• 한국수자원학회논문집
• /
• 제52권10호
• /
• pp.681-695
• /
• 2019

Transient Stroage Model (TSM)은 하천을 본류대와 저장대로 나누어 각각에 대한 오염물의 혼합거동을 해석함으로써 복잡한 하천에 유입된 오염물질 혼합을 이해하는 데에 가장 많이 이용되는 모형 중 하나이다. TSM의 매개변수들은 역산모형을 통해 산정하게 되는데 이는 자연하천에서 추적자실험을 통해 계측된 농도곡선에 가장 잘 맞는 TSM 모의 농도곡선을 찾는 최적화 문제이다. 저장대모형의 매개변수 산정에 관한 선행 연구들에 의해 매개변수를 산정하는 최적화 문제의 비볼록(non-convex) 특성에서 오는 불확실성이 보고되어 왔다. 본 연구에서는 청미천에서 수행된 추적자실험으로부터 취득된 농도곡선을 이용해 최상의 최적화 기법과 목적함수의 조합에 대해 분석하였다. 최적화 문제의 수렴성과 수렴 속도를 모두 만족하는 최적화 조건을 결정하기 위해 SCE-UA의 CCE와 SP-UCI의 MCCE와 같은 진화 알고리즘 기반의 전역 최적화 방법들과 오차 기반 목적함수들을 Shuffled Complex-Self Adaptive Hybrid EvoLution (SC-SAHEL)을 활용해 비교하였다. 전반적인 변수 산정 결과 여러 EA를 동시에 적용한 SC-SAHEL을 평균 제곱오차를 목적함수로 한 방법이 가장 빠르고 가장 안정적으로 최적해에 수렴하는 것으로 나타났다.

• 한국수자원학회논문집
• /
• 제54권5호
• /
• pp.335-345
• /
• 2021

하천에서의 용존물질의 혼합거동을 신속하게 예측하기 해석하기 위하여 1차원 추적모형이 개발되어 왔다. 그 중 저장대모형(Transient Storage Model, TSM)은 자연하천의 복잡하고 불규칙한 수리·지형적인 특성을 단순하게 반영할 수 있다는 장점때문에 가장 많이 사용되는 1차원 추적모형이다. 하지만 TSM의 정확도는 본류대 및 저장대의 면적, 물질교환계수 등 모형의 매개변수에 의존하며 이들은 직접적으로 측정될 수 없다는 단점이 있다. 또한 TSM은 농도곡선의 꼬리에 나타나는 저장대특성의 형태를 지수함수형태로 반영하는데 이는 실제 추적자실험을 통해 관측되는 꼬리는 형태와 다르다는 평가가 제기되고 있다. 이에 따라 본 연구에서는 1차원 확률론적 저장대모형에 대한 수치모형을 개발하여 자연하천에 적용하고 그 결과를 TSM의 모의결과와 비교하였다. 상기의 모형을 검증하기 위하여 낙동강의 1차 지류 중 하나인 감천의 4.85 km의 구간에서 추적자 실험을 실시하였다. 본 추적자 실험을 통해 측정한 농도곡선과 본 연구에서 제시된 확률론적 저장대모형의 모의 곡선의 꼬리부 멱함수 기울기를 비교해본 결과, 오차율은 평균 0.24으로 나타났는데, 이는 1차원 이송-분산 모형과 TSM로부터의 오차율인 14.03과 1.87에 비해 보다 정확한 값이다. 본 연구 결과, 감천에서의 저장대 특성을 나타내는 하상의 체류시간분포는 지수함수분포보다는 멱함수 분포에 가까운 것으로 밝혀졌다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.200-200
• /
• 2021

하천은 용수공급, 관개, 친수활동, 산업활동 등 인간의 활동에 중요한 역할을 한다. 이에 따라 수질관리는 필수적이며 유기물, 중금속, 화학물질 등의 용존물질들은 수질문제에 직접적으로 영향을 미친다. 따라서 하천에서의 용존물질의 혼합 거동을 파악하기 위한 연구가 지난 수십년간 이루어지고 있다. 하천 흐름에 따른 오염물질의 이동 및 확산 거동을 예측하기 위하여 1차원 추적모형이 활용되는데, 그 중 하천저장대 모형(Transient Storage Model, TSM)은 자연하천의 복잡하고 불규칙한 수리·지형적인 특성을 단순하게 반영할 수 있다는 장점때문에 가장 많이 사용된다. 하지만 TSM은 매개변수에 대한 의존성과 불확도가 크며, TSM의 저장대에서의 농도분포에 대한 지수함수형태의 모델링이 하상간극수역(Hyporheic zone)에서의 저장대 특성을 반영하기에 구조적으로 부정확하다는 단점이 제기되고 있다. 최근 이러한 TSM의 단점을 보완하고 하천에서의 저장대 메커니즘을 보다 정확하게 구현하고자 체류시간분포(residence time distribution)를 이용한 확률론적 저장대 모델링 프레임워크가 등장하고 있다. 본 연구에서는 본류대와 저장대에서의 오염물질의 체류시간분포를 분리하여 해석하고 이를 전달함수(transfer function)를 이용한 합성곱으로 결합한 형태의 프레임워크를 적용하여 모델링하였다. 상기의 모형을 검증하기 위하여 2019년 감천의 4.85km 구간에서 추적자 실험을 실시하였다. 실험 당시 유량은 12.9 m³/s로 풍수기에 해당되며 평균 유속은 약 0.6 m/s로 측정되었다. 모형의 매개변수는 추적자 실험으로부터 최적화 기법을 통해 역모델링기법으로 결정하였다. 제안된 모형에 의한 모의 결과를 추적자 실험에서의 농도측정자료와 비교한 결과, 평균 0.988의 결정계수를 보여 매우 높은 정확도를 보이고 있음을 알 수 있었다. 저장대특성을 나타내는 농도곡선의 꼬리부에 대하여 같은 조건에서 1차원 이송-분산(ADE) 모형, TSM의 모의결과와도 비교한 결과 본 모형은 추적자 실험 농도측정 결과와 평균 0.195의 오차율을 보이며, 이는 ADE 모형과 TSM의 오차율인 14.03과 1.866에 비해 매우 정확한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.112-112
• /
• 2020

하천에서 유해화학물질 유입 사고 발생 시 수환경 피해를 최소화하기 위해 신속한 초기 대응이 필요하다. 따라서, 본 연구에서는 수환경 화학사고 대응 시스템 구축을 위해 하천 실시간 모니터링 지점에서 관측된 유해화학물질의 농도 자료를 이용하여 발생원의 유입 지점과 유입량을 역추적하는 프레임워크를 개발하였다. 본 연구에서 제시하는 프레임워크는 첫 번째로 하천 저장대 모형(Transient Storage Zone Model; TSM)과 HEC-RAS 모형을 이용하여 다양한 유량의 수리 조건에서 화학사고 시나리오를 생성하는 단계, 두번째로 생성된 시나리오의 유입 지점과 유입량에 대한 시간-농도 곡선 (BreakThrough Curve; BTC)을 21개의 곡선특징 (BTC feature)으로 추출하는 단계, 최종적으로 재귀적 특징 선택법(Recursive Feature Elimination; RFE)을 이용하여 의사결정나무 모형, 랜덤포레스트 모형, Xgboost 모형, 선형 서포트 벡터 머신, 커널 서포트 벡터 머신 그리고 Ridge 모형에 대한 모형별 주요 특징을 학습하고 성능을 비교하여 각각 유입 위치와 유입 질량 예측에 대한 최적 모형 및 특징 조합을 제시하는 단계로 구축하였다. 또한, 현장 적용성 제고를 위해 시간-농도 곡선을 2가지 경우 (Whole BTC와 Fractured BTC)로 가정하여 기계학습 모형을 학습시켜 모의결과를 비교하였다. 제시된 프레임워크의 검증을 위해서 낙동강 지류인 감천에 적용하여 모형을 구축하고 시나리오 자료 기반 검증과 Rhodamine WT를 이용한 추적자 실험자료를 이용한 검증을 수행하였다. 기계학습 모형들의 비교 검증 결과, 각 모형은 가중항 기반과 불순도 감소량 기반 특징 중요도 산출 방식에 따라 주요 특징이 상이하게 산출되었으며, 전체 시간-농도 곡선 (WBTC)과 부분 시간-농도 곡선 (FBTC)별 최적 모형도 다르게 산출되었다. 유입 위치 정확도 및 유입 질량 예측에 대한 R²는 대부분의 모형이 90% 이상의 우수한 결과를 나타냈다.