본 연구는 AWS 관측강우정보를 이용하여 실시간 유량예측을 수행할 경우 적용가능한 예측선행시간 및 정확도를 평가하고자 하는데 그 목적이 있다. 이를 위해 남한강 상류유역을 대상유역으로 선정하였으며 2006~2009 홍수기간에 대해 SURF 모형을 구축하였다. 관측유량 자료동화 수행 유무에 따른 모의유량은 관측유량을 잘 모의하며 유효성지수를 이용하여 자료동화 효과를 분석한 결과에서 충주댐 32.08%, 달천 51.53%, 횡성 39.70%, 여주 18.23%가 개선된 것으로 나타났다. 첨두유량 발생시간 이전 가상의 현재시점까지의 AWS 관측강우정보를 이용하여 유량예측 적용성을 평가한 결과 허용오차 20% 범위 내에서 첨두유량은 충주 11시간, 달천 2시간, 횡성 3시간, 여주 5시간, 유출용적은 충주 13시간, 달천 2시간, 횡성 4시간, 여주 9시간 이내에서 예측이 가능한 것으로 나타났다. 따라서 유역의 지체효과로 인해 관측강우만을 이용하여 적정 예측시간에 대해서 실시간 첨두유량 예측이 가능할 것으로 판단된다.
본 연구에서는 연속형 강우-유출모형과 앙상블 칼만 필터 기법을 연계하여 실시간 하천유량 예측모형을 개발하고 자료동화로 인한 정확도 개선 정도를 평가하고자 한다. 대상유역은 안동댐 상류유역을 선정하고 2006.7.1~8.18과 2007.8.1~9.30의 홍수기간에 대해 평가를 수행하였다. 자료동화를 위한 모형 상태변수는 유역의 토양수분과 저류량 및 하도 저류량을 선정하였으며 하류 댐 지점의 관측유량을 이용하여 상태변수를 갱신하도록 모형을 설계하였다. 상태변수의 칼만게인 거동을 분석한 결과 모의유량은 관측유량으로 74% 이동한 것으로 나타났다. 예측강우를 관측강우와 동일하다고 가정하고 예측선행시간 1시간에 대해 자료동화 전 후의 모의유량을 분석한 결과 2006년과 2007년에 각각 49.6%와 33.1%의 정확도가 향상됨을 확인하였다. 이상의 결과로부터 실시간 하천유량 예측시스템에 자료동화기법을 연계할 경우 강우-유출모형만을 이용한 결과보다 정확한 홍수량 예측이 가능할 것으로 판단된다.
One of the most difficult problem to estimate the flood inflow is how to understand the effective rainfall. The effective rainfall is absolutely influenced by the condition of soil moisture in the watershed just before the storm event. DAWAST model developed to simulate the daily streamflow considering the meteologic and geographic characteristics in the Korean watersheds was applied to understand the soil moisture and estimate the effective rainfall rather accurately through the daily water balance in the watershed. From this soil moisture and effective rainfall, concentration time, dimensionless hydrograph, and addition of baseflow, the rainfall-runoff model for flood flow was developed by converting the concept of long-term runoff into short-term runoff. And, real-time flood forecasting model was also developed to forecast the flood-inflow hydrograph to the river and reservoir, and called RETFLO model. According to the model verification, RETFLO model can be practically applied to the medium and small river and reservoir to forecast the flood hydrograph with peak discharge, peak time, and volume. Consequently, flood forecasting and warning system in the river and the reservoir can be greatly improved by using personal computer.
본 연구에서는 단기 예측강우를 활용하여 실시간 유량을 예측할 수 있는 기상-수자원 연계기법을 개발하였다. 이를 위해 기상청의 RDAPS 강수자료와 저류함수(SFM) 모델을 통해 소양강댐 상류유역의 댐유입량을 계산하고 그 정확도를 분석하였다. 대상 사례기간인 2003년 7월 18일부터 2003년 7월 24일까지 RDAPS 강우예측자료의 정확도를 평가한 결과 RDAPS 및 관측 강수량 사이의 정성적 평가에서 매우 우수한 정확도를 보이고, 수자원 측면에서 필요한 정량적 성격을 충족시키는 것으로 나타났다. RDAPS-SFM 연계기법을 통한 하천유량 계산에서도 그 정확도가 비교적 높은 것으로 검토되어 현재의 하천 유량 예측에서 기상 수치예보자료의 활용성은 매우 높은 것으로 사료된다.
본 연구는 연속형 강우-유출모형과 관측유량 자료동화기법으로 앙상블 칼만필터 기법을 연계한 SURF 모형을 낙동강유역에 적용하여 하천유량예측의 적용성을 평가하고자 하는데 그 목적이 있다. 낙동강유역을 43개 소유역으로 구분하고 2006년과 2007년의 홍수기간 동안 12개 평가지점에 대해 유출모의를 수행하였다. 관측유량 자료동화 효과로 인해 예측유량의 정확도가 향상되며 1~5시간의 예측선행시간별 유효성지수를 분석한 결과 자료동화로 인해 46.2~30.1%의 모의유량의 정확도가 개선되는 것으로 나타났다. 또한 관측강우의 50%를 적용하여 자료동화 전 후의 모의 첨두유량에 대한 평균정상절대오차를 비교하였으며 자료동화로 인해 40% 이상의 정확도가 향상됨을 확인하였다. 이상의 결과로부터 SURF 모형은 낙동강유역의 실시간 하천유량예측에 활용될 수 있을 것으로 판단된다.
Real-time flood prediction has an important role in significantly reducing potential damage caused by floods for urban residential areas located downstream of river basins. This paper presents an effective approach for flood forecasting based on the construction of a deep neural network (DNN) model. In addition, this research depends closely on the open-source software library, TensorFlow, which was developed by Google for machine and deep learning applications and research. The proposed model was applied to forecast the flowrate one, two, and three days in advance at the Son Tay hydrological station on the Red River, Vietnam. The input data of the model was a series of discharge data observed at five gauge stations on the Red River system, without requiring rainfall data, water levels and topographic characteristics. The research results indicate that the DNN model achieved a high performance for flood forecasting even though only a modest amount of data is required. When forecasting one and two days in advance, the Nash-Sutcliffe Efficiency (NSE) reached 0.993 and 0.938, respectively. The findings of this study suggest that the DNN model can be used to construct a real-time flood warning system on the Red River and for other river basins in Vietnam.
기후변화로 인한 기상이변 현상이 빈번하게 발생하면서 홍수와 같은 자연재해의 피해규모가 증가하고 있다. 이를 극복하기 위해 최근에는 구조적 대책뿐만 아니라 홍수예측시스템과 같은 비구조적 대책에도 많은 관심과 연구가 이루어지고 있다. 통상 홍수예측을 위해서는 예측강우의 정확도가 중요하게 부각되지만 중규모 이상의 유역에서는 수 시간의 지체시간 효과로 인해 AWS 실황강우만으로도 어느정도 선행시간에 대해서 하천유량예측이 가능하다고 할 수 있다. 본 연구에서는 기상청 AWS 실황강우를 이용하여 하천유량을 예측할 경우 어느정도 선행시간과 정확도를 확보할 수 있는지에 대해서 분석하고자 한다. 분석을 위한 시단위 강우자료와 기상자료는 각각 AWS와 ASOS 자료를 이용하였다. 또한 하천유량 모의를 위한 강우-유출모형으로는 SURF 모델(Sejong University River Forecast Model)을 이용하였다. 이 모형은 저류함수모형 기반의 연속형 강우-유출모형으로 미래에 대한 유출모의결과의 정확도를 향상시키기 위해 앙상블 칼만필터링 기법을 연계한 모형이다. 그림 1은 충주댐유역에 대해서 2009.7.8~17일(240시간)에 대해서 관측유량 자료동화 전후의 결과를 나타낸 것이다. 현시점을 100, 105, 110, 115시간으로 가정하고 미래기간에 대해서는 관측강우를 0으로 가정했을 때 대략 첨두유량 발생 5시간 전에 예측된 모의유량이 관측유량과 거의 일치함을 확인할 수 있다. 따라서 실황강우와 관측유량 자료동화 기법을 연계할 경우 수 시간의 선행시간에 대해서 유량예측이 가능한 것으로 판단된다.
This study examined Artificial Neurons Networks model (ANNs) for forecast flash discharge at Southern part of Thailand by using rainfall data and discharge data. The Sungai Kolok River Basin has meant the border crossing between Thailand and Malaysia which watershed drains an area lies in Thailand 691.88 square kilometer from over all 2,175 square kilometer. The river originates in mountainous area of Waeng district then flow through Gulf of Thailand at Narathiwat Province, which the river length is approximately 103 kilometers. Almost every year, flooding seems to have increased in frequency and magnitude which is highly non-linear and complicated phenomena. The purpose of this study is to forecast runoff on Sungai Kolok at X.119A gauge station (Sungai Kolok district, Narathiwat province) for 3 days in advance by using Artificial Neural Networks model (ANNs). 3 daily rainfall stations and 2 daily runoff station have been measured by Royal Irrigation Department and Meteorological Department during flood period 2000-2014 were used as input data. In order to check an accuracy of forecasting, forecasted runoff were compared with observed data by pursuing Coefficient of determination ($R^2$). The result of the first day gets the highest accuracy and then decreased in day 2 and day 3, consequently. $R^2$values for first day, second day and third day of runoff forecasting is 0.71, 0.62 and 0.49 respectively. The results confirmed that the ANNs model can be used when the range of collected dataset is short and real-time operated. In conclusion, the ANNs model is suitable to runoff forecasting during flood incident of Sungai Kolok river because it is straightforward model and require with only a few parameters for simulation.
본 연구의 목적은 추계동역학적 상태·공간형태의 하도 저류함수모형을 개발하고 실시간 홍수예보를 위한 모형의 적용성을 검토하는데 있다. 팔당댐에서 인도교 지점에 이르는 하도구간을 개발된 모형의 적용 대상구간으로 설정하였으며, 1987∼1998년에 발생한 13개의 홍수사상을 선택하여 모형 매개변수 산정 및 적용성을 검토하였다. 그 결과 최적 매개변수는 각 홍수사상마다 다르지만, 현재 실무에서 사용하고 있는 매개변수를 사용한 유량예측은 비교적 합리적인 결과를 제시하였다. 또한 본 연구에서 개발한 추계동역학적 모형에 의한 유량예측 결과와 기존의 확정론적 모형에 의한 결과를 비교·검토한 결과 본 연구모형이 보다 정확한 결과를 제시하는 것으로 나타났다. 본 연구 대상지역의 예측가능시간을 분석한 결과 비교적 지류의 유입이 적은 홍수사상의 경우 5시간 정도까지는 정확한 하류단이 유량예측이 가능한 것을 판단된다.
수자원분야에서 이용되는 강우에 따른 유역의 수문학적 시스템, 도시지역 및 하천에 대한 수리학적 시스템은 비선형성이 강하고 많은 변수들을 포함하고 있다. 이러한 특성을 가진 시계열 자료에서 기계학습을 통한 예측은 예측시점 이전의 자료 특성을 반영하지 못하는 등 기본적인 신경망으로는 부족한 상황이 발생하기도 한다. 본 연구에서 적용할 강우-유출량과 같이 비선형성이 강하고 시간종속성이 높은 복잡한 시계열 자료를 예측하기 위해 신경망의 학습능력을 극대화한 순환형 동적 신경망(Recurrent Dynamic Neural Network)의 한 종류인 동시에, 시간 지연 신경망(Time-Delay Neural Network)의 특성을 가진 비선형 자기회귀(NARX, Nonlinear Autoregressive Exogenous Model) 인공신경망을 사용하였다. 이를 태화강 지방하천 구간에 적용하여 NARX 인공신경망의 시간 지연 매개변수를 10분에서 120분까지 조정하며 모의한 결과에 대해 여러 통계지표를 이용해 정량적으로 평가하였다. 그 결과 지연시간이 증가할수록 효율계수(NSE)가 0.530에서 0.988으로 증가하고, 평균제곱근편차(RMSE)가 379.9 ㎥/s에서 16.1 ㎥/s로 감소하는 등 정교한 예측이 가능함을 확인하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.