• 대한토목학회논문집
• /
• 제26권2B호
• /
• pp.131-137
• /
• 2006

본 연구에서는 기존 매개변수적 수문시계열 예측모형을 보완하고자 Singular Spectrum Analysis(SSA)와 Linear Recurrent Formula를 결합한 모형을 제안하였다. SSA는 주로 시계열에 내재해 있는 구성성분을 추출하기 위한 목적으로 많이 이용되고 있다. 이러한 관점에서 본 연구에서는 엘니뇨 및 라니냐 등의 기상현상과 수문사상의 상관성 분석에 주로 적용되고 있는 SSA와 시계열 예측을 위해서 Linear Recurrence Formula를 결합한 예측 모형을 월단위의 수위와 유입량 시계열 자료를 대상으로 적용성 및 타당성을 검토해 보았다. 모형을 통해 수문시계열을 모의한 결과 전체적인 통계적인 특성 및 시각적인 검토에서 실측자료와 매우 유사한 모의가 가능하였으며 실측 자료를 바탕으로 Blind Forecasting을 실시한 결과 2가지 예에서 모두 1년 정도의 예측구간에서 합리적인 결과를 제시하여 주었다. 따라서 단기예측을 수문모형으로서 적용이 가능할 것으로 사료된다.

• Environmental Engineering Research
• /
• 제15권2호
• /
• pp.123-126
• /
• 2010

Modeling non-point pollution across multiple scales has become an important environmental issue. As a more representative and practical approach in quantifying and qualifying surface water, a modular neural network (MNN) was implemented in this study. Two different site-scales ($1.5\;{\times}\;10^5$ and $1.62\;{\times}\;10^6\;m^2$) with the same plants, soils, and paddy field management practices, were selected. Hydrologic data (rainfall, irrigation and surface discharge) and water quality data (time-series nutrient loadings) were continuously monitored and then used for the verification of MNN performance. Correlation coefficients (R) for the results predicted from the networks versus measured values were within the range of 0.41 to 0.95. The small block could be extrapolated to the large field for the rainfall-surface drainage process. Nutrient prediction produced less favorable results due to the complex phenomena of nutrients in the drainage water. However, the feasibility of using MNN to generate improved prediction accuracy was demonstrated if more hydrologic and environmental data are provided. The study findings confirmed the estimation accuracy of the upscaling from a small-segment block to large-scale paddy field, thereby contributing to the establishment of water quality management for sustainable agriculture.

• 대한토목학회논문집
• /
• 제26권3B호
• /
• pp.279-289
• /
• 2006

최근에 수문시계열로부터 저차원의 비선형 거동을 재구성하고자 하는 연구가 활발히 진행되고 있다. 이러한 관점에서 본 연구에서는 Support Vector Machine(SVM)을 이용하여 우수한 상태-공간 재구성 능력을 갖는 비선형 예측모형을 구성하여 Great Salt Lake(GSL) Volume에 적용하였다. SVM은 Kernel 함수로부터 유도된 고차원의 특성공간 안에서 선형함수의 가상공간을 이용하는 Machine Learning 방법론이다. 또한 SVM은 훈련자료로부터 얻어지는 평균제곱오차가 아닌 일반화된 오차를 최소화함으로써 상대적으로 기존 방법에 비해 적은 수의 매개변수와 과적합(over fitting)을 피하면서 비선형 함수의 최적화가 가능하다. 본 연구에서 제시한 SVM 회귀분석의 적용성은 미국의 GSL의 2주 간격 Volume을 대상으로 검토하였다. SVM을 이용한 비선형 예측모형은 GSL Volume의 2주(1-Step), 8주(4-Step)와 반복예측(Iterated Prediction, 121-Step)까지 적용되었다. 본 연구에서는 극치사상 즉, 급격한 감소 및 증가 구간을 예측하는데 있어서 훈련구간과 예측구간을 구분하여 모형의 신뢰성을 평가하였다. 예측결과SVM은 훈련자료로부터 적은 수의 관측치를 이용하여 동역학적 거동을 추출할 수 있었으며 실제 관측자료와 거의 유사한 예측이 가능함을 통계적 지표로 확인할 수 있었다. 따라서 비선형 수문시계열의 단기 예측을 위한 모형으로 적용이 가능할 것으로 판단된다.

• 한국산림과학회지
• /
• 제90권2호
• /
• pp.197-209
• /
• 2001

준분포형 수문모형인 TOPMODEL은 산림유역의 유출량, 주 유출경로 및 수질을 공간적으로 예측하는데 많이 적용된다. TOPMODEL은 물리모형이 아니라 일종의 개념모형이며 주요 구성요소는 지형지수와 토양의 수평전달계수로 각각 지표면과 지표하 유출의 기여면적을 계산하는데 이용된다. 본 연구는 우리나라의 소규모 산림유역에서 TOPMODEL의 적용성을 검증하기 위하여 수행되었다. 시험지는 1979년부터 임업연구원에서 운용하고 있으며 서울 근교 경기도 광릉시험림에 위치해 있다. 활엽수림 유역은 임령이 약 80년, 유역면적이 22.0ha이고, 침엽수림 유역은 임령이 약 22년, 유역면적이 13.6ha이다. 관측자료는 활엽수 유역의 경우 1995년 7월과 2000년 6월에 발생한 2개 강우-유출사상이고 침엽수 유역의 경우 1995년과 1999년 7월 그리고 2000년 8월의 3개 강우-유출사상을 이용하였다. 지형지수는 $10m{\times}10m$의 수치지형도를 만들어 계산하였다. 지형지수 분포는 활엽수림 유역의 경우 2.6에서 11.1, 침엽수림 유역은 2.7에서 16.0으로 나타났다. 모형의 예측 효율성을 목적함수로 최적화한 결과 모형매개변수(m)와 유역의 평균 포화수평전달계수($lnT_0$)가 높은 민감도를 나타내었다. 매개변수의 최적값은 활엽수림 유역의 경우 m값은 0.034와 0.038 그리고 $lnT_0$값은 8.672와 9.475였으며, 침엽수 유역의 경우 m값은 0.031, 0.032, 0.033 그리고 $lnT_0$값은 5.969, 7.129, 7.575였다 이들 값을 이용하여 모의한 결과 모형의 예측 효율성은 활엽수림 0.958과 0.909 그리고 침엽수림 0.825, 0.922와 0.961로서 비교적 높게 나타났다. 강우-유출량 관측치와 모의치를 이용하여 강우-수문곡선을 작성한 결과 두 유역 모두 유출지연시간은 잘 일치하였다. 일부 강우-유출사상의 경우 총유출량과 첨두유량의 관측치와 모의치 간에 다소 차이를 보였지만 TOPMODEL은 전반적으로 10% 이하의 오차범위에서 총유출량과 첨두유량을 예측할 수 있었다. 결론적으로 TOPMODEL은 우리나라의 미계측 산림유역에서 유출량을 산정하는데 유용한 수문모형이다.

• 한국농공학회논문집
• /
• 제62권4호
• /
• pp.33-43
• /
• 2020

In order to reduce damage from farmland inundation caused by recent climate change, it is necessary to predict the risk of farmland inundation accurately. Inundation modeling should be performed by considering multiple time distributions of possible rainfalls, as digital forecasts of Korea Meteorological Administration is provided on a six-hour basis. As building multiple inputs and creating inundation models take a lot of time, it is necessary to shorten the forecast time by building a data base (DB) of farmland inundation probability. Therefore, the objective of this study is to establish a DB of farmland inundation probability in accordance with forecasted rainfalls. In this study, historical data of the digital forecasts was collected and used for time division. Inundation modeling was performed 100 times for each rainfall event. Time disaggregation of forecasted rainfall was performed by applying the Multiplicative Random Cascade (MRC) model, which uses consistency of fractal characteristics to six-hour rainfall data. To analyze the inundation of farmland, the river level was simulated using the Hydrologic Engineering Center - River Analysis System (HEC-RAS). The level of farmland was calculated by applying a simulation technique based on the water balance equation. The inundation probability was calculated by extracting the number of inundation occurrences out of the total number of simulations, and the results were stored in the DB of farmland inundation probability. The results of this study can be used to quickly predict the risk of farmland inundation, and to prepare measures to reduce damage from inundation.