• Journal of Korea Water Resources Association
• /
• v.33 no.3
• /
• pp.341-350
• /
• 2000

The objectives of this study are to develop a state-space form of stochastic dynamic storage function routing model and to test the model performance for real-time flow forecast. The selected study area is the main Han River starting from Paldang Dam site to Indogyo station and the 13 flood events occurred from 1987 to 1998 are selected for computing model parameters and testing the model performance. It was shown that the optimal model parameters are quite different depending on Hood events, but the values used on field work also give reasonable results in this study area. It is also obvious that the model performance from the stochastic-dynamic model developed in this study gives more accurate and reliable results than that from the existing deterministic model. Analysis for allowable forecast lead time leads that under the current time step the reasonable predicted downstream flows in 5 hours time advance are obtained from the stochastic dynamic model on relatively less lateral inflow event in the study area.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.288-288
• /
• 2018

점착성 유사는 응집 현상을 겪는 유사로, 응집 현상(Flocculation Process)는 응집 과정(Aggregation Process)와 파괴 과정(Breakup Process)의 경쟁으로 이루어진다고 여겨진다. 응집 현상을 통해 점착성 유사는 물과 점착성을 띠는 작은 입자들의 덩어리인 플럭(Floc)을 형성하여 흐름 내에서는 대부분이 플럭의 형태로 이동한다. 점착성 유사의 응집 모형 중 하나인 플럭 성장모형(Floc Growth Model, FGM)은 상미분 방정식으로 시간에 따른 플럭의 크기를 계산하는 모형이다. 응집과 파괴의 평형 상태에서 평균 입경을 얻는다. 이러한 FGM은 낮은 수치 계산 비용으로 합리적인 계산 결과를 얻을 수 있으며, 유사 이동 모형 혹은 흐름 모형과의 결합이 수월한 장점을 가진다. 또한, 닫힌 계(Closed System)에서 질량이 보존되는 특징이 있다. 반면, 결정론적인 특성을 띠면서 특정 플럭 크기만을 계산하기 때문에 점착성 유사의 입도 분포에 대한 정보를 얻을 수 없다. 결정론적 특성을 띠는 FGM에 추계학적 방법을 적용함으로써 특정 확률 분포형을 가지는 플럭의 입도 분포를 얻을 수 있다. 본 연구에서는 기 개발된 추계학적 FGM과 유사 이동 모형의 결합을 통해 변화하는 유수동역학적 조건에서 플럭의 입도 분포를 산정하고자 한다. 이전의 많은 실험실 실험 결과들은 부유가 발생한 상태를 유지하면서 수행되는 것으로, 특정 난류 특성(난류 소산 매개변수)와 특정 유사 농도 조건에서의 입도 분포를 얻는다. 그러나 하구부 및 하천의 하류는 조류의 영향을 받는 구간으로, 점착성 유사의 특성을 분석하기 위해서는 변화하는 유수동역학적 특성에 관한 고려가 필수적이라 할 수 있다. 결합된 점착성 유사 입도 분포 모형은 플럭의 침강과 재부유를 고려할 수 있는 특징을 가지며, 실측자료와의 비교를 통해 입도 분포를 합리적으로 모의하는 것으로 나타난다. 본 연구에서 개발된 점착성 유사 입도 분포 모형은 나아가 비점착성 유사의 입도 분포 모형과의 결합을 통해 두 종류의 유사가 혼재하는 구간에서도 합리적인 입도분포와 유사의 이동을 모의할 수 있을 것으로 예측된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.289-289
• /
• 2018

하천의 유사는 이동 형태에 따라 소류사와 부유사로 분류되는데, 대부분의 자연하천에서 유사는 난류로 인해 부유사의 형태로 이송된다. 하천 흐름 내 부유사는 크기와 모양이 서로 다른 입자들로 구성되어 있으며, 부유사의 입도 분포는 유사의 특성 뿐 아니라 흐름의 유사 이동 능력과 같은 유수동역학적 특성 또한 함께 고려되어야 한다. 유사의 입도 분포는 통계적인 방법을 통해 결정되며, 일반적으로 모래 하천의 입도 분포는 로그 정규 분포를 따르는 것으로 알려져 있다. 이에 본 연구에서는 부유사의 입도 분포 모형을 이용하여 다양한 흐름 조건 하에서의 입도분포를 살펴본다. 비점착성 유사의 입도 분포 모형은 점착성 유사의 입도 분포 모형으로부터 얻어지며, 1차원 유사 이동 모형과의 결합을 통해 다양한 흐름 조건에서 부유된 유사의 입도 분포를 모의할 수 있다. 여러 연구결과를 분석한 결과, 부유사의 입도 분포는 최빈치가 하나인 단최빈 분포(Unimodal Distribution)가 대다수를 차지하였으나, 최대 빈도가 두 개 이상 나타나는 쌍최빈 분포(Bimodal Distribution) 또한 흔히 나타나는 것이 확인된다. 본 연구에서 개발된 비점착성 유사의 입도 분포모형은 단최빈 및 쌍최빈이 나타난 실험실 실험 자료를 이용하여 검증된다. 단최빈의 입도 분포를 나타내는 실험 결과 2가지와 쌍최빈의 입도 분포를 나타내는 실험 결과 2가지를 이용하였을 때, 총 4가지의 다양한 유수동역학적 조건 하에서 비점착성 유사의 입도 분포가 합리적으로 모의되는 것이 확인된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.282-282
• /
• 2017

모래, 실트 및 자갈과 같은 비점착성 유사는 하천에서의 이동 형태에 따라 소류사와 부유사로 구분된다. 부유사는 난류로 인해 흐름 내에서 부유 상태로 이동하는 유사로, 대부분의 자연 하천에서 유사는 부유사 형태로 이송된다. 유수동역학적 조건 하에서 이동하는 부유사의 입도 분포는 유사 입자의 부유와 퇴적에 따라 불규칙적으로 변화하기 때문에 여러 연구에서 주요한 문제로 다뤄지고 있다. 부유사의 입도 분포는 흐름 유속, 부유사의 부유 높이, 하상 재료의 특성 등에 따라 변화하며, 로그 정규분포를 따르는 것으로 알려져 있다. 이에 본 연구에서는 여러 다양한 하천 흐름 조건에서 부유사의 입도 분포를 모의할 수 있는 입도 분포 모형에 관한 개념적 틀(Framework)을 제안한다. 유사 입자의 입도 분포 모의는 추계학적 방법의 적용을 통해 얻어진다. 본래 점착성 유사의 입도 분포를 모의하기 위한 추계학적 입도 분포 모형으로부터 제안된 개념적 틀로, 다양한 흐름 조건 하에서 특정 확률 분포형을 띠는 입도 분포를 모의할 수 있다. 점착성 유사의 이동 모형에서는 점착성을 띠는 유사 입자들의 응집 현상에 따른 크기 변화를 모의하기 위한 응집 모형이 필수적이다. 시간에 따른 크기 변화를 모의하는 응집 모형에서, 흐름 내 여러 특성들에 의해 결정되는 응집 인자와 달리 파괴 인자의 경우 불규칙적 난류 운동으로 인해 무작위한 특성을 띤다. 모형에서 요구되는 파괴 인자를 특정 확률 분포형을 띠는 난수로 고려함으로써 점착성 유사의 입도 분포 모형이 개발되었다. 이 때, 점착성 유사는 프랙탈 구조를 가지는 것으로 가정하기 때문에 크기에 따라 밀도와 침강 속도가 변화한다. 반면 비점착성 유사는 크기에 따른 밀도 변화가 일어나지 않으므로, 고정된 밀도와 프랙탈 차원을 적용하여 점착성 유사의 입도 분포모형으로부터 비점착성 유사의 입도 분포 모의가 가능할 것으로 판단된다. 이러한 추계학적 방법의 적용을 통해, 하나의 경계 조건으로 대변되는 하상 특성에 따른 단점 또한 보완될 것으로 예측된다. 예를 들어 로그 정규 분포를 띤다고 가정할 때 보정을 통해 결정해야하는 변수는 평균과 분산으로 두 개가 요구된다. 유사의 평균 크기로부터 확률분포형의 평균값이 결정되면, 하상에 존재하는 유사의 특성에 따른 입도 분포의 분산은 난수의 분산을 결정함으로써 모의할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.116-116
• /
• 2012

하천유역 내의 인자를 이용하여 댐의 하천유량(stream flow)을 예측하는 일은 수문특성의 연구와 자연재해에 대한 대비 및 수공구조물과 방재시설의 설계 시 중요한 역할을 한다. 이러한 연구는 과거부터 활발히 이루어졌으며, 아직도 보다 높은 정확도의 결과를 얻기 위해 많은 연구들이 이루어지고 있다. 특히 기존의 유역 내 자료를 통해 비선형적 모델인 인공신경망(artificial neural network)을 이용한 하천유량을 예측하는 연구 역시 활발히 이루어지고 있다. 본 연구의 목적은 여러 유역인자들 중 하천유량에 가장 영향을 미치는 변수를 추출하고 보다 정확한 예측모델을 구축하는 것이다. 기존의 입력자료 선정기법중의 하나인 상호정보량(mutual information)과 수문기상자료의 비선형 동역학적 성분을 추출하는 웨이블렛 변환(wavelet transform)을 사용하여 인공신경망에 적용시켰다. 인공신경망을 적용하는 경우, 수문자료에 있어서 변수의 선택과 자료의 상태가 강우예측의 결과에 큰 영향을 미친다. 이러한 변수의 선택에 있어서 상호정보량을 바탕으로 한 인공신경망 입력변수 선택기법이 많이 사용되고 있다. 일반적으로 시계열자료는 경향성(trend), 주기성(periodicity) 및 추계학적 성분(stochastic component)의 선형조합으로 가정될 수 있으며, 특히 경향성과 주기성은 시계열 모형을 위해 제거되어야 할 결정론적 성분으로 취급한다. 즉. 수문 기상자료에 포함되어 있는 경향성과 주기성과 같은 비선형 동역학적 잡음(nonlinear dynamical noise)을 제거하고 입력자료의 카오스적 거동을 보이는 성분을 분리하기 위해 웨이블렛 변환을 사용하였다. 대상유역은 한강 유역에 포함되어 있는 충주댐으로 선택하였다. 유역 내 다양한 인자들과 하천유량사이의 상호정보량을 구해 영향력이 가장 큰 변수를 추출하고, 그 자료를 웨이블렛 변환을 적용하여 인공신경망의 입력자료로 사용하였다. 본 논문에서는 위와 같은 과정을 이용해 추정한 하천유량 결과와 기존의 방법인 상호정보량을 이용해 인공신경망을 적용한 결과를 실제자료와 비교하였다.

• Journal of Korea Water Resources Association
• /
• v.35 no.6
• /
• pp.817-826
• /
• 2002

Many researchers have been tried to forecast the future as analyzing data characteristics and the forecasting methodology may be divided into two cases of deterministic and stochastic techniques. However, the understanding data characteristics may be very important for model construction and forecasting. In the sense of this view, recently, the deterministic method known as nonlinear dynamics has been studied in many fields. This study uses the geometrical methodology suggested by Poincare for analyzing nonlinear dynamic systems and we apply the methodology to understand the characteristics of known systems and hydrologic data, and determines the possibility of forecasting according to the data characteristics. Say, we try to understand the data characteristics as constructing Poincare map by using Poincare section and could conjecture that the data sets are linear or nonlinear and an appropriate model.

• Journal of Wetlands Research
• /
• v.21 no.3
• /
• pp.236-243
• /
• 2019

Hydrologic time series has been analyzed and forecasted by using classical linear models. However, there is growing evidence of nonlinear structure in natural phenomena and hydrologic time series associated with their patterns and fluctuations. Therefore, the classical linear techniques for time series analysis and forecasting may not be appropriate for nonlinear processes. Daily streamflow series at St. Johns river near Cocoa, Florida, USA showed an interesting result of a low dimensional, nonlinear dynamical system but daily inflow at Soyang reservoir, South Korea showed stochastic property. Based on the chaotic dynamical characteristic, DVS (deterministic versus stochastic) algorithm is used for short-term forecasting, as well as for exploring the properties of the system. In addition to the use of DVS algorithm, a neural network scheme for the forecasting of the daily streamflow series can be used and the two techniques are compared in this study. As a result, the daily streamflow which has chaotic property showed much more accurate result in short term forecasting than stochastic data.

• Journal of Korea Water Resources Association
• /
• v.45 no.12
• /
• pp.1321-1330
• /
• 2012

In this study, the daily inflow at the basin of Chungju dam is predicted using wavelet-artificial neural network for nonlinear model. Time series generally consists of a linear combination of trend, periodicity and stochastic component. However, when framing time series model through these data, trend and periodicity component have to be removed. Wavelet transform which is denoising technique is applied to remove nonlinear dynamic noise such as trend and periodicity included in hydrometeorological data and simple noise that arises in the measurement process. The wavelet-artificial neural network (WANN) using data applied wavelet transform as input variable and the artificial neural network (ANN) using only raw data are compared. As a results, coefficient of determination and the slope through linear regression show that WANN is higher than ANN by 0.031 and 0.0115 respectively. And RMSE and RRMSE of WANN are smaller than those of ANN by 37.388 and 0.099 respectively. Therefore, WANN model applied in this study shows more accurate results than ANN and application of denoising technique through wavelet transforms is expected that more accurate predictions than the use of raw data with noise.

• Journal of Korea Water Resources Association
• /
• v.41 no.9
• /
• pp.959-967
• /
• 2008

Disaggregation techniques are widely used to transform observed daily rainfall values into hourly ones, which serve as important inputs for flood forecasting purposes. However, an important limitation with most of the existing disaggregation techniques is that they treat the rainfall process as a realization of a stochastic process, thus raising questions on the lack of connection between the structure of the models on one hand and the underlying physics of the rainfall process on the other. The present study introduces a nonlinear deterministic (and specifically chaotic) framework to study the dynamic characteristics of rainfall distributions across different temporal scales (i.e. weights between scales), and thus the possibility of rainfall disaggregation. Rainfall data from the Seoul station (recorded by the Korea Meteorological Administration) are considered for the present investigation, and weights between only successively doubled resolutions (i.e., 24-hr to 12-hr, 12-hr to 6-hr, 6-hr to 3-hr) are analyzed. The correlation dimension method is employed to investigate the presence of chaotic behavior in the time series of weights, and a local approximation technique is employed for rainfall disaggregation. The results indicate the presence of chaotic behavior in the dynamics of weights between the successively doubled scales studied. The modeled (disaggregated) rainfall values are found to be in good agreement with the observed ones in their overall matching (e.g. correlation coefficient and low mean square error). While the general trend (rainfall amount and time of occurrence) is clearly captured, an underestimation of the maximum values are found.