• 한국수자원학회논문집
• /
• 제51권6호
• /
• pp.503-514
• /
• 2018

최근 기후변화 및 유역개발로 인하여 메콩강 유역의 수문환경이 급격히 변화하고 있으며, 메콩강을 공유하는 국가의 수재해 예방 및 지속가능한 수자원개발을 위해서는 메콩강 주요지점에서의 유량 정보의 분석 및 예측이 요구된다. 본 연구에서는 물리적 기반의 수문모형인 SWAT과 데이터기반 딥러닝 알고리즘인 LSTM을 이용하여 메콩강 하류 Kratie 지점의 유출모의를 수행하고, 유출모의 정확도 및 두 가지 방법론의 장 단점을 비교 분석한다. SWAT 모형의 구축을 위해 범용 입력자료(지형: HydroSHED, 토지이용: GLCF-MODIS, 토양: FAO-Soil map, 강우: APHRODITE 등)을 이용하였으며 warming-up 및 매개변수 보정 후 2003~2007년 일유량 모의를 수행하였다. LSTM을 이용한 유출모의의 경우, 딥러닝 오픈소스 라이브러리인 TensorFlow를 활용하여 Kratie 지점기준 메콩강 상류 10개 수위관측소의 두 기간(2000~2002, 2008~2014) 일수위 정보만을 이용하여 심층신경망을 학습하고, SWAT 모형과 마찬가지로 2003~2007년을 대상으로 Kratie 지점에 대한 일수위 모의 후 수위-유량관계곡선식을 이용하여 유출량으로 환산하였다. 두 모형의 모의성능 비교 검토를 위하여 모의기간에 대해 NSE (Nash-Sutcliffe Efficiency)을 산정한 결과, SWAT은 0.9, LSTM은 보다 높은 0.99의 정확도를 나타내는 것으로 분석되었다. 메콩강과 같은 대유역의 특정 지점에 대한 수문시계열 자료의 모의를 위해서는 다양한 입력자료를 요구하는 물리적 수문모형 대신 선행 시계열자료의 변동성을 기억 학습하여 이를 예측에 반영하는 LSTM 기법 등 데이터기반의 심층신경망 모형의 적용이 가능할 것으로 판단된다.

• 한국해안해양공학회지
• /
• 제6권3호
• /
• pp.245-259
• /
• 1994

연직 확산계수의 산정에 k-I 난류방정식을 도입하여 예측성을 향상시킨 치안 해수유동 및 온배수 확산에 관한 3차원 수치모형을 개발하였다. 모형은 1차원 수로에서 취송류의 연직분포, 정지수역으로의 온배수 젯트에 대하여 수리실험자료와의 비교검증을 실시하고 고리해역에서 조류 및 온배수 확산을 해석하여 현장 적용성을 검토하였다. 계산결과는 검증에 사용된 자료와 대체로 일치하는 양호한 결과를 보였으며, 취송류, 밀도류, 조류에 대하여 동일한 모형상수를 사용하여 연직 확산계수를 계산할 수 있어 난류모형의 상수가 보편성이 있음을 확인하였다. 따라서, 본 연구에서 $textsc{k}$-ι 난류방정식을 도입하여 개발된 수치모형은 연안 해수유동을 대표하는 취송류, 밀도류, 조류에 대하여 난류상수의 보편성과 모형의 예측성을 갖고 있어 연안 해수유동 및 확산을 연구하는 데 효율적으로 활용될 수 있을 것으로 사료된다.

• 한국해안해양공학회지
• /
• 제7권4호
• /
• pp.379-392
• /
• 1995

대한해협의 유황, 표류 예측모형을 수립하기 위한 초기노력을 수행하였는데 첫 대상해역은 대한해협주변해역으로 하였다. 해류의 요인별 Data Table에 의거한 시공적 유황예측에 의한 표류예측 시뮬레이션을 수행하여 이 해역에서 관측된 위성추적부표의 결과와의 비교로서 모형의 검증을 수행하였는데 비교적 좋은 일치를 보였다.

• 한국시뮬레이션학회논문지
• /
• 제5권1호
• /
• pp.1-12
• /
• 1996

We propose a new approach to classifying a time series data into one of the autoregressive moving-average (ARMA) models. It is bases on two pattern recognition concepts for solving time series identification. The one is an extended sample autocorrelation function (ESACF). The other is a neural network-driven decision tree classifier(NNDTC) in which two pattern recognition techniques are tightly coupled : neural network and decision tree classfier. NNDTc consists of a set of nodes at which neural network-driven decision making is made whether the connecting subtrees should be pruned or not. Therefore, time series identification problem can be stated as solving a set of local decisions at nodes. The decision values of the nodes are provided by neural network functions attached to the corresponding nodes. Experimental results with a set of test data and real time series data show that the proposed approach can efficiently identify the time seires patterns with high precision compared to the previous approaches.

• 한국방재안전학회논문집
• /
• 제13권4호
• /
• pp.75-92
• /
• 2020

일반적으로 물수지 분석 시 공급에 해당되는 회귀수량의 경우 용수별 회귀율을 일률적으로 정하여 산정하는 방법을 채택하고 있어 정확한 가용유량을 산정하지 못하는 한계를 갖고 있다. 이에 본 연구에서는 회귀수 중 하·폐수에 초점을 두었고 인공신경망 등의 기계학습 모형을 적용하여 하수종말처리장의 방류량 예측 모형을 개발하였다. 시계열 자료예측 시 사용되는 주요 기계학습 모형인 LSTM (Long Short-Term Memory), GRU (Gated Recurrent Units), SVR (Support Vector Regression)모형을 적용하였으며 관측 값과 예측 값을 비교하는 오차지표를 통하여 방류량 예측의 최적의 모형을 선정하였다. 모형 적용 결과, GRU 모형의 평균제곱근 오차(Root Mean Square Error, RMSE)는 LSTM 모형과 SVR 모형보다 작으며 Nash-Sutcliffe 계수(NSE)는 LSTM 모형과 SVR 모형보다 큰 것을 확인하였고, 이를 근거로 하수종말처리장의 방류량 예측에 최적모형은 GRU 모형이라고 판단하였다. 다만, 극값에서는 예측 값이 과소 및 과대 산정되는 경향을 보여 추후 예측 정확도 향상을 위해서는 극한사상에 대한 추가자료 구축 및 입력 자료의 최소시간단위를 축소하는 것이 필요할 것으로 판단되었다. 또한, 예측하고자 하는 대상지의 용수이용량을 검토하고 계절적 영향을 반영할 수 있는 추가인자를 고려하게 되면 기후변동성에 대비하여 정확한 방류량 예측이 가능하며 예측 결과를 토대로 종합적인 하천수 사용관리 및 물이용 계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

• 한국해안해양공학회지
• /
• 제13권2호
• /
• pp.177-188
• /
• 2001

전난류에서 파와 해류가 합성하였을 때 발생하는 해저면 마찰력을 계산하는 방법을 고찰하였다. 전난류에서 일방향 흐름에 의한 마찰력의 산정방법으로 절점조정법을 제시하였으며, Bijker의 관측자료와 비교하여 절점조정치를 산정하였다. 파와 해류의 합성류에 의한 마찰력 계산방법으로 수정된 Bkjker 모형(BYO Model)과 수정된 Fredsoe 모형(FY Model)을 Bijker의 관측자료에 적용하였으며, BYO 모형에서 최대마찰력을 산정하는데 있어 새로운 개선책을 제시하였다.

• 물과 미래
• /
• 제26권3호
• /
• pp.47-61
• /
• 1993

수정 tank 모형의 입력, 구동, 출력 및 매개변수의 보정을 실시할 수 있는 쉘 프로그램 DSFS를 개발하고, 중소 유역의 일 유출량의 추정에 적용하도록 하였다. 수정 tank 모형은 유역의 일별 증발산 손실을 추정함으로써 유출량을 정의하도록 하였으며, 증발손실량은 배재 증발산량에 토양수분계수 및 토지 이용상태에 따른 월별 작물피복계수를 써서 조정하도록 하였다. 모형의 매개변수를 보정하고, 매개변수와 유역 특성인자와의 관계를 얻었다. 개발된 쉘 프로그램을 미계측유역에 적용하였으며, 일유출량 추정에서 최적화 결과와 유사한 값은 보였으나, 년 유출량은 10% 정도 큰 값은 보였다.

• 한국해양학회지
• /
• 제30권1호
• /
• pp.13-26
• /
• 1995

Blumberg와 Mellor(1987)의 2 방정식 난류모형, Bleackadar(1962)의 1 산정식을 이용한 1 방정식 난류모양 및 Prandtl(1925)의 혼합거리식을 이용한 0 방정식 난류모 양을 일련의 등밀도 문제에 적용 비교하였다. 구체적으로 일정유량이 주어진 수심이 급변하는 수로의 흐름, 유한수로에서 의 조류의 연직구조 및 일정수심 수로에서 의 정 상상태 취송류 문제에 대하여 비교되었다. 불규칙한 수심에 일정유량이 주어진 수로 흐름 및 점모양을 이용한 조류의 수치실험에서는 적용된 난류모양 모두 거의 비슷한 결과를 보였으며, 비교적 관측된 유속구조와 부합하는 좋은 결과를 보였다. 그러나 정 상상태의 취송류 경우에는 2 방정식만이 관측된 유속과 부합하는 유속구조를 재현하 였으며, Blackadar의 l 산정식을 이용한 1, 0 방정식 난류모형은 수면근처의 유속을 관측치보다 작게 계산하였다. 이류항 및 수평확산항의 영향이 작은 조류 및 취송류의 경우, 2 방정식 난류모형에 의한 연직와점성계수 이류항 및 수평확산항의 영향이 작은 조류 및 취송류의 경우, 2 방정식 난류모양에 의한 연직와점성계수 및 특성길이의 연 직분포는 중간수심에서 최대값을 갖는 포물형이었으며, Blackadar의 l 산정식을 사용 한 1, 0 방정식 난류모형에 의한 연직와점성계수 및 혼합특성길이의 연직분포는 수면 에서 최대인 선형에 가까웠다.

• 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.

• 산업경영시스템학회지
• /
• 제41권3호
• /
• pp.90-96
• /
• 2018

This paper proposed data driven techniques to forecast the time point of water management of the water reservoir without measuring manganese concentration with the empirical data as Juam Dam of years of 2015 and 2016. When the manganese concentration near the surface of water goes over the criteria of 0.3mg/l, the water management should be taken. But, it is economically inefficient to measure manganese concentration frequently and regularly. The water turnover by the difference of water temperature make manganese on the floor of water reservoir rise up to surface and increase the manganese concentration near the surface. Manganese concentration and water temperature from the surface to depth of 20m by 5m have been time plotted and exploratory analyzed to show that the water turnover could be used instead of measuring manganese concentration to know the time point of water management. Two models for forecasting the time point of water turnover were proposed and compared as follow: The regression model of CR20, the consistency ratio of water temperature, between the surface and the depth of 20m on the lagged variables of CR20 and the first lag variable of max temperature. And, the Box-Jenkins model of CR20 as ARIMA (2, 1, 2).