• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.889-893
• /
• 2005

본 연구에서는 기후변화에 따른 신뢰성 높은 수자원 영향평가를 수행하기 위한 방안으로 유출모형에 따른 불확실성을 최소화할 수 있는 슈퍼앙상블 기법을 제안하였다. 유출모형들은 자연현상을 개념화하는 과정에서 목적에 따라 알고리즘이나 구조가 다르게 개발된다. 따라서 동일한 유역에 동일한 입력자료를 사용하더라도 유출모의 결과는 상이하며 이는 곧 불확실성으로 작용한다. 이러한 불확실성을 최소화하기 위한 방법으로 본 연구에서는 통계적기법인 인공신경망 모형을 이용하여 모형별 유출결과를 향상시킬 수 있는 슈퍼앙상블 기법을 개발하고 적용성을 분석하였다. 적용 대상유역으로는 한강수계에 위치한 괴산댐유역을 선정하였으며, 적용 모형으로는 일체형 모형인 Tank 모형과 준분포형 모형인 PRMS 모형을 이용하여 슈퍼앙상블을 구축하고 검정하였다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.685-688
• /
• 2004

본 연구에서는 저수지군 연계운영을 위한 표본 추계학적 선형 계획(SSLP, Sampling Stochastic Linear Programming) 모형을 제안한다. 일반적 추계학적 모형은 과거 자료로부터 확률변수의 확률분포를 추정하고 이를 몇 개 구간으로 나누어 이산 확률 값을 산정하여 기댓값이 최대가 되는 운영방안을 도출하지만 저수지 유입량 예측시 고려되어야할 지속성 효과(Persistemcy Effect)와 유역간 또는 시점별 공분산 효과(The joint spatial and temporal correlations)를 반영하는데 많은 한계가 있다. 이를 극복하기 위하여 과거자료 자체를 유입량 시나리오로 적용하여 시${\cdot}$공간적 상관관계를 유지하는 표본 추계학적(Sampling Stochastic)기법을 바탕으로 Simple Recourse Model로 구성한 추계학적 선형 계획 모형을 제시한다. 이 모형은 미국 기상청(NWS)에서 발생 가능한 유입량의 시나리오를 예측하는 방법인 앙상블 유량 예측(ESP, Ensemble Streamflow Prediction)을 통한 시나리오를 적용함으로써 좀더 신뢰성 있는 저수지군 연계운영 계획을 도출 할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.267-271
• /
• 2004

2000년도 국내에 소개된 앙상블 유량예측은 한반도 유출특성을 고려한 예측시스템 구축을 위해 꾸준한 수정과 보완을 반복하며 약 5년간의 연구가 진행되었다. 앙상블 유량예측의 연구방향은 크게 예측의 정확성을 향상시키기 위한 이론적 인구와 수자원 계획과 관리에 활용될 수 있도록 GUI를 포함한 유량예측시스템을 구축하는 등의 실무적 연구가 함께 진행되고 있다. 앙상블 유량예측의 정확성을 향상시키기 위해 갈수기에 강우-유출모형의 모의능력을 개선해야 하며, 홍수기에는 기상예보를 효율적으로 이용해야 한다는 기본 전략을 수립하였다. 최근 강우-유출모형의 모의능력을 개선하기 위해 신경망 강우-유출모형을 구축하고, 기존 강우-유출모형의 모의결과를 보정하거나, 두개 이상의 모형을 결합함으로서 유량모의능력을 개선하여 갈수기 앙상블 유량예측 정확성을 향상시킬 수 있음을 증명하는 성과를 거둔 바 있다. 향후 앙상블 유량예측의 연구 방향은 기상예보자료의 적극적인 활용에 초점을 맞추고 있다. 최근 ENSO(El Nino Southern Occillation), PDI(Pacific Decadal Idex) 등 다양한 기후정보의 새로운 발견과 GCM 등 기후모형의 급속한 개선으로 기후 예측의 정확도가 높아지고 있는 추세이므로, 이를 이용하여 홍수기 앙상블 유량예측의 정확도 개선을 목표로 인구가 진행될 전망이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.272-276
• /
• 2004

이수기와 같이 장기적인 관점에서 저수지운영을 해야 하는 관리자는 해당 기간동안의 이익을 최대화하는 전략을 필요로 한다. 이를 위해서는 미래 유입량의 불확실성을 고려한 최적화 모형에 근거한 운영률을 수립해야 할 것이다. 본 연구에서는 금강수계의 이수기를 대상으로 추계학적 최적화 기법인 표본 추계학적 동적계획법(Sampling Stochastic Dynamic Programming)을 적용하여 최적 연계운영 시스템을 개발하였다. 본 연구를 통해 개발된 모형은 상용프로그램인 CSUDP와의 비교를 통해 검증되었으며 이를 기반으로 과거자료를 이용한 SSDP/Hist모형과 앙상블 유량예측(Ensemble Streamflow Prediction)을 이용한 SSDP/ESP모형을 개발하여 두 모형의 장${\cdot}$단점을 비교 분석하였다. 발전부분은 두 모형이 비슷하였으나 용수공급 측면에서는 SSDP/ESP가 SSDP/Hist 보다 우수함을 알 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.411-411
• /
• 2015

유량예측의 가장 주된 목적은 가뭄과 홍수와 같은 수해방지를 위해 통합수자원관리를 수행하는데 있다. 이런 유량예측을 위해 다양한 기법들로 예측이 수행되고 있으며, 예측기간과 필요 정확도에 따라 초단기, 단기, 중 장기 예측 등으로 구분할 수 있다. 유량예측에 사용되는 기법들은 기후변화 시나리오와 같이 예측된 강우자료를 이용하여 유출량을 예측하는 방법이 있으며, 통계적인 방법으로 과거자료들을 활용하여 미래의 유량을 예측하는 방법이 있다. 본 연구에서는 ESP 기법을 이용하여 금호강 유역의 월 단위(30일) 유량을 예측하고자 한다. 앙상블 유량예측기법(ESP; Ensemble Streamflow Prediction)이란 현재의 유역상태를 초기조건으로 사용하고 과거의 온도나 강수 등의 시계열 앙상블을 강우-유출모형에 입력하여 유출량을 앙상블로 예측하는 기법이다. ESP는 결국 현재의 유역상태와 유역에서의 과거 강우 관측기록, 미래 강우예측에 대한 정보를 조합하여 그에 따른 유출 앙상블을 생산해내게 된다. 월 유량을 예측하기 위해서 금호강 유역의 1988년에서 2014년까지 27년간 대구, 영천, 포항 관측소의 기상자료를 수집하였으며, 금호강 표준유역에 해당하는 19개 유역으로 분할하여 모의에 이용하였다. 금호강 유역에 티센망을 적용하여 각 표준유역별로 강우량을 조합하여 2013년까지 모의에 적용하였으며, 이는 과거자료로 사용하였다. 유량예측에 사용되는 강우자료를 생성하기 위해서 26년간 일강우를 이용하였다. 예를 들어 2014년 12월을 예측한다면 11월까지 관측된 유역초기 조건을 가지는 수문모형의 12월 기상입력자료로써 현재 유역에서 발생 가능성이 있는 동일 유역의 과거 1988년부터 2013년까지의 12월 기상자료들을 사용하는 방법이다. 1988년부터 2013년까지 26개 12월 기상자료를 사용하므로 유량예측결과 또한 26개가 주워진다. 계산된 26개의 유량앙상블이 적용된 유역에서 12월에 발생 가능한 유출량의 모음이 된다. 시나리오결과를 수자원관리에 활용하기 위해서 초과확률로 분석하였으며, 이런 분석의 결과는 향후 가뭄과 홍수 같은 수해방지를 위해 수공구조물의 운영에도 활용할 수 있을 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.57 no.9
• /
• pp.571-583
• /
• 2024

Forecasting dam inflows in the medium to long term is crucial for effective dam operation and the prevention of water-related disasters such as floods and droughts. However, the increasing frequency of extreme weather events due to climate change has made hydrological forecasting more challenging. Since 2000, seasonal weather forecasts, which provide predictions for weather variables up to about seven months ahead, and their hydrological interpretation, known as Seasonal Flow Forecasts (SFFs) have gained significant global interest. This study utilises seasonal weather forecasts from the European Centre for Medium-Range Weather Forecasts (ECMWF), converting them into inflow forecasts using a hydrological model for 12 multipurpose dams in South Korea from 2011 to 2020. We then compare the performance of these SFFs with the Ensemble Streamflow Prediction (ESP). Our results indicate that while SFFs are more effective for short-term predictions of 1-2 months, ESP outperforms SFFs for long-term predictions. Seasonally, the performance of SFFs is higher in October-November but lower from December to February. Moreover, our findings demonstrate that SFFs are highly effective in quantitatively predicting dry conditions, although they tend to underestimate inflows under wet conditions.

• Journal of Korea Water Resources Association
• /
• v.42 no.10
• /
• pp.773-783
• /
• 2009

The effects of rainfall input uncertainty on predictions of stream flow are studied based extended GLUE (Generalized Likelihood Uncertainty Estimation) approach. The uncertainty in the rainfall data is implemented by systematic/non-systematic rainfall measurement analysis in Weida catchment, Germany. PDM (Probability Distribution Model) rainfall runoff model is selected for hydrological representation of the catchment. Using general correction procedure and DUE(Data Uncertainty Engine), feasible rainfall time series are generated. These series are applied to PDM in MC(Monte Carlo) and GLUE method; Posterior distributions of the model parameters are examined and behavioural model parameters are selected for simplified GLUE prediction of stream flow. All predictions are combined to develop ensemble prediction and 90 percentile of ensemble prediction, which are used to show the effects of uncertainty sources of input data and model parameters. The results show acceptable performances in all flow regime, except underestimation of the peak flows. These results are not definite proof of the effects of rainfall uncertainty on parameter estimation; however, extended GLUE approach in this study is a potential method which can include major uncertainty in the rainfall-runoff modelling.

• Journal of Korean Society on Water Environment
• /
• v.27 no.3
• /
• pp.264-272
• /
• 2011

The objective of this study was to develop a model for predicting long-term runoff in a basin using the ensemble streamflow prediction (ESP) technique and review its reliability. To achieve the objective, this study improved not only the ESP technique based on the ensemble scenario analysis of historical rainfall data but also conventional ESP techniques used in conjunction with qualitative climate forecasting information, and analyzed and assessed their improvement effects. The model was applied to the Geum River basin. To undertake runoff forecasting, this study tried three cases (case 1: Climate Outlook + ESP, case 2: ESP probability through monthly measured discharge, case 3: Season ESP probability of case 2) according to techniques used to calculate ESP probabilities. As a result, the mean absolute error of runoff forecasts for case 1 proposed by this study was calculated as 295.8 MCM. This suggests that case 1 showed higher reliability in runoff forecasting than case 2 (324 MCM) and case 3 (473.1 MCM). In a discrepancy-ratio accuracy analysis, the Climate Outlook + ESP technique displayed 50.0%. This suggests that runoff forecasting using the Climate Outlook +ESP technique with the lowest absolute error was more reliable than other two cases.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.87-87
• /
• 2017

최근 이상기후로 인해 국내 가뭄피해가 증가하고 있는 추세이며, 미래 가뭄의 심도 및 지속시간은 증가할 것으로 예측되고 있다. 특히 우리나라는 용수공급의 56.5%를 댐에 의존하여 댐 유역의 가뭄은 생 공 농업용수 공급제한 등의 광범위한 피해를 발생시킬 수 있다. 다만 가뭄은 홍수와 달리 진행속도가 비교적 느리기 때문에 사전에 정확한 댐 유입량 예측이 가능하다면, 용수공급량 조정을 통해 피해를 최소화할 수 있다. 국내에서는 댐 유입량 예측에 ESP (Ensemble Streamflow Prediction) 기법을 활용하고 있으며, ESP 기법은 과거 기상자료를 기반으로 미래를 예측하기 때문에 기상자료, 초기수문조건, 매개변수 등에 불확실성을 가지고 있다. 본 연구에서는 베이지안 이론을 이용하여 댐 예측유입량의 정확도 향상기법을 개발하고 예측성을 평가하고자 하며, 강우유출모델은 ABCD를 활용하였다. 대상유역은 국내의 대표 다목적댐인 충주댐 유역을 선정하였으며, 기상자료는 기상청, 국토교통부 및 한국수자원공사의 지점자료를 수집하였다. 예측성 평가기법으로는 도시적 분석방법인 시계열 분석, 통계적 분석방법인 Skill Score (SS)를 활용하였다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)은 매년 월별 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. 베이지안 기반의 댐 예측유입량(BAYES-ESP)는 ESP의 과소모의하는 경향을 보정하였으며, 다우년에 예측성이 향상되었다. 월별 평균 댐 관측유입량과 ESP, BAYES-ESP의 SS 비교분석 결과 ESP는 유입량 값이 적은 1, 2, 3월에 SS가 양의 값을 가졌으며, 이외의 월에는 음의 값으로 나타났다. BAYES-ESP는 ESP와 관측값이 비교적 선형관계를 나타내는 1, 2, 3월에 ESP의 예측성을 개선시키는 것으로 나타났다. ESP 기법은 강수량의 월별, 계절별 변동성이 큰 우리나라에 적용하기에는 예측성의 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측 연구에 가치가 있는 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.57 no.9
• /
• pp.585-598
• /
• 2024

To mitigate natural disasters and efficiently manage water resources, it is essential to enhance hydrologic prediction while reducing model structural uncertainties. This study analyzed the impact of lumped and semi-distributed GR4J model structures on simulation performance and evaluated uncertainties with and without data assimilation techniques. The Ensemble Kalman Filter (EnKF) and Particle Filter (PF) methods were applied to the Namgang Dam basin. Simulation results showed that the Kling-Gupta efficiency (KGE) index was 0.749 for the lumped model and 0.831 for the semi-distributed model, indicating improved performance in semi-distributed modeling by 11.0%. Additionally, the impact of uncertainties in meteorological forcings (precipitation and potential evapotranspiration) on data assimilation performance was analyzed. Optimal uncertainty conditions varied by data assimilation method for the lumped model and by sub-basin for the semi-distributed model. Moreover, reducing the calibration period length during data assimilation led to decreased simulation performance. Overall, the semi-distributed model showed improved flood simulation performance when combined with data assimilation compared to the lumped model. Selecting appropriate hyper-parameters and calibration periods according to the model structure was crucial for achieving optimal performance.