• 한국수자원학회논문집
• /
• 제41권10호
• /
• pp.1059-1065
• /
• 2008

강우자료는 수문 해석에 있어 가장 기본이 되는 입력 자료이며, 다양한 원인에 의해 결측이 발생된다. 본 연구에서는 복잡한 자연현상 문제 해결에 그 응용성이 입증된 신경망 기법을 이용하여 결측 처리된 강우를 추정하기 위해서 소양강댐 유역 12개 강우량 관측소를 대상으로 신경망 모형을 구축하였으며, 모형의 성능 평가를 위해 실무에서 가장 많이 사용되고 있는 우량 보정 방법인 역거리법(RDS)과 산술평균법(AMM)으로 추정한 값과 비교하여 신경망을 이용한 추정 방법의 우수성을 보였다. 그리고 온라인상에서 보다 신뢰성 있는 수문자료를 재난관련 유관기관으로 전송하기 위해서 신경망 모형을 이용한 상시 실시간 보정이 가능하도록 신경망 학습기로 구성된 자동 보정시스템을 제안하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.155-155
• /
• 2018

Uncertainty in flood forecasting using a coupled meteorological and hydrological model is arisen from various sources, especially the uncertainty comes from the inaccuracy of Quantitative Precipitation Forecasts (QPFs). In order to improve the capability of flood forecast, the uncertainty estimation and mitigation are required to perform. This study is conducted to investigate and reduce such uncertainty. First, ensemble QPFs are generated by using Monte - Carlo simulation, then each ensemble member is forced as input for a hydrological model to obtain ensemble streamflow prediction. Likelihood measures are evaluated to identify feasible member. These members are retained to define upper and lower limits of the uncertainty interval and assess the uncertainty. To mitigate the uncertainty for very short lead time, a blending method, which merges the ensemble QPFs with radar-based rainfall prediction considering both qualitative and quantitative skills, is proposed. Finally, blending bias ratios, which are estimated from previous time step, are used to update the members over total lead time. The proposed method is verified for the two flood events in 2013 and 2016 in the Yeonguol and Soyang watersheds that are located in the Han River basin, South Korea. The uncertainty in flood forecasting using a coupled Local Data Assimilation and Prediction System (LDAPS) and Sejong University Rainfall - Runoff (SURR) model is investigated and then mitigated by blending the generated ensemble LDAPS members with radar-based rainfall prediction that uses McGill algorithm for precipitation nowcasting by Lagrangian extrapolation (MAPLE). The results show that the uncertainty of flood forecasting using the coupled model increases when the lead time is longer. The mitigation method indicates its effectiveness for mitigating the uncertainty with the increases of the percentage of feasible member (POFM) and the ratio of the number of observations that fall into the uncertainty interval (p-factor).

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.795-805
• /
• 2021

본 연구는 소양강댐 유역을 대상으로 LSTM 기반의 일유출량 추정 딥러닝 모형을 개발한 후, 모형구조 및 입력자료의 다양한 조합에 대한 모형의 정확도를 살폈다. 첫 12년(1997.1.1-2008.12.31) 동안의 유역평균 일강수량, 일기온, 일풍속 (이상 입력), 일평균 유량 (출력)으로 이루어진 데이터베이스를 기반으로 모형을 구축하였으며, 이후 12년(2009.1.1-2020.12.31) 동안의 자료를 사용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)와 RMSE를 살폈다. 가장 높은 정확도를 보인 조합은 64개의 은닉유닛을 가진 LSTM 모형 구조에 가능한 모든 입력자료(12년치의 일강수량, 일기온, 일풍속)를 활용한 경우로서 검증기간의 NSE와 RMSE는 각각 0.862와 76.8 m³/s를 기록하였다. LSTM의 은닉유닛이500개를 초과하는 경우 과적합으로 인한 모형의 성능 저하가 나타나기 시작했으며, 1000개를 초과하는 경우 과적합 문제가 두드러졌다. 12년치의 일강수만 입력자료로 활용한 경우에도 매우 높은 성능(NSE=0.8~0.84)의 모형이 구축되었으며, 한 해의 자료만을 활용하여 학습한 경우에도 충분히 활용 가능한 정확도(NSE=0.63~0.85)를 가진 모형을 구축할 수 있었다. 특히 유량의 변동성이 큰 한 해의 자료만을 활용하여 모형을 학습한 경우 매우 높은 정확도(NSE=0.85)의 모형이 구축되었다. 학습자료가 중유량과 양극한의 유량을 모두 포함한 경우라면 5년 이상의 입력자료는 모형의 성능을 크게 개선시키지 못했다.

• 한국환경농학회지
• /
• 제22권2호
• /
• pp.100-110
• /
• 2003

만경강 상류유역 수질 및 하천식생 군락 변화를 조사 분석하여 수질에 따른 하천식생의 종 다양성 및 토양요인에 따른 종 다양성의 변화를 평가하기 위하여 2001년 6월부터 2002년 9월까지 만경강 상류유역 5개 조사지점을 선정한 후 조사를 실시하였다. 수질중 T-N의 농도는 전주천과 삼천에서 높았으며, 겨울철에 전주천에서 7.45 mg/L로 가장 높았다. 무기태 질소 성분별 함량은 $NH_4-N$ 경우 고산천과 소양천 유역은 $0.01{\sim}0.06\;mg/L$ 범위로 계절별 커다란 차이가 없는 낮은 농도를 나타냈으나, 생활하수가 유입되는 전주천과 삼천에서는 $0.77{\sim}3.01\;mg/L$로 계절별로 큰 차이를 보였다. T-P의 농도는 계절별로 비슷하였으나 전주천에서 겨울철에 0.89 mg/L로 가장 높았다. 계절별 BOD의 농도는 고산천과 소양천 유역에서 $0.92{\sim}2.14\;mg/L$를 나타내었으나 생활하수가 유입되는 유역에서는 $2.001{\sim}7.65\;mg/L$ 범위를 보였다. $SO_4^{2-}$의 농도는 농업용수 수질기준인 50 mg/L를 초과하는 지역은 없었으며 소양천에서 다소 높았다. 만경강 지류인 고산천에서 조사된 식물은 59과 129속 165종 20변종으로 총 185종류가 조사되었으며, 소양천에서 조사된 식물은 53과 111속 141종 19변종으로 총 160종이었고, 전주천 하류에서 조사된 식물은 37과 68속 86종 15변종으로 총 103종이었다. 그리고 삼천에서 조사된 식물은 32과 92속 110종 18변종으로 총 125종류가 조사되었으며, 만경강 본류인 하리유역에서 조사된 식물은 73과 134속 218종 33변종으로 총 251종류가 조사되었는데 식물의 생활형에 따라 분류하면 침수식물이 13종, 부엽식물이 5종, 부유식물이 2종, 추수식물이 26종, 수생식물이 46종, 습생식물이 47종으로 조사지점중 이 지역의 식생이 가장 다양하였다. 식물사회학적 방법에 따라 분류된 하천식생의 식물군락은 10개의 수생식물 군락과 2개의 습생 및 수변식물 군락으로 대별되어졌다. 이들 군락들에 대한4종류(종수, 종의 풍부도지 수, 종의 이질성지수, 종의 균등도지수)의 종 다양성과 토양요인(pH, EC,유기물 함량, 전질소, 인산)과의 관계를 분석한 결과 pH가 높을수록 4종류의 종 다양성 지수는 높아 졌으며, EC는 값이 높을수록 종수(SN), 종의 풍부도지수(SR), 종의 이질성지수(H'), 종의 균등도지수(J')가 낮아 졌다. 또한 유기물 함량(OM)과 전질소(T-N)의 경우도 4종류의 다양성지수와 부의 상관관계를 나타내었다. 인산($P_2O_5$)은 4종류의 다양성 지수의 변화에 영향을 미치지 않았다.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.261-274
• /
• 2006

본 연구에서는 소양강 유역을 대상으로 중장기 확률론적 댐 유입량 예측을 위해 30년 동안의 일단위 장기유출 해석을 수행하였다. 유출모형의 입력자료를 구축하기 위해 Anderson의 융설모형으로 적설에 대한 융설량을 계산하였고, Penman의 혼합기법으로 잠재증발량을 산정하였다. 또한, 기존 TOPMODEL의 적용 유역면적의 제약성을 극복하기 위해 대상유역을 적정 소유역으로 구분하고 운동파 하도홍수 추적기법을 통해 대유역 유출량을 계산할 수 있는 준분포형 TOPMODEL을 활용하였으며, 강수, 융설 및 잠재증발량을 유출모형에 입력하여 장기유출 해석을 수행하였다. 융설량 및 잠재증발량 계산결과는 관측자료의 부재로 그 정량적 평가는 수행할 수 없었지만 최대 적설깊이와 소형접시 증발량 자료와 같은 간접적 자료와의 시간적 변동성은 매우 잘 일치하였다. 이렇게 구축된 입력자료를 바탕으로 저수(1979년), 중수(1999년), 고수(1990년) 유출사상에 대한 모형의 최적 매개변수를 산정하고 준분포형 TOPMODEL의 일단위 장기유출 모의능력을 검토한 결과 계산유량과 관측유량 사이의 유출용적 상대오차가 5.64%, 상관계수가 0.91로 계산되어 비교적 정확한 유출결과를 제시하였고, 융설고려 유무에 따라 3, 4월의 유출용적 상대오차가 17% 및 4%로 감소함으로써 장기유출 계산시 모형의 정확도 향상을 위해 융설모형의 적용이 매우 필요한 것으로 나타났다.