• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.546-546
• /
• 2015

현재 새만금 호 내로 유입되는 만경, 동진강 유역은 대규모 관개시스템을 통해 하천수의 대부분을 농업용수로 취수하고 있어 하천의 건천화가 심화되고 이에 따라 수질관리와 수생태계 보전에 어려움이 있다. 또한 새만금호는 방조제 완공 이후 배수갑문을 통한 해수유통이 줄어들어 호 내중 하류부에만 영향을 미치고 상류부인 만경, 동진강의 유입부는 유입되는 유량과 오염부하량의 지배적인 영향을 받는다. 이러한 새만금유역과 호에 대해 적정수질유지 및 합리적인 수질관리 대책 수립이 중요하며, 이를 위하여 상류하천 및 새만금호의 주요 지점에 대한 지속적인 모니터링 및 유역과 수역의 기작 등을 합리적으로 구현할 수 있는 수질예측 모델을 구축, 운영 할 필요가 있다. 따라서 본 연구에서는 새만금유역에 대해 SWAT모형을 적용시켜 자료를 구축하였고, 그 결과를 토대로 3차원 수리?수질모델인 EFDC를 이용하여 2020년 호 내 수질을 모의하였다. 또한 제수문 방류조건(1cms방류, 65%방류, 전량방류)에 따른 수질 변화를 모의하여 호 내 수질변화와 영향범위를 추정하였다. 제수문에서의 1cms방류조건과 전량방류조건을 모의하여 연평균 농도를 비교 한 결과 M3지점에 서 COD 1.304mg/L 감소, T-N 1.207mg/L 감소, T-P 0.08mg/L 감소, Chl-a $5.095mg/m^3$ 감소, D3지점에서 COD 0.492mg/L 감소, T-N 0.205mg/L 감소, T-P 0.009mg/L 감소, Chl-a $2.117mg/m^3$ 감소하는 것으로 예측되어 수질이 개선되는 것으로 나타났다. 이는 만경강과 동진강 제수문의 증가된 방류량으로 인해 유황이 개선되고 호 내 오염부하농도가 감소하는 것으로 판단된다. 방류조건별 영향범위를 살펴본 결과, 65%방류조건에서는 호 내 상류구간에 영향을 미치는 것으로 나타났고, 전량방류조건에서는 호 내 중?상류구간이 지배적인 영향범위로 평가되었다. 따라서 유역 내 제수문 관리를 통한 방류량 조정은 새만금호의 효과적인 수질관리에 기여 할 것으로 예상되며, 향후 제수문의 체계화된 운영방안 수립대책이 필요하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.39-39
• /
• 2019

인구의 도시 집중화로 인하여 다량의 생활용수의 사용에 따라 하천의 자정능력을 초과하여 오염을 유발시키고 있다. 이에 도시하천들의 오염은 점점 심해져 경제적으로 많은 문제를 유발하고 있다. 이러한 하천오염 문제를 과학적으로 대응하기 위해서는 오염물질의 농도 측정 및 데이터 축척을 통한 오염예측이 필수적이라 할 수 있으며, 부산광역시 보건환경정보 공개시스템에서는 하천수질 자동측정망을 설치하여 시간 단위로 오염물질을 측정하고 있다. 그러나 온천천의 하천수질 데이터는 계속 쌓여가고 있는데 이 데이터를 활용해서 하천수질 인자 예측이 거의 이뤄지지 않고 있다. 본 연구에서는 순환신경망 알고리즘을 활용하여 일 단위의 하천수질 인자 예측을 시도하였다. 순환신경망은 인공신경망의 발전된 형태인 시계열 학습에 강한 RNN, LSTM 알고리즘을 활용한 일단위 하천수질 인자 예측을 하고자 하였다. 연구에 앞서 시간 단위로 쌓여있는 데이터를 평균 내어 일 단위로 변경하였고 이 데이터를 가지고 일 단위 하천수질 인자 예측을 진행하였다. 연구에는 Google에서 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하여 DO, 탁도 등 항목을 예측하였다. 하천오염의 학습과 예측을 위해 대상지로는 부산지역 온천천의 부곡교, 세병교, 이섭교 관측소를 선택하였다. 연구를 위해 DO, 탁도 등 자료 수집은 부산광역시 보건환경정보 공개시스템의 자료를 활용하였다. 모형의 학습을 위해 입력자료로는 하천수질 인자 자료를 이용하였고, 자료의 학습에는 2014년~2017년 4년간의 자료를 학습자료로 사용하였고, 2018년 1년간의 자료는 모형의 검증을 위해 사용하였다. RNN, LSTM 알고리즘을 활용하여 분석 시 은닉층의 개수, 반복시행횟수, sequence length 등의 값을 조절하여 하천수질 인자 예측을 하였다. 모형의 검증을 위해 $R^2$(r square)와 RMSE(root mean square error)을 이용하여 통계분석을 실시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.443-443
• /
• 2018

새만금유역의 동진강유역에 위치한 동진강제수문은 서해 바닷물 역류에 따른 농경지의 염분피해를 예방하고 고부천과 연계된 부안지역의 농업용수 공급을 위해 설치되었다. 동진제수문은 그간 정읍시 신태인읍, 김제시 부량면, 부안군 백산면의 약 770 ha 농경지에 대해 염분피해를 예방하였고 영농과 한발 시에는 부안군 일대 농경지에 농업용수를 공급할 수 있었다. 하지만 새만금 간척사업등 대규모 국토개발로 주변 자연환경이 크게 변화하여 제수문은 염해방지기능을 상실하게 되었고 현재는 농업용수 공급원으로써의 기능만 남아 있다. 현재 동진강제수문은 관개기에 농업용수 취수를 위해 수문을 닫아 본류의 유량을 저류시키고 있으며, 비관개기에도 대부분 제수문을 닫아놓는 형태로 운영되고 있다. 이러한 갑문폐쇄로 인해 하류의 유입유량이 차단되고 상류 체류시간이 증가되어 수질에 영향을 미칠 것으로 사료된다. 농업용수사용을 위해 저류되어있는 유량을 효율적으로 방류한다면, 외부수자원에 의존하지 않고 유역 내에서 자체적으로 새만금호의 유입량을 확보할 수 있을 뿐만 아니라 동진강 하류의 수질개선에도 기여할 것으로 판단된다. 본 연구에서는 동진강제수문의 내용적을 산정하여 용수공급능력을 파악하였고, 새만금유역과 호 내의 복잡한 수체 형상, 유입 및 유출 구조를 반영하는데 적합한 모델을 적용하였다. 재현성이 검토된 모델 결과를 이용하여 새만금호의 유입부인 동진강 하류의 수질을 모의하였으며, 구성한 모형의 결과와 용수공급능력을 바탕으로 동진강제수문에서의 방류조건을 가정하여 모의를 수행하였다. 방류조건별 수질개선효과를 살펴보면, Scenario 3 > Scenario 2 > Scenario 1의 순서로 수질개선율이 크게 나타났다. 동진강제수문에서의 방류량이 증가할수록 하류의 농도가 점차 감소하는 것으로 나타났으며, 이러한 결과는 동진강제수문의 방류량으로 인해 유황이 개선되고 호 내 오염부하농도가 감소하는 것으로 판단된다. 따라서 농업용수 필요량을 제외한 유량을 하류의 환경유지용수로 확보하고 이를 수질관리취약 시기에 탄력적으로 방류하여 정체수역의 수질오염을 감소시키고 목표수질을 만족하도록 운영되어야 할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.301-301
• /
• 2020

물은 보다 나은 삶을 살아가는데 있어 매우 중요한 자원이며, 안전하고 깨끗한 물을 공급받는 것은 국민 생활 영위에 반드시 필요한 부분이다. 국내 주요 수자원은 하천수를 통해 확보하고 있으며, 안전한 수자원 공급을 위해서는 하천관리를 통한 수질오염사고에 대비한 대책 수립이 필요하다. 국내에서는 페놀, 황산 등 독성오염물질 유출로 인한 수질오염사고가 발생한 바 있고, 그 피해액이 수백억에 달한다. 이러한 수질오염사고로 인한 피해액을 감소시키고 안전한 수자원 공급을 유지하기 위해서는 오염물질의 거동을 이해하고 예측하는 것이 매우 중요하다. 국내하천의 경우, 대부분 하폭 대비 수심비가 크기 때문에 오염물질이 2차원 혼합특성을 나타낸다. 따라서 본 연구에서는 하천 내 오염물질의 2차원적 혼합거동을 해석할 수 있는 수치모형을 개발하고자 하며, 현장에 적합한 해석기법을 검토하고 모형 개발 방향을 결정하고자 한다. 본 연구에서는 하천 내 수질오염사고 발생 시 신속하고 정확한 수질 분석 및 예측을 목표로 오염물질 혼합해석에 주로 활용되는 격자기반 모형과 입자추적 기반 모형의 프로토타입을 개발했다. 용존성 오염물질을 대상으로 격자 기반 및 입자 기반 혼합해석 모형을 개발했으며, 오염물질의 주입형태와 하천 내 유속 분포를 가정해 혼합해석을 수행했다. 격자 기반 모형의 경우, 경계조건과 분산계수의 결정이 필요하고 수렴/발산 문제로 인해 모형의 안정적 실행을 위한 조건 수립이 필요하다. 입자 기반 모형의 경우에도 입자 수에 따른 계산시간 개선이 필요하지만, 입력조건 결정이 간편하고 분산계수 입력이 필요 없어 신속한 모의조건 설정이 가능하다. 오염물질 혼합해석 모형 개발을 위한 해석기법 검토 결과, 신속한 수질 분석 및 예측 결과를 제공하기 위해서는 계산시간 개선을 전제로 모의조건 설정이 용이한 입자 기반 모형이 가장 적합한 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.43-43
• /
• 2022

유해 조류 대발생은 전국 각지의 인공호소나 하천에서 다발적으로 발생하며, 경관을 해치고 수질을 오염시키는 등 수자원에 부정적인 영향을 미친다. 본 연구에서는 인공호소에서 발생하는 유해 조류 대발생을 예측하기 위해 심층학습 기법을 이용하여 예측 모델을 개발하고자 하였다. 대상 지점은 대청호의 추동 지점으로 선정하였다. 대청호는 금강유역 중류에 위치한 댐으로, 약 150만명에 달하는 급수 인구수를 유지 중이기에 유해 남조 대발생 관리가 매우 중요한 장소이다. 학습용 데이터 구축은 대청호의 2011년 1월부터 2019년 12월까지 측정된 수질, 기상, 수문 자료를 입력 자료를 이용하였다. 수질 예측 모델의 구조는 다중 레이어 퍼셉트론(Multiple Layer Perceptron; MLP)으로, 입력과 한 개 이상의 은닉층, 그리고 출력층으로 구성된 인공신경망이다. 본 연구에서는 인공신경망의 은닉층 개수(1~3개)와 각각의 레이어에 적용되는 은닉 노드 개수(11~30개), 활성함수 5종(Linear, sigmoid, hyperbolic tangent, Rectified Linear Unit, Exponential Linear Unit)을 각각 하이퍼파라미터로 정하고, 모델의 성능을 최대로 발휘할 수 있는 조건을 찾고자 하였다. 하이퍼파라미터 최적화 도구는 Tensorflow에서 배포하는 Keras Tuner를 사용하였다. 모델은 총 3000 학습 epoch 가 진행되는 동안 최적의 가중치를 계산하도록 설계하였고, 이 결과를 매 반복마다 저장장치에 기록하였다. 모델 성능의 타당성은 예측과 실측 데이터 간의 상관관계를 R2, NSE, RMSE를 통해 산출하여 검증하였다. 모델 최적화 결과, 적합한 하이퍼파라미터는 최적화 횟수 총 300회에서 256 번째 반복 결과인 은닉층 개수 3개, 은닉 노드 수 각각 25개, 22개, 14개가 가장 적합하였고, 이에 따른 활성함수는 ELU, ReLU, Hyperbolic tangent, Linear 순서대로 사용되었다. 최적화된 하이퍼파라미터를 이용하여 모델 학습 및 검증을 수행한 결과, R2는 학습 0.68, 검증 0.61이었고 NSE는 학습 0.85, 검증 0.81, RMSE는 학습 0.82, 검증 0.92로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.46-46
• /
• 2022

유기물의 복잡한 혼합물인 CDOM(Colored or Chromophoric Dissolved Organic Matter)은 하천 내 BOD(Biological Oxygen Demand), COD(Chemical Oxygen Demand) 및 유기 오염물질과 상당한 관련이 있다. CDOM은 가시광선 영역에서 빛을 흡수하는 성질을 가지고 있으며, 최근 원격감지 기술로 CDOM을 모니터링하기 위한 연구가 진행되고 있다. 본 연구에서는 백제보 상류 23km 구간에서 3년(2016~2018) 중 13일의 초분광영상을 활용하여 머신러닝 기반 CDOM을 추정 알고리즘을 개발하고자 한다. 초분광영상은 400~970 nm의 범위의 4 nm 간격 127개 대역의 분광해상도와 2 m의 공간해상도를 가진 항공기 탑재 AsiaFENIX 초분광 센서를 통해 수집하였으며 CDOM은 Millipore polycarbonate filter (𝚽47, 0.2 ㎛)에서 여과된 CDOM 샘플 자료를 200~800 nm의 흡수계수 스펙트럼으로 추출하여 사용하였다. CDOM 값은 전체기간 동안 2.0~11.0 m^-1의 값 분포를 보였으며 5 m^-1이상의 고농도 구간 자료개수가 전체 153개 샘플자료 중 21개로 불균형하다. 따라서 ADASYN(Adaptive Synthesis Sampling Approach)의 oversampling 방법으로 생성된 합성 데이터를 사용하여 원본 데이터의 소수계층 데이터 불균형을 해결하고 모델 예측 성능을 개선하고자 하였다. 생성된 합성 데이터를 입력변수로 하여 ANN(Artificial Neural Netowk)을 활용한 CDOM 예측 알고리즘을 구축하였다. ADASYN 기법을 통한 합성 데이터는 관측된 데이터의 불균형을 해결하여 기계학습 모델의 CDOM 탐지 성능을 향상시킬 수 있으며, 저수지 내 유기 오염물질 관리를 위한 설계를 지원하는데 사용할 수 있을 것으로 판단된다.

• Korean Journal of Soil Science and Fertilizer
• /
• v.40 no.3
• /
• pp.208-213
• /
• 2007

When overland flow water is small and slow, it moves down a stream slowly and we use it as available resource. However, it could not only be good for nothing but arouse an inundation if a lot of runoff pour down to stream at a torrential rain. So it is important to know how much water to flow out and be stored in soil and on land in order to predict a flood and conserve soil and water quality. We intended to develop the prediction model of runoff in upland at a torrential rain and conducted lysimeter study in soybean cultivation and bare soil with 3 slopeness, 3 slope length and 5 soil texture from 1985 to 1991. The data of rainfall and runoff were used when daily rainfall was over 80 mm, the level of torrential rain warning. Minimum rainfall occurring runoff (MROR) was dependent on surface coverage and slope length. However soil texture and slopeness had a little influence on MROR. Runoff after MROR increased in proportion to precipitation which depended on surface coverage, soil texture and slope. Runoff ratio was larger in fine texture and bare soil than coarse soil and soybean coverage. Runoff ratio was in proportion to a square root of slope angle(radian) and reduced with slope length to converge a certain value. From these basis, we developed the prediction model following as $$Runoff(mm)=a(s^{0.5}+l^b)(Rainfall(mm)-80(1-e^{-bl}))$$ where a is a coefficient relevant soil hydraulic properties, b is a surface coverage coefficient, s is a slope angle and l is a slope length. The coefficient a was 0.5 in sandy loam and 0.6 in clay, and b was 0.06 in bare soil and 0.5 in soybean cultivation.

• Journal of Korea Water Resources Association
• /
• v.54 no.12
• /
• pp.1255-1263
• /
• 2021

While it could become an alternative water resource, fog could undermine traffic safety and operational performance of infrastructures. To reduce such adverse impacts, it is necessary to have spatially continuous fog risk information. In this work, tree-based machine-learning models were developed in order to quantify fog risks with routine meteorological observations alone. The Extreme Gradient Boosting (XGB), Light Gradient Boosting (LGB), and Random Forests (RF) were chosen for the regional fog models using operational weather and visibility observations within the Jeollabuk-do province. Results showed that RF seemed to show the most robust performance to categorize between fog and non-fog situations during the training and evaluation period of 2017-2019. While the LGB performed better than in predicting fog occurrences than the others, its false alarm ratio was the highest (0.695) among the three models. The predictability of the three models considerably declined when applying them for an independent period of 2020, potentially due to the distinctively enhanced air quality in the year under the global lockdown. Nonetheless, even in 2020, the three models were all able to produce fog risk information consistent with the spatial variation of observed fog occurrences. This work suggests that the tree-based machine learning models could be used as tools to find locations with relatively high fog risks.

• Ecology and Resilient Infrastructure
• /
• v.10 no.4
• /
• pp.107-115
• /
• 2023

High turbidity in source water can have adverse effects on water treatment plant operations and aquatic ecosystems, necessitating turbidity management. Consequently, research aimed at predicting river turbidity continues. This study developed a multi-class classification model for prediction of turbidity using LightGBM (Light Gradient Boosting Machine), a representative ensemble machine learning algorithm. The model utilized data that was classified into four classes ranging from 1 to 4 based on turbidity, from low to high. The number of input data points used for analysis varied among classes, with 945, 763, 95, and 25 data points for classes 1 to 4, respectively. The developed model exhibited precisions of 0.85, 0.71, 0.26, and 0.30, as well as recalls of 0.82, 0.76, 0.19, and 0.60 for classes 1 to 4, respectively. The model tended to perform less effectively in the minority classes due to the limited data available for these classes. To address data imbalance, the SMOTE (Synthetic Minority Over-sampling Technique) algorithm was applied, resulting in improved model performance. For classes 1 to 4, the Precision and Recall of the improved model were 0.88, 0.71, 0.26, 0.25 and 0.79, 0.76, 0.38, 0.60, respectively. This demonstrated that alleviating data imbalance led to a significant enhancement in Recall of the model. Furthermore, to analyze the impact of differences in input data composition addressing the input data imbalance, input data was constructed with various ratios for each class, and the model performances were compared. The results indicate that an appropriate composition ratio for model input data improves the performance of the machine learning model.

• Water for future
• /
• v.29 no.5
• /
• pp.185-202
• /
• 1996

The newly-developed method for estimating the instream flow, proposed by the authors (1996), was applied to the main channel reach of the Kum River basin in Korea. Performance of the suggested method was tested through the evaluations of the required flow, instream flow, and river-management flow which were estimated at five main reaches with each representative station. The mean drought flow was used as the object flow to evaluate the minimum instream flow for the mid- and large-size rivers. Water quality prediction by using the QUAL2E model was made for both cases that the planned wastewater treatment facilities may and may not be constructed. The required flow for the fish habitat was evaluated for 9 representative fish species. The instream flows required for the riverine aesthetics at Kong-ju and Puyo scenary points, for river navigation at natural channel conditions, and for current and potential recreation activities were evaluated, respectively. The instream flows required for other items are not quantified. On the whole, it is shown that the instream flow to maintain the natural riverine functions such as fish habitat, and riverine aesthetics govern the upstream reaches of the Kum River, and the artificial riverine functions such as conservation of water quality, navigation and recreations govern the middle and downstream reaches. Especially, it is found that the instream flow requirement depends largely upon the construction of wastewater treatment facilities at the Kum River basin.