• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.39-39
• /
• 2019

인구의 도시 집중화로 인하여 다량의 생활용수의 사용에 따라 하천의 자정능력을 초과하여 오염을 유발시키고 있다. 이에 도시하천들의 오염은 점점 심해져 경제적으로 많은 문제를 유발하고 있다. 이러한 하천오염 문제를 과학적으로 대응하기 위해서는 오염물질의 농도 측정 및 데이터 축척을 통한 오염예측이 필수적이라 할 수 있으며, 부산광역시 보건환경정보 공개시스템에서는 하천수질 자동측정망을 설치하여 시간 단위로 오염물질을 측정하고 있다. 그러나 온천천의 하천수질 데이터는 계속 쌓여가고 있는데 이 데이터를 활용해서 하천수질 인자 예측이 거의 이뤄지지 않고 있다. 본 연구에서는 순환신경망 알고리즘을 활용하여 일 단위의 하천수질 인자 예측을 시도하였다. 순환신경망은 인공신경망의 발전된 형태인 시계열 학습에 강한 RNN, LSTM 알고리즘을 활용한 일단위 하천수질 인자 예측을 하고자 하였다. 연구에 앞서 시간 단위로 쌓여있는 데이터를 평균 내어 일 단위로 변경하였고 이 데이터를 가지고 일 단위 하천수질 인자 예측을 진행하였다. 연구에는 Google에서 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하여 DO, 탁도 등 항목을 예측하였다. 하천오염의 학습과 예측을 위해 대상지로는 부산지역 온천천의 부곡교, 세병교, 이섭교 관측소를 선택하였다. 연구를 위해 DO, 탁도 등 자료 수집은 부산광역시 보건환경정보 공개시스템의 자료를 활용하였다. 모형의 학습을 위해 입력자료로는 하천수질 인자 자료를 이용하였고, 자료의 학습에는 2014년~2017년 4년간의 자료를 학습자료로 사용하였고, 2018년 1년간의 자료는 모형의 검증을 위해 사용하였다. RNN, LSTM 알고리즘을 활용하여 분석 시 은닉층의 개수, 반복시행횟수, sequence length 등의 값을 조절하여 하천수질 인자 예측을 하였다. 모형의 검증을 위해 $R^2$(r square)와 RMSE(root mean square error)을 이용하여 통계분석을 실시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.288-288
• /
• 2020

우리나라의 1시간 간격으로 측정되고 있는 지하수 관측망의 지하수위의 변동성은 강우, 양수, 하천, 지표피복에 의한 영향 등 다양하게 나타날 수 있다. 현재 한국수자원공사 및 한국농어촌공사에서 운영중인 지하수 관측망 중에서 지하수위의 변동 양상이 일반적(계절변동, 강우반응 변동 등)이지 않은 것으로 파악되는 101개소(국가지하수관측망 62개, 4대강보 주변 관측망 5개, 해수침투 관측망 15개, 농촌지하수관리관측망 19개)를 대상으로 현장조사를 실시하고 관측정 주변의 특성과 지하수위 변화와의 관계를 정성적으로 분류하여 보았다. 현장 조사는 지하수 관측정 주변 반경 100 m를 대상으로 하였으며, 기존 우물의 존재 및 규모, 지표 피복 상태, 인근 하천과의 관계(표고차, 하천의 규모, 보의 존재 등), 지형적 이상 특성, 저수지 분포 등을 조사하였다. 조사 대상 지하수 관측정 중에서 주변의 인위적인 요인(양수 영향, 하천수위 조절 영향, 지표 피복 변화, 저수지 수위 조절 등)에 의한 변동으로 확인된 것은 총 89개에 해당한다. 이와 같은 지하수위의 이상 데이터는 지하수 모델링, 함양량 산정과 같은 추가적인 분석에 오류를 발생할 수 있으므로 인공신경망 또는 통계 기법을 활용하여 보정하는 과정이 필요해 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.102-102
• /
• 2020

자연 유역은 오랜 시간에 걸쳐 효율적인 하천망을 형성해왔다. 이와 유사하게 도시 유역의 배수관망은 강우 시 유역 내 강우를 빠르게 배수하는 것을 목적으로 발전해 왔다. 본 연구에서는 깁스모형을 이용하여 오랜 시간에 걸쳐 형성된 자연 유역의 하천망과 빠른 배수를 목적으로 인위적으로 형성된 도시 유역의 배수관망 간의 특성을 분석하여 비교하였다. 깁스모형은 추계학적 네트워크 모형으로, β 값을 기준으로 총 8 단계로 구분하여 네트워크 특성을 확인할 수 있다. 본 연구에서는 미국 중서부의 70 개의 자연 유역과 국내 도시 유역인 서울특별시의 총 239개의 유역에 깁스모형을 적용하였다. 깁스모형을 이용하여 자연 유역의 하천망과 도시 유역의 배수관망 간의 네트워크 특성을 비교 분석하였다. 본 연구의 결과로 자연 유역과 도시 유역의 네트워크 특징을 확인하고, 재해로부터 안전하고 지속가능한 도시 배수관망 설계 및 도시 방재 관련 사업 수립에 도움을 줄 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.858-863
• /
• 2006

본 연구에서는 금강유역을 대상으로 GIS기법에 의해 1:5,000 NGIS자료로부터 DEM과 하천망을 생성하였고, 이를 이용하여 하천차수별 하천수, 하천연장과 평균하천연장의 하천특성인자와 유역면적, 유역평균폭, 최원유로연장, 하천총수, 총하천연장, 수계밀도, 수계빈도, 형상인자, 평균표고, 평균경사, 최대하천차수, 유역내 최고표고, 기복비 등의 유역특성인자들을 추출함으로써 수자원단위지도 기반의 단위유역별 지형학적 특성을 파악하였다. 또한 대상유역을 금강권역상류, 금강권역중류, 금강권역하류유역으로 구분하여 지형학적 인자를 추출하고 그 특성을 분석하였으며, 선형 및 비선형 회귀곡선을 이용하여 인자들 간의 상관관계를 분석함으로써 각 유역을 특징짓는 주요 인자들을 추출하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.540-540
• /
• 2015

유역의 하천관리 및 홍수관리를 위하여 강우량을 정확하게 예측하고자 많은 수문학자들에 의해 강우량을 예측하는 연구를 진행하였다. 강우를 예측하기 위한 여러 가지 방법 중 인공신경망을 이용하여 강우를 예측하는 선행연구들을 살펴볼 수 있었다. 그러나 기존에 강우량을 예측하는 사례들을 살펴보게 되면, 강우사상이 발생된 후 강우량 예측은 비교적 높은 정확도를 가지고 있으나, 강우가 발생하기 시작하는 시점에 대한 강우량 예측은 그 정확성이 떨어지는 것을 확인할 수 있었다. 이에 본 연구에서는 무강우 기간에도 보다 정확하게 강우량을 예측할 수 있는 인공신경망 모델을 제안하고자 한다. 이를 위해 강우량 이외에도 기온, 풍속, 습도, 증기압, 전운량을 인공신경망의 입력자료로 활용하고자 하였다. 입력자료을 구성을 여러 가지 CASE로 구분하여 부산지점의 강우량을 예측하고 그 정확성을 평가하고자 하였다. 이 때, 사용되는 자료는 기상청 부산지점에서 제공하고 있는 1시간 간격자료를 적용하였다. 본 연구를 통해 개발된 인공신경망 모형을 이용하여 예측된 강우량은 부산 내에 위치한 하천관리 뿐 만 아니라 하천의 홍수 예 경보에 필요한 기초적인 자료로 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.291-291
• /
• 2011

우리나라는 기상학적 지리학적 영향으로 여름철에 강우가 집중하여 내리며 최근에는 짧은 시간에 많은 양의 강우가 내리는 집중호우의 발생빈도가 증가하고 있다. 이러한 집중호우는 하천의 수위를 증가시켜 하천범람 및 제방붕괴의 위험을 가져와 많은 재산과 인명피해를 가져올 수 있다. 하천 수위의 예측은 기존에 물리적, 개념적 모형을 통해 강우-유출을 해석하는 과정에서 주로 다루어 졌다. 그러나 자연현상인 강우와 유출관계를 규명하는 과정은 지역의 다양한 특성, 강우의 시 공간적 분포 등 복잡하고 다양한 인자를 고려해야 한다는 문제와 부딪쳐 많은 어려움을 겪어왔다. 따라서 본 연구에서는 복잡한 비선형 과정들의 모형화가 가능한 인공 신경망 모형을 이용하여 수위예측 모형을 구성하고 100mm이상의 강우가 연속해서 내린 호우사상을 훈련시켜 집중호우 발생시 수위예측에 활용하고자 하였다. 이를 위해 구성된 인공신경망 모형을 금강유역 보청천에 적용한 결과 중소하천유역인 보청천 유역의 홍수위 예측에 적용이 가능함을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.563-563
• /
• 2016

국내 강우발생은 기상학적인 영향으로 인하여 장마기간(6~8월)에 집중되어있으며, 최근에는 기후변화의 영향으로 짧은 시간에 많은 양의 강우가 발생하는 집중호우의 발생빈도가 증가하고 있다. 또한, 시간과 지역에 관계없이 국지성호우의 발생빈도 역시 높아지고 있다. 집중호우와 국지성호우는 짧은 시간에 하천수위를 상승시키므로 홍수로 인한 물적 피해가 크게 발생된다. 국토교통부에서는 그동안 홍수예보에 필수적인 우량, 하천수위 등 기초자료를 확보하기 위해 관측소(500여개) 및 홍수량 측정지점(80여개)을 확대하였으며, 관측된 자료는 모두 전산망에 기록, 보관하고 있다. 또한 한강, 금강, 낙동강, 영산강의 경우 홍수통제소에서 홍수량 예측 계산 등을 통해 홍수 예경보를 실시하고 있다. 하지만 4대강을 제외한 중소하천의 홍수예경보에 대한 정보를 찾아볼 수 없으며, 현재 연구가 진행중이다. 강우-유출모형을 활용하여 중소하천의 강우와 유출의 관계를 해석하는 과정은 다양한 인자를 고려해야하지만 중소하천의 경우 하천단면 등 하천자료가 충분히 구축되어 있지 못하므로 유출량 계산에 많은 어려움을 겪고 있다. 이에 본 연구에서는 중소하천의 홍수위 예측을 위해 한강의 과거 수위와 현재 수위만을 활용하여 인공신경망(Artificial Neural Network, ANN)의 학습을 진행하였다. 첫 번째로 ANN을 활용하여 한강유역 중 홍수예보지점(잠수교)의 수위변화에 직접적으로 연관이 있는 5개 수위관측소를 선정하였으며, 과거 장마기간(6~8월)관측 자료를 활용하였다. 두 번째로 홍수예보지점(잠수교)과 5개 수위관측소의 과거 관측수위(2009~2014년)를 인공신경망의 학습자료로 활용하여 모델을 훈련시켰으며, 마지막으로 2015년의 관측수위를 이용하여 ANN의 학습정확도에 대한 검증을 하였다. 본 과정은 수위예측을 위한 ANN의 훈련단계로 Training/Test를 반복하였으며, 학습결과와 2015년 관측수위 비교시 $R^2=0.987$과 상관계수 r=0.994로 유사한 패턴을 보였으나 최대치와 최소치에 대한 오차가 있음을 확인하였다.

• Journal of the Korean GEO-environmental Society
• /
• v.3 no.4
• /
• pp.11-17
• /
• 2002

The purpose of this study is the prediction of pollutant loads into Seomjin river watershed using neural networks model. The pollutant loads into river watershed depend upon the water quantity of inflow from the upstream as well as the water quality of the inflow into the river. For the estimation of pollutants into river, a neural networks model which has the features of multi-layered structure and parallel multi-connections is used. The used water quality parameters are BOD, COD and SS into Seomjin river. The results of calibration are satisfactory, and proved the availability of a proposed neural networks model to estimate short-term water quality pollutants into river system.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.79-79
• /
• 2022

수치표고모형(digital elevation model)으로부터 추출한 하천망이 실제를 제대로 대변하기 위해서는 정확한 하천시점을 지정하는 것이 필요하다. 그러나, 아직까지 범용적으로 활용할 수 있는 하천시점 결정 방법은 개발되지 못한 실정이다. 하천시점의 결정 방법에 관한 연구가 미비한 근본적인 이유는 실측을 통한 하천시점 자료가 매우 부족하기 때문이다. 또한 하천시점의 위치를 조사하였더라도 하천시점은 시간에 따라 변화할 수 있기 때문에 일회성 하천답사로 하천시점의 위치를 단정할 수 없다. 이 연구는 실측을 통해 하천시점 결정요인에 대하여 이해를 구하는 것을 목표로 한다. 무갑천을 대상으로 하여 네 차례(2월, 4월, 5월, 8월) 현장답사를 수행하여 하천시점 위치를 파악하였다. 하천시점의 개수와 위치가 변화하는 것을 관찰하였고, 2월부터 5월까지 하천시점은 상류로 팽창하는 양상을 보이다 8월에 하류방향으로 수축하는 형태를 나타냈다. 이러한 거동의 원인으로는 2월부터 5월까지유역 내 식생 발달이 비교적 적고 강수량이 증가하여 하천시점이 팽창된 것으로 파악되었며, 8월에는 강수량이 이전의 조사기간 보다 증가하였으나 식생이 활발히 발달하여 하천시점이 수축된 것으로 파악되었다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.8 no.4
• /
• pp.91-101
• /
• 2005

To determine stream network and watershed boundary using DEM, it is necessary to remove sink and flat area in proper way. There are filling algorithm and breaching algorithm to remove sink and Jenson and Domingue algorithm, relief algorithm and combined gradient algorithm to determine flow direction in flat area. In this study, the algorithms are reviewed. The computer program which uses filling algorithm with breaching algorithm and combined gradient algorithm to remove errors in DEM is developed. The results from this program are compared with Arc/Info which uses filling algorithm and Jenson and Domingue algorithm. The characteristics of stream network extracted from the DEM are analyzed. They are compared with the stream from NGIS map for stream morphology and characters by stream order to examine the value of this study.