• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.186-190
• /
• 2011

정부는 홍수대응능력 강화, 대체수원확보, 안정적 물 공급 등을 목표로 '4대강 살리기 사업'을 추진 중이며, 이 가운데 수량확보 및 수질개선을 목적으로 권역별 중요지점에 보를 설치 중이다. 아직도 논란이 되고 있는 보설치 효과에 대해 본 연구는 수직 수평적으로 수리 및 수질 모의가 가능한 비정상 상태의 3차원 모형인 EFDC 모형을 이용하여 낙동강 유역 내 건설 중인 달성보의 설치 전후 수질변화를 비교함으로써 사업의 수질목표 달성 가능성을 확인하고자 하였다. 모의결과 연평균 DO는 미비하게 감소하는 경향이 있으나, T-N과 T-P의 경우 연평균 0.138mg/L, 0.069mg/L 가량 감소되는 것으로 나타났다. 또한, COD의 경우 연평균 1.911mg/L 감소하는 것으로 나타나 T-N, T-P, COD 항목을 기준으로 하였을 때 수질개선효과가 나타났다. 시기별로 살펴보면, 갈수기시 보로 인해 유량이 확보되면서 수질이 개선되는 것으로 나타났고, 이에 반해 홍수 기시에는 개선효과가 미비했다. 고정보를 가정한 한계는 있지만, 본 연구로부터 달성보 설치에 따른 수질개선효과를 확인할 수 있었으며 고정보가 아닌 가동보에서의 효율적인 운영시 보다 높은 수질개선 효과가 나타날 것으로 판단된다.

• 한국물환경학회지
• /
• 제23권1호
• /
• pp.38-45
• /
• 2007

A one-dimensional kinematic wave model was used to calculate temporal and spatial changes of the highway runoff. Infiltration into pavement was considered using Darcy's law, as a function of flow depth and pavement hydraulic conductivity ($K_p$). The model equation was calculated using the method of characteristics (MOC), which provided stable solutions for the model equation. 22 storm events monitored in a highway runoff monitoring site in west Los Angeles in the U.S. were used for the model calculation and evaluation. Using three different values of $K_p$ ($5{\times}10^{-6}$, $10^{-5}$, and $2{\times}10^{-5}cm/sec$), total runoff volume and peak flow rate were calculated and then compared with the measured data for each storm event. According to the calculation results, $10^{-5}cm/sec$ was considered a site representative value of $K_p$. The study suggested a one-dimensional method to predict hydrodynamic behavior of highway runoff, which is required for the water quality prediction.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.141-141
• /
• 2017

본 연구에서는 대하천의 8개의 수질인자(수온, 용존산소, 수소이온농도, 전기전도도, 총질소, 총인, 탁도, 클로로필-a)를 예측할 수 있는 인공신경망모델을 개발하였다. 인공신경망모델(ANN)은 수질데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 데이터기반 모델이다. 데이터기반 모델의 특성상 예측정확도를 높이기 위해서 양질의 입력데이터를 구성하는 것이 가장 중요하다. 때문에 각각의 수질인자뿐만 아니라 기상학적 인자 또한 예측을 위한 입력자료로 사용하였으며, 요인분석 및 층화표층추출법을 적용하여 입력데이터를 구성하였고 앙상블기법을 이용하여 추가적으로 예측의 정확도를 향상시켰다. 개발된 모델을 이용하여 지천유입이 있는 북한강의 수질자료를 예측한 결과 탁도를 제외한 7개의 수질인자 모두 0.85 이상의 설명력을 보였으며, 실측값과 예보값을 비교해본 결과 평균적으로 10% 미만의 에러값을 나타냈다. 요인분석을 통하여 연관성있는 인자를 입력인자로 추가한 경우 향상된 결과값을 보였주었으며, 앙상블기법을 적용한 결과 정확도 면에서 큰 향상을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.26-26
• /
• 2017

우리나라는 하천 및 호수 등 지표수에 대한 수자원 의존도가 매우 높다. 지표수는 태양광에 노출되어 있고, 기온의 영향을 직접 받기 때문에 기후변화에 대해 매우 민감한 수체이다. 기후변화로 인한 이상 저온, 이상 고온, 홍수, 가뭄 등의 자연 현상은 하천, 호수의 물리화학적 및 생태학적 특성을 변화(교란)시키고 있다. 이러한 기상현상에 변동되는 수질특성을 고려하여 기상청 확률기상예보를 구축된 인공신경망 예측모형의 입력인자로 적용하여 수질예보시스템을 개발하고자 하였다. 모형구축은 실제 일어난 기상관측자료와 요인분석을 통해 분류한 수질인자를 반영하여 단위유역별 수질예측을 위한 ANN학습을 실시하였다. 각 단위유역마다 기상요인의 공간적 세밀화 적용을 위해 각각 남강A, 남강B는 산청기상대, 남강C, 남강D는 진주기상대, 남강E는 의령기상대 자료를 이용하였으며, 수질항목은 DO, BOD, COD, TOC, T-P, SS 총 6개로 단위유역 5개에서 총 30개 예측모형 구축을 위한 자료를 수집하였다. 학습된 인공신경망 예측모형에 기상청 확률예보 값을 입력인자로 사용하여 모형평가를 실시하였다. 5개 단위유역 중 상대적으로 유역관리의 시급성을 고려하여 남강댐 하류 단위유역인 남강D, 남강E 인공신경망 모형의 입력자료로 적용하여 평가하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.262-262
• /
• 2023

기후변화 및 도시화에 따른 강우 패턴의 변화는 수문 변화를 야기시키며, 이에 따른 영향을 평가하고 예측하기 위해서는 수문학적 모델을 통해 정량화하는 과정이 필요하다. 그러나 기존에 개발되어 사용되고 있는 대부분의 수문학적 모델은 해외에서 개발되어 국내 유역 특성을 반영하지 못하는 한계가 있다. 이러한 한계점을 극복하기 위해서 L-THIA ACN-WQ 2016과 2018 모델이 개발되어 적용성이 평가된 바 있다. 하지만 L-THIA ACN-WQ 모델의 경우 시단위 유량 및 수질 모의가 불가능한 한계점이 있다. 소규모 유역이나 도시화된 지역에서는 하루에 여러 번의 강우 이벤트가 발생하거나 단기간에 많은 양의 강우가 발생하는 경우가 많기 때문에, 이러한 강우-유출을 평가하기 위해서는 시단위 모의가 필요하다. 본 연구에서는 시단위 유량-수질 모의가 가능한 L-THIA sub-daily WQ 모델을 개발하였으며, 갑천 유역과 복하천 유역에서 적용성을 평가하였다. L-THIA sub-daily WQ 모델은 SCS-CN 방법과 Green-Ampt 방법을 함께 고려할 수 있도록 개발하였으며, 국내의 토지이용 및 강우 특성을 고려할 수 있도록 점근 CN과 강우 계급별 EMC를 활용하였다. 갑천 유역과 복하천 유역에서 시단위 유량 예측 결과 R2는 0.61~0.69, NSE는 0.61~0.65, PBIAS는 -4.0~-7.3으로 모의된 시단위 유량이 자연현상을 잘 모의하는 것으로 나타났으며, 수질 예측 결과 T-P와 SS가 자연현상을 잘 모의하는 것으로 나타났다. 따라서, 본 연구에서 개발된 L-THIA sub-daily WQ 모델은 점오염원을 포함하고 있는 도시유역에서 비점오염원에 평가에 활용될 수 있을 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.219-219
• /
• 2020

하천의 수질을 나타내는 환경지표 중 국가 TMS(Tele Monitoring system)의 수질측정망을 통해 관리되고 있는 지표로는 DO, BOD, COD, SS, TN, TP 등 여러 인자들이 있다. 이러한 수질인자는 하천의 자정작용에 있어 많은 영향을 나타내고 있다. 이를 활용한 경제적이고 합리적인 수질관리를 위해 하천의 자정작용을 활용하는 것이 중요하다. 생물학적 작용을 가장 효과적으로 활용하기 위해서는 수질오염 데이터에 기초한 수질예측을 채택하여 적절한 대책이 필요하다. 이를 위해서는 수질인자의 데이터를 측정하고 축적해 수질오염을 예측하는 것이 필수적인데, 실제적으로 수질인자의 일일 측정은 비용 관점에서 쉽게 접근할 수 없다. 본 연구에서는 시계열 학습으로 알려진 RNN-LSTM(Recurrent Neural Network-Long Term Memory) 알고리즘을 활용하여 기존에 측정된 수질인자의 데이터를 통해 시간당 및 일일 수질인자를 예측하려고 했다. 연구에 앞서, 기존에 시간단위로 측정된 수질인자 데이터의 이상 유무를 확인 후, 에러값은 제거하고 12시간 이하 데이터가 누락되었을 때는 선형 보간하여 데이터를 사용하고, 1일 데이터도 10일 이하 데이터가 누락되었을 때 선형 보간하여 데이터를 활용하여 수질인자를 예측하였다. 수질인자를 예측하기 위해 구글이 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하였고, 연구지역으로는 대한민국 부산에 위치한 온천천의 유역을 선정하였다. 수질인자 데이터 수집은 부산광역시에서 운영하는 보건환경정보 공개시스템의 자료를 활용하였다. 모델의 연구를 위해 하천의 수질인자, 기상자료 데이터를 입력자료로 활용하였다. 분석에서는 입력자료와, 반복횟수, 시계열의 길이 등을 조절해 수질 요인을 예측했고, 모델의 정확도도 분석하였다.

• 한국지형학회지
• /
• 제23권3호
• /
• pp.67-78
• /
• 2016

Soil carbon(C) is an essential property for characterizing soil quality. Understanding spatial patterns of soil C is particularly limited for mountain areas. This study aims to predict the spatial pattern of soil C using terrain analysis in a steep mountainous area. Specifically, model performances and prediction uncertainties were investigated based on the number of resampling repetitions. Further, important predictors for soil C were also identified. Finally, the spatial distribution of uncertainty was analyzed. A total of 91 soil samples were collected via conditioned latin hypercube sampling and a digital soil C map was developed using support vector regression which is one of the powerful machine learning methods. Results showed that there were no distinct differences of model performances depending on the number of repetitions except for 10-fold cross validation. For soil C, elevation and surface curvature were selected as important predictors by recursive feature elimination. Soil C showed higher values in higher elevation and concave slopes. The spatial pattern of soil C might possibly reflect lateral movement of water and materials along the surface configuration of the study area. The higher values of uncertainty in higher elevation and concave slopes might be related to geomorphological characteristics of the research area and the sampling design. This study is believed to provide a better understanding of the relationship between geomorphology and soil C in the mountainous ecosystem.

• Structural Engineering and Mechanics
• /
• 제68권6호
• /
• pp.691-700
• /
• 2018

Ground granulated blast furnace slag (GGBS) is a by product obtained from iron and steel industries, useful in the design and development of high quality cement paste/mortar and concrete. This paper investigates the applicability of relevance vector machine (RVM) based regression model to predict the compressive strength of various GGBS based concrete mixes. Compressive strength data for various GGBS based concrete mixes has been obtained by considering the effect of water binder ratio and steel fibres. RVM is a machine learning technique which employs Bayesian inference to obtain parsimonious solutions for regression and classification. The RVM is an extension of support vector machine which couples probabilistic classification and regression. RVM is established based on a Bayesian formulation of a linear model with an appropriate prior that results in a sparse representation. Compressive strength model has been developed by using MATLAB software for training and prediction. About 70% of the data has been used for development of RVM model and 30% of the data is used for validation. The predicted compressive strength for GGBS based concrete mixes is found to be in very good agreement with those of the corresponding experimental observations.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.143-143
• /
• 2023

최근 대청댐('17), 평림댐('19) 등 광역 취수원에서 망간의 먹는 물 수질기준(0.05mg/L 이하) 초과 사례가 발생되어, 다수의 민원이 제기되는 등 취수원의 망간 관리 중요성이 부각되고 있다. 특히, 동절기 전도(Turn-over)시기에 고농도 망간이 발생되는 경우가 많은데, 현재 정수장에서는 망간을 처리하기 위해 유입구간에 필터를 설치하고 주기적으로 교체하는 방식으로 처리하고 있다. 그러나 단기간에 고농도 망간 다량 유입 시 처리용량의 한계 등 정수장에서의 공정관리가 어려워지므로 사전 예측에 의한 대응 체계 고도화가 필요한 실정이다. 본 연구는 광역취수원인 주암댐을 대상으로 망간 예측의 정확도 향상 및 예측기간 확대를 위해 다양한 머신러닝 기법들을 적용하여 비교 분석하였으며, 독립변수 및 초매개변수 최적화를 진행하여 모형의 정확도를 개선하였다. 머신러닝 모형은 수심별 탁도, 저수위, pH, 수온, 전기전도도, DO, 클로로필-a, 기상, 수문 자료 등의 독립변수와 화순정수장에 유입된 망간 농도를 종속변수로 각 변수에 해당하는 실측치를 학습데이터로 사용하였다. 그리고 데이터기반 모형의 정확도를 개선하기 위해서 성층의 수준을 판별하는 지표로서 PEA(Potential Energy Anomaly)를 도입하여 데이터 분석에 활용하고자 하였다. 분석 결과, 망간 유입률은 계절 주기에 따라 농도가 달라지는 것을 확인하였고 동절기 전도시점과 하절기 장마기간 난류생성 시기에 저층의 고농도 망간이 유입이 되는 것을 분석하였다. 또한, 두 시기의 망간 농도의 변화 패턴이 상이하므로 예측 모델은 각 계절별로 구축해 학습을 진행함으로써 예측의 정확도를 향상할 수 있었다. 다양한 머신러닝 모델을 구축하여 성능 비교를 진행한 결과, 동절기에는 Gradient Boosting Machine, 하절기에는 eXtreme Gradient Boosting의 기법이 우수하여 추론 모델로 활용하고자 하였다. 선정 모델을 통한 단기 수질예측 결과, 전도현상 발생 시기에 대한 추종 및 예측력이 기존의 데이터 모형만 적용했을 경우대비 약 15% 이상 예측 효율이 향상된 것으로 나타났다. 본 연구는 머신러닝 모델을 활용한 망간 농도 예측으로 정수장의 신속한 대응 체계 마련을 지원하고, 수처리 공정의 효율성을 높이는 데 기여할 것으로 기대되며, 후속 연구로 과거 시계열 자료 활용 및 물리모형과의 연결 등을 통해 모델의 신뢰성을 제고 할 계획이다.

• 기술사
• /
• 제17권4호
• /
• pp.8-14
• /
• 1984

In this part of the studies on dielectric dehydration of foamed fish-starch paste, quality stability and shelflife of the product of which the preparation formula and processing conditions were described in the previous report (Lee et at., 1982) were determined by means of accelerated reaction test. The product was stored for 50 days under the conditions of temperatures at 35, 45, and 55$^{\circ}C$ in steady state and various water activities of 0.44, 0.52, 0.65, and 0.75, respectively. The loss of available lysine, the extent of TBA value, and the development of browning during the storage were measured and reaction kinetically analysed to assess quality stability and shelf-life of the product for the storage at room temperature of 25$^{\circ}C$. The extent of browning was accelerated with the increase of water activity and temperature marking the time to reach a limit of color and flavor deterioration, or to reach brown color density of 0.17 O.D./g at 420nm, 106 days at a$\_$w/=0.44, 35$^{\circ}C$, and 41 days at aw=0.65, 55$^{\circ}C$. These reaction rates resulted in a prediction of shelf-life, 130 to 110 days in the storage at au=0.44 to 0.75, 25$^{\circ}C$. The quality limit assessed by TBA values and sensory evaluation of rancidity was 87 days at a$\_$w/=0.44, 35$^{\circ}C$, and 30 days at aw=0.73, 55$^{\circ}C$ which gave a predicted shelf-life, 128 to 113 days at a$\_$w/=0.44 to 0.75, 25$^{\circ}C$ storage.