• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.819-833
• /
• 2021

본 연구는 안동댐 하류(4,565.7 km²)를 대상으로 준분포형 수문모델인 SWAT과 서식처모델인 PHABSIM을 연계하여 적용성을 평가하고, 대상어종에 대해 환경생태유량을 산정하였다. 대상유역 내 다목적 댐 2개(안동댐: ADD, 임하댐: IHD)의 실제운영자료를 구축하여 SWAT에 적용하였으며 추가로 1개의 수위관측소(구담: GD)을 선정하여 ADD, IHD, GD에 대해 유입·유출량 검보정을 수행하였다. 검보정 결과 R²는 0.52 ~ 0.74, NSE는 0.48 ~ 0.71, RMSE는 0.92 ~ 2.51 mm/day로 분석되었다. 검보정된 GD의 유출량을 이용하여 2012년부터 2020년까지의 유황분석을 실시한 결과, 관측값의 유황분석 결과와 비교하여 평균 Q185는 36.5 m³/sec (-1.4%), 평균 Q275는 23.8 m³/sec (0%)로 분석되어 Q185와 Q275를 PHBASIM의 유량 경계조건으로 적용하였다. PHABSIM의 대상하천은 GD가 위치한 410 m 구간으로 선정하였고 하천기본계획보고서 기반으로 하천단면 및 수리인자를 구축하였다. 대상하천의 우점종은 피라미, 아우점종은 돌고기로 분석되었으며 문헌조사를 통해 대상어종의 HSI를 수집하였다. PHABSIM 수위 모의결과, Q185, Q275에서 각각 -0.12, +0.00 m의 오차가 발생하였고, 유속모의의 경우 Q185, Q275에서 각각 +0.06, +0.09 m/s의 오차가 발생하여 연계모의가 적절하게 된 것을 확인하였다. PHABSIM의 서식처 모의 결과, 피라미의 평균 가중가용면적 WUA와 환경생태유량은 76,817.0 m²/1000m, 20.0 m³/sec, 돌고기의 평균 WUA와 환경생태유량은 46,628.6 m²/1000m, 9.0 m³/sec로 분석되어 피라미가 돌고기보다 대상하천에 대해 적응성이 높은 것을 확인할 수 있었다.

• Ecology and Resilient Infrastructure
• /
• 제8권4호
• /
• pp.223-232
• /
• 2021

일반적으로 도심지에서의 유출은 도로 노면을 따라 유출되어 빗물받이를 통해 우수관거로 배수된다. 따라서 적절한 도로 배수능력의 평가는 도로와 빗물받이 뿐만 아니라 우수관거의 설계에서도 필수적이다. 하지만 도시 도로부의 지형학적 및 수리학적 조건을 반영한 흐름해석 방안에 대한 명확한 기준이 제시되어 있지 못한 실정이다. 그러므로 기존에 적용되던 흐름해석 모형(등류/ 부등류) 및 도달시간 산정방법 (임계/고정)을 분석하여 최적의 도로의 흐름해석 방안이 제시되어야 한다. 본 연구에서는 도로 표면 흐름해석을 위한 알고리즘을 개발하고 등류와 부등류 흐름해석 모형 및 도달시간 산정방법을 매개변수로 적용한 수치적 분석을 수행하여 다양한 도로조건에서의 강우 유출특성을 모의하였다. 도로조건은 국내의 설계기준을 고려하여 2차선 도로의 폭 (6 m)과 경사 (도로 종경사 1 - 10%, 도로 노면경사 2% 및 측구 횡경사 2 - 10%)가 고려되었다. 또한, 도로 표면의 흐름은 노면경사를 따라 측구에서 차집되어 하류부의 빗물받이를 통해 배수되도록 하였으며, 측구의 폭은 0.5 m로 선정하였다. 모의 결과 도로의 유출특성은 도로 경사 조건에 따라 민감하게 변화하였으며, 부등류 해석모형이 도로의 하류부로 강우가 차집되며 변화하는 측구부에서의 유출특성을 반영하여 등류 흐름해석 모형에 비해 최대 23.66%, 평균 11.80% 긴 도달시간과 최대 9.50%, 평균 4.73% 작은 도로 표면 총 유출량을 나타냈다. 따라서, 우수 유출량을 산정하기 위하여 도달시간을 강우의 지속시간으로 반영하는 임계지속시간을 적용한 부등류 흐름해석을 수행하는 것이 적합하다고 판단되었다. 개발된 알고리즘은 다양한 흐름해석 기법을 통합하여 도로 노면에서의 유출특성을 정밀하게 모의하고 있으므로 도로의 배수 설계에 활용이 가능할 것으로 기대된다.

• 한국방재안전학회논문집
• /
• 제12권2호
• /
• pp.73-82
• /
• 2019

최근 이상기후로 인한 집중호우에 따른 하천변 사회기반시설의 침수피해가 증가하고 있으며, 침수 가능성 여부에 대한 신속한 예 경보가 필요한 실정이다. 일반적인 홍수 예 경보는 하천수위를 이용하고 있으며, 수치모형을 이용하여 하천수위를 예측하는 연구가 대부분이었다. 그러나 수치모형을 이용한 하천수위 예측은 결과가 정확한 반면 수치모의 시간이 오래 소요된다는 한계점이 있어 최근에는 인공신경망 등을 적용한 자료기반의 수위예측 모형이 많이 이용되고 있다. 하지만 기존의 인공신경망을 활용한 수위예측 연구는 시간적 매개변수를 고려하지 못하였다는 한계점이 존재한다. 본 연구에서는 시간적 매개변수(Time delay= 2시간)를 고려한 NARX 신경망 모형을 사용하여 한강대교의 수위를 예측하였다. 또한 NARX 모형의 적합성을 판단하기 위하여 인공신경망(ANN) 모형과, 순환신경망(RNN)모형의 결과와 비교하였다. 2009년에서 2018년까지 10년간의 수문자료를 이용하여 70%를 학습시키고 검정과 평가에 15%를 사용하여 2018년의 한강대교 3시간 후 수위를 예측한 결과 평균제곱근오차(RMSE)의 경우 ANN, RNN, NARX model이 각각 0.20 m, 0.11 m, 0.09 m, 평균절대오차(MAE)의 경우, 각각 0.12 m, 0.06 m, 0.05 m, 첨두수위 오차(Peak Error)는 각각 1.56 m, 0.55 m, 0.10 m로 나타났다. 연구 대상지역에 대한 시간적 매개변수를 고려한 예측 결과의 오차분석을 통하여 NARX 신경망 모형을 사용하는 것이 수위예측 모형 구축이 가장 적합한 것으로 나타났다. 이는 NARX 신경망 모형이 과거의 입력자료를 고려함으로써 시계열 자료의 변동 추세도 학습 할 수 있으며, 또한 모형 내 활성함수를 쌍곡선탄젠트(Hyperbolic tangent) 및 Rectified Linear Unit(ReLU) 함수를 사용하여 고수위 예측 시에도 정확한 예측 값을 도출할 수 있기 때문이다. 그러나 NARX 신경망 모형은 시퀀스 길이가 길어짐에 따라 기울기 소실문제(Vanishing gradient)가 발생하는 한계점이 있어 향후에는 이를 보완한 LSTM(Long Short Term Model)모형을 이용하여 수위예측의 정확도를 검토하고자 한다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.