• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.227-227
• /
• 2021

하천수의 효율적인 관리와 균형적인 물배분을 위해 신뢰도 있는 하천수 사용량 계측자료가 필수적이다. 공업·생활용수는 유량계를 설치하여 취수량에 대한 신뢰도 있는 자료를 홍수통제소에 보고하고 있으나, 농업용수는 유량계 설치 지점이 적고, 수문조작 등의 간접적인 계측방법 허용으로 취수량 자료의 신뢰도가 낮은 실정이다. 본 연구에서는 만경강 상류의 취수보를 대상으로 시험 유역 운영 및 검증을 통해 직접 계측방법의 취수량 산정 정확도를 비교하였다. 적용한 직접 계측방법은 초음파법, 전자파법, 수위-유량관계법으로 산정된 취수량 자료간의 절대오차 비교를 통해 정확도를 평가하였다. 점단위 취수량 자료 비교시, 현장측정값 대비 초음파법 5.86%, 전자파법 7.28%, 수위-유량관계법 11.84%의 오차가 발생하는 것으로 산정되어 초음파법이 가장 높은 정확도를 가지는 것으로 나타났고, 일단위, 월단위 자료 비교시 기준값으로 설정하였다. 일단위 취수량 자료 비교시, 초음파법으로 산정한 일평균 취수량 대비 전자파법 6.62%, 수위-유량관계법 8.62%의 오차가 발생하였다. 월단위 취수량 자료 비교시, 초음파법으로 산정한 월평균 취수량 대비 전자파법 5.81%, 수위-유량관계법 11.03%의 오차가 발생하였다. 산정된 취수량의 정확도는 초음파법, 전자파법, 수위-유량관계법 순이다. 고가의 첨단 계측장비를 적용하여 연속적인 유속 계측을 통해 산정한 취수량이 신뢰도가 높은 것으로 나타났다. 농업용수는 사용시설별 취수량 규모 편차가 크기 때문에, 추후 중요도가 높은 사용시설과 비교적 낮은 시설간의 구분을 통한 직접 계측방법의 최적 선정 후속연구가 필요하다.

• 물과 미래
• /
• 제25권2호
• /
• pp.47-60
• /
• 1992

북한강 수계에 위치한 화천댐과 소양강댐을 홍수시 연계운영을 위하여 Incremental DP를 사용하여 최적운영모형을 개발하였다. 목적함수로는 의암댐 합류점의 첨두 유량을 최소화하는 것으로 하였으며 수리-수문학적 제약조건은 홍수시 댐조작에 관한 법령, 각 댐 및 하도특성을 고려하여 설정하였다. 특히, 2차 홍수에 대비하여 홍수가 끝나는 시점의 수위가 제한수위가 되도록 하였다. 또한 Incremental DP 모형의 운영결과와 Simulation 및 DP에 의한 단일댐 운영결과를 조절률과 이용률의 관점에서 비교하였고, 합류점의 첨두유량을 Feedback Loop를 이용한 Simulation 결과와 비교하였다. 운영결과 조절률과 이용률이 Simulation 및 DP에 의한 단일댐 운영결과보다 다소 낮게 나타났고, 합류점 유량이 Feedback Loop에 결과보다 크게 나타났는데 이는 홍수말기의 수위에 관한 제약조건 때문이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.