• 한국수자원학회논문집
• /
• 제52권7호
• /
• pp.451-461
• /
• 2019

장기 기상전망 기반 댐 유입량 전망은 가뭄 대비, 용수 공급 관리 등에 활용성이 높다. 본 연구에서는 국내 7개 다목적댐 유역에 대해 유입량 전망을 수행하고 장기 기상전망 정확도가 댐 유입량 전망 정확도에 미치는 영향을 분석하였다. 강우-유출 모델의 입력자료로 활용된 장기 기상전망 자료는 기상청 GloSea5의 과거재현자료(hindcast) 및 미래전망자료(forecast)를 활용하였다. 강우-유출 모델은 다양한 특성을 가지고 있는 TANK, ABCD, K-DRUM, PRMS를 활용하였다. 댐 유입량 전망 정확도는 과거재현기간(1996~2009)과 미래전망기간(2015~2016)에 대하여 평가하였다. 댐 유입량 전망 평가결과 전망값은 관측값에 비해 과소추정하는 경향을 보였으며, 매개변수 검보정이 적절히 수행된 강우-유출 모델은 댐 유입량 전망 정확도에 미치는 영향이 거의 없는 것으로 나타났다. 반면 장기 기상전망 자료, 특히 강수량은 댐 유입량 전망 정확도에 매우 큰 영향을 미치는 것으로 나타났다. 현업에서 댐 유입량 전망 자료 활용시 과소추정하는 경향을 고려하여 활용할 필요가 있다. 향후 댐 유입량 전망 정확도 개선은 강우-유출 모델 보다 장기 기상전망의 강수량 정확도 향상을 위주로 수행할 필요가 있다.

• 한국수자원학회논문집
• /
• 제51권7호
• /
• pp.607-616
• /
• 2018

본 연구에서는 ANFIS 기반의 유황별 댐 예측유입량 산정 기법(Flow regime-based ANFIS Dam Inflow Prediction, FADIP)을 개발하고, 이를 단순 ANFIS 기반 댐 예측유입량 산정 기법(ANFIS Dam Inflow Prediction, ADIP)과 비교 평가하였다. 대상유역은 국내 주요 다목적댐인 충주댐 유역과 소양강댐 유역을 선정하였으며, 입력자료로 댐 유입량, 강수량, 장기기상예보 자료를 사용하였다. 모델의 훈련 및 보정기간으로 충주댐 유역은 1987~2010년, 소양강댐 유역은 1984~2010년을 선정하였다. 검정기간은 두 유역 모두 2011~2016년을 활용하였다. 훈련 및 보정결과 FADIP는 ADIP에 비해 평수기, 저수기에 훈련이 개선되는 것으로 나타났다. 검정결과 ADIP는 통계모델의 학습방법 특성상 일반적인 사상에 학습이 이루어져, 저수기에 예측성이 떨어지는 것으로 나타났다. 반면 FADIP는 ADIP에 비해 전기간의 정확도가 향상되었으며, 특히 평수기와 저수기에 예측성이 우수하였다. 따라서 FADIP는 다목적댐 이수관리에 활용성이 높을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2002년도 학술발표회 논문집(I)
• /
• pp.59-64
• /
• 2002

An expert system, to assist dam managers for five dams along the Saikawa River, has been developed with a primary objective of achieving swift and accurate reservoir operation decision-makings during floods. The expert system is capable of supporting on decision-makings upon establishment of flood management procedure and release/storage planning. Furthermore, an attempt was made to improve reservoir inflow prediction models for better supporting capability. As a result, accuracy on prediction of inflow up to 7 hours ahead was improved, which is important for flood management of the five dams, using neural network. The neural network inflow prediction models were developed for each types of floods caused by frontal rainfalls, snowmelt and typhoons, after extracting relevant meteorological factors for each.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1217-1227
• /
• 2018

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

• 한국수자원학회논문집
• /
• 제50권7호
• /
• pp.489-502
• /
• 2017

본 연구에서는 충주댐 유역에 대해 다목적 댐 예측유입량 산정기법 BAYES-ESP를 개발하고 평가하였다. BAYES-ESP 기법은 기존 ESP (Ensemble Streamflow Prediction) 기법에 베이지안 이론을 적용하여 개발하였으며, 수문모델은 ABCD를 활용하였다. 입력자료는 기온, 강수량 자료와 댐 관측유입량 자료를 활용하였으며, 기온 및 강수량은 기상청, 국토교통부, 한국수자원공사의 지점관측자료, 댐 관측유입량은 한국수자원공사의 자료를 이용하였다. 적용성 평가방법은 시계열 분석과 Skill Score를 활용하였으며, 평가기간은 1986~2015년이다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)는 매년 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. BAYES-ESP 댐 예측유입량(BAYES-ESP)는 ESP가 관측유입량에 비해 과소모의하는 경향을 보정하였으며, 특히 다우년에 개선효과가 있는 것으로 나타났다. 월별 평균 댐 관측유입량과의 Skill Score 비교분석결과 ESP는 1~3월에 SS가 비교적 높은 값을 보였으며, 나머지 월에는 음의 값을 나타내었다. BAYES-ESP는 ESP와 관측 값 간의 선형적 관계를 갖는 1~3월에 ESP의 정확도를 향상시키는 것으로 나타났다. ESP 기법은 국내 강수특성상 우리나라에 적용하기에는 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측연구에 가치가 있다고 판단된다.

• 한국수자원학회논문집
• /
• 제49권5호
• /
• pp.361-372
• /
• 2016

신뢰성 있는 댐유입량의 장기예측은 효율적인 댐운영에 필수적이다. 2000년대 이후 엘리뇨-남방진동(ENSO) 등의 전구기후지수와 지역수문기후와의 원격상관성이 규명되면서, 이를 활용한 미래의 수문조건을 예측하기 위한 연구가 활발히 시도되고 있다. 본 연구에서는 안동댐유역을 대상으로 미국 NOAA에서 제공하는 40개 전구기후지수의 원격상관을 분석하고, 이를 기반으로 1개월 선행 댐유입량의 예측성능 및 활용성을 평가하였다. 본 연구에서는 1) 원격상관을 통해 강수와 기온을 예측하고 SWAT 모델을 이용하여 예측 댐유입량을 산정하는 방법(SWAT-Forecasted), 직접 댐유입량을 예측하는 기법(CIR-Forecasted), 예측시점의 관측값이 과거자료에서 해당하는 순위(rank)에 근거한 방법(Rank-Observed)을 비교하였다. 결과적으로 통계적 방법으로 댐유입량을 직접 예측하는 접근 방식(CIR-Forecasted)이 12월을 제외하고는 다른 방법에 비해 우수한 예측성을 보였다. 이것은 강수량 및 기온 예측정보를 일단위로 상세화하는 가정과 유출모델링과정에서 발생하는 불확실성이 예측결과에 포함되지 않기 때문인 것으로 판단된다. 본 연구결과는 원격상관기반의 1개월 선행 댐유입량 예측이 안동댐 운영에 유용한 정보를 제공할 수 있는 것을 시사하였다.

• 대기
• /
• 제15권4호
• /
• pp.229-239
• /
• 2005

The effect of inversion layer on the land and sea breeze near the Gangneung city was investigated. The land and sea breeze occurrence days were selected, and the height and the intensity of inversion layer were calculated with the upper air observational data of the Sokcho Station. The relationships between the temperature variation near the Gangneung and the inflow time, inland penetration and the inflow depth of the land and sea breeze were also analyzed. And the Gangwon Short-range prediction system was verified with the comparison of surface stream line by the Gangwon short-range prediction system with the AWS wind vector data. It was revealed that the inversion layer tended to block the sea breeze, shorten the inland penetration distance and lower the inflow depth, causing the temperature rise. The comparison and analysis of surface steam line by the Gangwon short-range prediction system and the AWS wind vector showed that the system quite well simulated the sea breeze, thus the system could be well utilized in the prediction of land and sea breeze.

• 한국수자원학회논문집
• /
• 제55권7호
• /
• pp.495-504
• /
• 2022

최근 인공지능의 발전으로 시계열 자료 분석에 효과적인 Long Short-Term Memory (LSTM) 모델이 댐유입량 예측의 정확도를 높이는 데 활용되고 있다. 본 연구에서는 그 중 LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence (s2s) 구조에 Attention 기법을 LSTM 모델에 첨가하여 소양강댐 유역의 유입량을 예측하였다. 분석 데이터는 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 자료를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 일반적으로 더 좋은 성능을 보였으며, attention 첨가 모델이 첨두값도 더 잘 예측하는 모습을 보였다. 그리고 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량에는 어려움이 있었다. 이를 통해 시간 단위 예측의 어려움에도 불구하고, LSTM-s2s에 attention까지 첨가한 모델이 기존 LSTM-s2s의 예측 성능을 향상할 수 있음을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.437-437
• /
• 2022

The prediction of dam inflow rate is crucial for the management of the largest multi-purpose dam in South Korea, the Soyang Dam. The main issue associated with the management of water resources is the stochastic nature of the reservoir inflow leading to an increase in uncertainty associated with the inflow prediction. The Autoregressive (AR) model is commonly used to provide the simulation and forecast of hydrometeorological data. However, because its estimation is based solely on the time-series data, it has the disadvantage of being unable to account for external variables such as climate information. This study proposes the use of the Autoregressive Exogenous Stochastic Volatility (ARXSV) model within a Bayesian modeling framework for increased predictability of the monthly dam inflow by addressing the exogenous and stochastic factors. This study analyzes 45 years of hydrological input data of the Soyang Dam from the year 1974 to 2019. The result of this study will be beneficial to strengthen the potential use of data-driven models for accurate inflow predictions and better reservoir management.

• 환경영향평가
• /
• 제20권4호
• /
• pp.435-442
• /
• 2011

In this study, a regression model was developed for prediction of inflow temperature to support an effective thermal stratification simulation of Yongdam Reservoir, using the relationship between gaged inflow temperature and air temperature. The effect of reproductability for thermal stratification was evaluated using EFDC model by gaged vertical profile data of water temperature(from June to December in 2005) and ex-developed regression models. Therefore, in the development process, the coefficient of correlation and determination are 0.96 and 0.922, respectively. Moreover, the developed model showed good performance in reproducing the reservoir thermal stratification. Results of this research can be a role to provide a base for building of prediction model for water quality management in near future.