이웃한 상수도시스템의 공급 가능지역이 중첩될 경우, 이들 시스템을 연계함으로써 경제성과 수질 조건을 만족시키는 조건별 용수공급체계를 구축하는 것이 필요하다. 용수수요 조건별 경제적 급수구역과 최적 펌프운영율을 산정하기 위하여 관망수리해석 모형(EPAnet)과 네트워크 최적화모형(KModSim)을 연계 하는 최적 네트워크모형을 개발하였다. 개발된 최적 네트워크 모형을 사등가압장, 구천댐 그리고 연초댐의 3개 상수원이 존재하는 거제지역 상수도시스템에 적용하

효과적인 수질관리를 위해서는 수질정보의 기대수준에 맞는 신뢰성 있는 수질자료가 확보되어야 한다. 이런 점에서 볼 때 수질모니터링은 조사지점, 수질항목, 측정주기 등이 성패의 중요한 요인이 되며, 이중에서 특히 조사지점은 가장 중요한 사항으로 판단된다. 그러나 지금까지 수질조사를 위한 관측지점은 대부분 정성적 판단에 따라 정해지고 있었기 때문에 수질 대표성이 문제가 되기도 하였다. 본 논문에서는 이와같은 수질측정망 구축 시 문제점을 과학적인 통계기법을 적

강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이

하도내에서 발생하는 유출량 및 TOC 자료는 비선형성이 강한 자료임에 따라 홍수에 대한 재난대응과 수질의 상시감시를 위해서는 자료의 특성 분석과 예측에 관한 연구는 필수라 할 수 있다. 따라서 본 연구에서 유출량 및 TOC, TOC부하량 자료에 대한 웨이블렛 변환에 의해 최종분해된 최종파형분해단계의 근사성분과 상세성분을 이용하여 예측모형을 개발하였다. 그 결과 기존 인공신경망 모형에서 관찰되었던 시계반대 방향으로 전이되는 지속현상의 극복 가능성을 보여주

본 연구에서는 상수관망의 신뢰도해석을 위해 수리적 신뢰도와 기계적 신뢰도를 통합적으로 해석할 수 있는 통합신뢰도 해석모형을 개발하였다. 수리적 신뢰도는 불화실성을 가진 변수들에 대하여 적절한 변동계수를 가진 확률 분포형을 적용시켜 임의변수로 고려하였고 기계적 신뢰도는 관망의 각 구성물에 대해 순차적 고장을 발생시켜 각 고장에 대한 영항을 해석하여 신뢰도를 산정하였다. 덕 연구모형을 실제관망에 대한 적용결과 본 모형은 실제관망에 대한 불확실한 요소를 고려

상수관망에서 관로파열을 예측하고 파열영향을 감소시키는 작업은 관망의 신뢰도와 밀접한 관계가 있다. 기존의 상수관망의 설계에서는 관로의 배치 및 각 관로에 대한 수리학적 능력 및 파열에 대한 영향이 고려되지 않았다. 본 연구에서는 도학을 이용하여 상수관망의 기하학적 구성상태에 따른 관로 파열에 대한 영향을 예측하고 영향을 감소시켜 상수관망의 신뢰도를 증가시킬 수 있는 방법을 제시하였다. 기존의 상수관망은 폐합관로를 이루고 있지만 특정관로가 파열되었을 경우

This study was carried out to evaluate the artificial neural network algorithm for water quality forecasting in Chungju lake, north Chungcheong province. Multi-layer perceptron(MLP) was used to train artificial neural networks. MLP was composed of one input layer, two hidden layers and one output layer. Transfer functions of the hidden layer were sigmoid and linear function. The number of node in the hidden layer was decided by trial and error method. It showed that appropriate node number in the hidden layer is 10 for pH training, 15 for DO and BOD, respectively. Reliability index was used to verify for the forecasting power. Considering some outlying data, artificial neural network fitted well between actual water quality data and computed data by artificial neural networks.

수질 인자들은 다양하고 관계가 복잡하여 수질 변화를 예측하는데 많은 어려움이 있다. 따라서 입력과 출력이 비교적 용이하고 비선형 예측에 적합한 신경망 모형을 이용하여 금강유역 공주지점의 DO, BOD, TN에 대한 월수질 예측을 수행하고 ARIMA 모형과 비교하여 적용 가능성을 검토하였다. 사용된 신경망 모형은 학습을 위해 BP(Back Propagation) 알고리즘을 적용하였으며 학습을 향상시키기 위한 모멘트-적응학습율(Moment-Adaptive

This study aims at the development of the model for a forecasting of water quality in river basins using artificial neural network technique. Water quality by Artificial Neural Network Model forecasted and compared with observed values at the Sangju 1 and Dalsung stations in Nakdong river basin. For it, a multi-layer neural network was constructed to forecast river water quality. The neural network learns continuous-valued input and output data. Input data was selected as BOD, DO, discharge and precipitation. As a result, it showed that method Ⅲ of three methods was suitable more than other methods by statistical test(ME, MSE, Bias and VER). Therefore, it showed that Artificial Neural Network Model was suitable for forecasting river water quality.

우리나라 경북 동·남부지역은 지형조건과 원래 부족한 수자원으로 용수개발에 어려움을 겪는 지역이다. 이와 같은 물 문제를 완화시키기 위해 새로운 댐의 개발과 광역용수공급, 기존 용수공급 시스템의 조정, 오래된 댐의 개·증축 그리고 저류용댐의 건설 방안이 검토되었다. 새롭게 제시된 수자원 개발 대안의 평가는 수자원 시스템의 의사결정 도구로 많이 이용되고 있는 수학적 모형의 하나인 네트워크 최적화 모형을 이용하였다. 연구결과 용수공급 시스템이 2011년까지

여러 소하천으로 이루어지는 수계에서 복잡한 물수지 요소가 여러 지점에서 발생하는 하천 말단 특히 감조지역에 수자원 시설물을 설치하고자 할 때 유입량의 추정이 문제가 되며 물수지 요소의 변동에 따라 말단의 유출량이 영향을 받는다. 이러한 문제는 하천의 유입.유출요소의 정형화를 필요로하며 소유역의 일유출량 추정 모형을 필요로 한다. WWASS 모형은 일별 유입량과 펼요수량 추정 모형으로써 DIROM을 사용하고 있고 물수지 요소들을 하천의 조절점(contro