 경우 결측자료 또는 이상자료에 대한 보정이 미흡하여 기계학습을 통합 분석자료로 활용하는데 어려움이 있다. 이에, 결측 및 이상자료가 포함된 자료로부터 인위적으로 교란된 데이터 및 결측구간을 삭제한 데이터를 생성하여 자료의 시계열성을 제거하고, 딥러닝을 통한 수위 예측 결과를 정상 데이터를 적용한 결과와 비교하였다. 사용된 딥러닝 모형은 시계열 데이터 예측에 우수한성능을 보이는 LSTM모형과 GRU모형을 이용하였으며 RMSE, NSE를 이용하여 평가하였다. 본 연구에서는 결측자료 및 이상자료가 포함된 수문자료를 자료의 시계열성 제거를 통해 딥러닝 분석 입력자료 구성하기 위한 방안을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.114-114
• /
• 2021

본 연구에서는 Sentinel-1 SAR 센서 기반 이미지자료와 딥러닝기법을 이용하여 고해상도 토양수분을 산정하였다. 입력자료는 지표특성(모래함량, 점토함량, 경사도), 인공위성 기반의 강우와 LANDSAT 기반의 이미지자료(NDVI, LST, 공간분포 토양수분)를 사용하였다. 강우자료의 경우 GPM(Global Precipitation Measurement) 일강우 자료를 사용하였으며, 관측일 기준으로 5일전까지의 강우자료와 5일평균강우를 구분하여 사용하였다. LANDSAT 기반의 토양수분 이미지자료와 지점관측 토양수분을 이용하여 검·보정 이후 딥러닝 모형의 입력자료로 사용하였다. 입력자료는 30m × 30m 해상도로 Resample 하여 딥러닝 모형의 학습을 진행하였으며, 학습에 사용된 모형을 이용하여 Sentinel-1 기반의 고해상도(10m × 10m) 토양수분이미지를 산정하였다. 검증지점은 거창군 거창읍, 계룡시 두마면, 장수군 장수읍 및 무주군 무주읍 토양수분 관측지점을 선정하였다. 거창군 거창읍의 산정결과, LANDSAT 기반의 토양수분 이미지와 DNN 기반의 토양수분 이미지가 매우 유사하게 나타났으며, 모의값(DNN 기반 토양수분)이 실측값(LANDSAT 기반의 토양수분)을 잘 반영한 것(R: 0.875 ; RMSE: 0.013)으로 나타났다. 또한 학습모형을 토지피복이 유사한 지역에 적용하여 토양수분을 산정한 결과 검증지점 계룡시(R: 0.897 ; RMSE: 0.014), 장수군(R: 0.770 ; RMSE: 0.024) 및 무주군(R: 0.909 ; RMSE: 0.012)의 모의값이 실측값과 매우 유사한 것으로 나타났다. 이를 바탕으로 Seninel-1 SAR센서 이미지자료와 딥러닝기법을 연계한 고해상도 토양수분자료가 농업, 수문, 환경 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1498-1502
• /
• 2007

본 연구에서는 격자기반의 레이더강우 등과 같은 향후 제공될 분포형 강수를 활용하기 위해 국내 유역에서 GIS와 연계한 물리적 기반의 수문학적 분포형모형의 적용성을 검토하고, 향후 저수지 유입량 예측을 위해 수자원공사 현업에서 실시간 물관리에 사용하고 있는 개념적기반의 집중형모형인 Kwater홍수분석모형과 실시간 홍수조절을 목적으로 미국 오클라호마대학의 백스터교 수측에서 개발된 물리적기반의 분포형모형인 Vflo모형을 이용하여 낙동강권역의 남강댐유역을 대상으로 유출해석을 수행하여 양 모형의 구조적인 장단점 등을 비교분석하였다. 입력이 되는 분포형 강우는 지상관측강우, 레이더추정강우를 적용하였고, GIS수문매개변수를 ArcGIS 및 ArcView를 활용하여 DEM, 토지피복도, 토양도 등의 기본 GIS자료들로 부터 추출, 물리적기반의 분포형모형(Vflo)의 입력인자로 사용하여 모형의 초기설정을 향상시켰다. 모형에서 계산된 방법이 물리성을 구비하여 타당한 매개변수의 값으로 현실의 유출량을 재현할 수 있는지를 실제 유역 규모의 스케일로 검증하고자 하였으며 홍수기 댐유역의 유출모의를 위한 모형의 장단점을 파악하고 분포형모형의 향후 실용화 가능성을 검토하였다. 모형 수행 결과, 모형보정은 물리적기반의 분포형모형인 Vflo모형이 집중형모형인 Kwater모형에 비하여 GIS를 이용하여 지형공간 자료와 토양, 토지피복과 같은 물리적 특성을 사용한 모형의 초기 설정을 향상시킴에 따라 평균적으로 첨두유량에서 $\pm254\;cms$, 유출량에서 $\pm14\;mm$, 첨두도달 시간차에서 $\pm15$분 이내의 정확도 향상을 가져왔다. 물리적 기반의 분포형모형인 Vflo모형은 남강댐유역 대다수 관측소에서 별다른 매개변수의 보정없이도 합리적이고 유용한 결과를 보여주었다. 이러한 결과는 GIS와 연계한 물리적기반의 분포형모형이 향후 돌발홍수나 게릴라성 집중호우 등의 악기상에 대응하여 레이더 등의 정확하고 신뢰할만한 강우예측이 입력자료로 생성되었을 때 다목적댐 저수지 운영에 있어서 리드타임을 충분히 확보하여 안정적이고 예측가능한 홍수조절을 수행할 수 있는 가능성을 보여주었다고 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.268-268
• /
• 2011

최근 들어 격자 기반의 분포형 유출 모형에 대한 활용이 증가하면서 격자형 강우자료의 활용을 위한 전처리 과정의 중요성 또한 증대되고 있다. 격자 기반의 수문모형에서 활용하기 위한 격자형 강우자료는 유역 격자와 동일한 위치 및 격자 크기를 가진다. 격자형 강우자료는 텍스트 파일 혹은 GIS 레이어로 저장되며, 강우 기간에 대한 시계열 정보를 나타내므로 일반적으로 수십내지 수천 개의 파일로 구성된다. 본 논문은 격자 기반의 다수의 분포형 강우 파일을 사용목적에 맞게 생성 및 가공하기 위한 GRM(Grid based Rainfall-runoff Model) Tools의 활용에 대해서 기술한다. GRM Tools는 격자 기반의 물리적 분포형 강우-유출 모형인 GRM에서 자료 처리를 위해 제공하는 도구이다. GRM Tools에 포함된 기능 중 강우자료의 처리를 위한 기능은 지점 강우자료를 이용한 분포형 강우자료 생성, 레이더 강우자료의 보정, 기상위성 자료를 이용한 강우 생성, 임의 격자 및 유역 평균 강우량 시계열 자료 추출, 텍스트 파일 변환 및 처리 등이다. GRM Tools 에서는 이와 같은 강우자료 처리 작업을 다수의 파일에 대해서 일괄적으로 수행함으로써 격자 기반의 분포형 강우자료 생성 작업을 효율적으로 수행할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.288-288
• /
• 2021

수문 모델링을 이용하여 미계측 유역의 유출을 예측하고 나아가 수문 현상을 이해하기 위해서는 기존과는 다른 새로운 모형 보정 전략과 평가 방법이 필요하다. 위성 관측자료의 가용성 증가는 미계측 유역에서 수문 모형의 예측 성능을 확보할 기회를 제공한다. 유역 내 증발산 과정은 물 순환 과정을 설명하는 주요한 부분 중 하나이다. 또한 식생에 대한 정보는 증발산 과정과 밀접한 연관을 가지기 때문에 간접적으로 유역의 증발산 과정을 이해할 수 있는 중요한 정보이다. 본 연구는 미계측 유역의 하천유량을 예측하기 위해 위성 관측 기반의 식생 정보만을 이용하여 보정된 생태 수문 모형의 잠재력을 조사한다. 이러한 보정 방법은 관측된 하천유량 자료가 있어야 하지 않기에 미계측 유역의 하천유량 예측에 특히 유용할 것이다. 모델링 실험은 관측 하천유량 자료가 존재하는 5개의 댐 유역(남강댐, 안동댐, 합천댐, 임하댐)에 대해 수행되었다. 본 연구에서는 식생동역학이 결합 된 집체형 수문 모델을 이용하였으며, MODIS 잎면적지수(Leaf Area Index, LAI) 자료를 이용하여 모형을 보정하였다. 보정된 모형으로부터 생산된 일 유량 결과는 관측 유량 자료와 비교된다. 또한, 전통적인 관측 유량 기반의 모형 보정 방법과 비교된다. 그 결과 LAI 시계열을 이용한 모형의 보정으로 획득한 유량의 적합도는 남강댐, 안동댐, 합천댐 유역에서 KGE가 임계치 이상으로 나타나 만족스러운 결과를 보여주지만, 임하댐 유역은 KGE가 임계치 이하로 계산되었다. 그러나 해당 유역에 대해 관측 유량을 기반으로 모형 보정 결과 또한 좋지 않은 적합도를 보여주기에 이는 LAI 자료 기반 접근법의 문제가 아닌 입력정보 또는 모형 자체에 포함된 오차로 인해 해당 유역의 특성을 반영하기에 어려운 것으로 판단된다. 이러한 결과는 증발산 과정에 주요한 식생 정보의 제약만으로도 비교적 만족스럽게 유역의 수문 순환을 재현할 수 있다는 가능성을 보여준다.

• Journal of Korean Society of Transportation
• /
• v.20 no.2
• /
• pp.125-134
• /
• 2002

도시화물수요예측모형에는 화물기반모형과 트럭통행기반모형이 있는데 화물기반모형은 화물체계가 기본적으로 화물운송과 관계가 있다는 개념에 기초를 두고 있으며, 차량이 아닌 화물의 움직임을 주요 분석대상으로 삼고 있다. 반면에, 트럭통행기반모형은 집합화된 독립변수를 이용하여 각 죤(Zone)에 유·출입하는 트럭의 통행을 분석하는 것이다. 본 연구의 목적은 트럭통행기반모형의 O-D 추정시 화물통행과 트럭통행 사이의 관계식을 산출하고 이를 설명할 수 있는 통행거리분포함수(Trip Length Distribution : TLD)를 추정함에 있다. 본 연구의 자료는 교통개발연구원에서 수행한 '서울시 물류조사 및 물류종합계획수립구상(1998)'의 화물 물동량 조사 자료를 이용하였으며, 이를 통해 통행거리분포에 따르는 화물 및 차량의 비율을 함수로서 나타내었다. 본 연구를 통하여 트럭통행기반모형에서 트럭통행거리분포를 이용하여 화물기반모형에서 도출할 수 있는 화물의 통행거리분포를 추정할 수 있었으며, 또한 각각의 통행거리분포는 감마분포를 이용하여 함수식으로 도출하고 상기한 두 가지 분포모형을 하나의 관계식을 통해 재산정할 수 있는 이론적인 틀을 제공하였다는 데 의의가 있다고 하겠다. 트럭통행거리분포, 화물통행거리분포 모두 통계적인 검증을 통해 적합한 것으로 분석되었으며, 전체화물의 통행거리분포와 매개함수를 통해 재산정된 모형의 결과 값 또한 통계적으로 유의하였다. 품목별 적용에서는 잡공업품과 화학공업품은 본 연구의 매개함수식을 통해 화물거리분포 모형이 적합하였으나 금속공업 품과 경공업품은 다소 차이가 있는 것으로 분석되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.213-213
• /
• 2017

저수지 유입량은 효율적 저수지 운영을 위해 중요한 요소로, 이는 하류 하천 등과 복합적으로 연계되기에 통합적 수자원 관리를 위해서 정확한 추정이 중요하다. 국내의 일부 저수지에서는 상류에서 유입되는 유량을 측정하고 있으나, 모든 저수지에 대해 측정하기에는 현실적 한계가 있다. 한편, 한국농어촌공사에서는 유효저수량 10만톤 이상 저수지에 대해 수위 계측기를 설치하여 수위자료를 관측하고 있으며, 이는 수위-내용적 곡선을 통해 저수량으로 변환이 가능하다. 저수량 자료가 확보되면 물수지식 기반으로 간접적으로 유입량의 추정이 가능하나, 수위가 상승하는 구간에 대해서만 적용이 가능하기에 연속적인 자료의 확보에 한계가 있다. 이 경우 불연속 유량자료를 대상으로 수문모형의 매개변수를 최적화하여 장기간 연속자료로 변환하는 것이 한 방안이 될 수 있다. 본 연구에서는 저수지 수위 기반으로 추정된 간헐적 유입량 자료를 기반으로 수문모형의 매개 변수를 최적화하여 장기유량으로 변환하고자 한다. 수문 모형과 매개변수 최적화 기법은 각각 Tank 모형과 SCE (Shuffled Complex Evolution) 기법을 이용하였다. 매개변수 최적화를 위한 목적함수는 고유량 저유량 총량 분산 관련 지표에 가중치를 부여한 다중 목적함수로 설정하였으며, 이를 통해 도출된 다양한 매개변수 후보군 중 고유량 저유량 총량 유황곡선의 유사정도가 전반적으로 일치하는 매개변수 군을 선택하였다. 본 연구 결과는 미계측 저수지 유입량을 추정할 수 있음으로써 저수지의 효율적인 물관리와 용수관리 의사결정에 활용할 수 있을 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.114-119
• /
• 2009

본 논문에서는 수량화 방법과 AHP(Analytic Hierarchy Process) 기법을 사용하여 산사태 발생에 대한 통계적 예측모형을 구축하는데 목적이 있다. 수량화(Quantification) 방법은 질적변수에 수량을 부여하는 통계적 방법으로, 기 조사된 자료에 기반하여 분석을 수행하는 방법이다. 본 논문에서는 서구의 다변량분석 기법인 정준상관분석의 결과를 토대로 수량화 과정을 구체적으로 제안한다. 데이터에 기반한 수량화 방법과는 달리 AHP(Analytic Hierarchy Process) 기법은 일종의 다기준 의사결정을 위해 사용되는 기법으로, 설문자료에 기반한 분석법이다. 실제자료에 대한 분석으로 산사태 발생여부를 측정한 자료(한국지질자원연구원 제공)와 전문가 설문을 통해 수집된 자료를 이용하였다. 이들 자료에 대해 수량화 분석과 AHP분석을 통해 산사태 발생여부를 예측할 수 있는 두 종류의 평가표와 함께 로지스틱 회귀를 통한 통계적 예측모형을 개발하였으며, 두 모형간의 성능비교와 안정성 평가를 수행하였다.