RDAPS 수치예보로부터 생산된 일단위 강우시계열을 바탕으로 유량 예측을 모의하고, 정성적인 중장기 예보를 고려한 ESP 분석을 수행하여 결과를 비교하고 적용성을 검토하였다. 금강유역을 대상으로 ESP, 정성적 기상예보를 고려한 ESP, RDAPS 기상수치예보에의한유량예측결과를평균유출량과비교 분석을 통해각기법별 결과의 개선효과를 평가하였다. 예측 모의 결과 기상정보를 고려한 ESP 방법의 결과가상대적으로 양호한 것으로 분석되었다. 확률예측의 정확도를 평

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%

본 연구는 기상청에서 실시간으로 생산하고 있는 레이더-AWS 강우강도(RAR) 자료의 유출모의 적용성을 평가하고자 하는데 그 목적이 있다. 춘천댐 상류유역(4859.73 )을 대상유역으로 선정하고 5개소유역에 대한시단위 AWS와 RAR 유역평균강우량을 산정하였다. 미계측 유역에서는 AWS와 RAR의 상관성이 낮고 계측유역에서는 높은 것으로 나타났다. 시단위 AWS와 RAR 유역평균 강우량은 강우분포형태에 따라차이가 크게 발생하는 것으로 나타났다. 두 자

입력자료의 불확실성은 강우-유출 모의에서 중요한 불확실성 요소 중의 하나이다. 본 연구에서는 먼저 세 가지의 서로 다른 내삽 기법을 통해 계산된 강수 입력 자료 (관측값을 각 소유역의 중심점으로 내삽하여 추정한 입력자료임)들이 강우-유출 모형에 미치는 영향을 분포형 수문모형 (PRMS)을 이용하여 분석하였으며, 내삽오차를 바탕으로 발생한 입력자료를 앙상블 유량 예측에 이용하는 과정을 수문학적으로 서로 다른 두개 하천 유역에 적용하였다. 또한 Monte

본 연구는 농촌소유역(1.21 )에서 다양한 공간입력자료의 해상도가 SWAT(Soil and Water Assessment Tool) 모형의 수문-수질 모의결과에 미치는 영향을 분석하고자 Case A(2 m DEM, QucikBird 토지이용도, 1/25,000 토양도), Case B(10 m DEM, 1/25,000 토지이용도, 1/25,000 토양도), Case C(30 m DEM, Landsat 토지이용도, 1/25,000 토양도)에 해당하는 해상

선행연구에서 제안된 건천화 방지를 위한 유역통합관리 절차를 안양천 중상류 유역에 적용한 결과이다. 특히 대상 유역에 대한 물순환 흐름을 파악하기 위한 구체적인 자료 및 취득방법을 제시하였고, 중유역별 상태파악 및 대안 선택에 PSR 모형을 사용하여 지속가능성에 대한 개념이 반영하였으며, 지수산정 방식은 다단계 다기준 의사결정알고리즘 중 하나인 복합계획법을 사용하는 등 구체적인 방법을 제시하였다. 또한 대상유역에 대해 구체적인 건천화 방지 대안을 제시하였

본 연구에서는 도시하천의 건천화 방지를 위한 지속가능한 수자원계획을 수립하기 위한 절차를 Heathcote가 제안한 다음과 같은 7단계를 토대로 제시하였다. 단계별 절차는 (1) 유역의 물순환 관련 요소 파악, (2) 문제점 도출 및 우선순위의 결정, (3) 분명하고 구체적인 목표의 설정, (4) 모든 대안의 제시, (5) 가능한 대안의 선별, (6) 선별된 대안의 효과분석, (7) 최종대안의 수립으로 이루어져 있다. 대상 유역의 정량적인 평가를 위한

중장기 기후예보는 기후역학모형의 비약적인 발전과 ENSO등의 기후현상에 대한 규명으로, 전세계적으로 정확성이 크게 향상되고 있어 중장기 유량예측의 중요한 실마리가 되고 있다. 본 연구에서는 우선 중장기 유량예측 향상을 위하여 국내에서 사용 가능한 기후정보, 즉 월간산업기상정보와 GDAPS(Global Data Assimilation and Prediction System)를 조사하고 그 정확성을 평가하였다. 월간산업기상정보와 GDAPS의 순별 예보에서

지표수의 수문순환 및 성분의 변동 영향 요소로는 강우, 증발, 토양수분 등의 자연적인 요소와 도시화 및 유역내 저류시설물 등의 인위적인 요소가 있다. 특히, 장기 유출 변동에 영향을 끼치는 인위적인 요소 중 저류시설을 대표적으로 들 수 있는데, 이들 영향은 단기적으로는 유출 감쇄특성의 변화, 장기적으로는 저류량 증가에 따른 건기 계절유량의 증가, 년 유황 또는 유출 특성의 변화 등의 영향을 예측할 수 있다. 우리나라와 같은 인공 저류시설이 산재한 지역에

한국수자원공사에서는 매월 1일 생성한 월 앙상블 유량예측(Ensemble Streamflow Prediction, ESP)을 근거로 월 최적운영 모형인 SSDP모형을 통해 월말목표저수량을 산정할 수 있는 실시간 물 관리 시스템을 구축하였다. 그러나 월 중간에 발생하는 수문기상학적 변화를 반영할 수 없다는 단점을 가지고 있어 이를 보완하자는 필요성이 제기되었다. 이를 위해 본 연구에서는 1일부터 예측시점까지는 그 동안 발생한 강우 관측자료를 이용하고 이후

일단위 강우-유출모형인 SSARR모형을 이용하여 한강, 낙동강, 섬진강유역에 월 앙상블 유량예측 시스템을 구축하였다. 우선 SSARR모형의 월 평균 유출량에 대한 모의정확성을 평가한 결과 한강과 낙동강유역에서는 과소추정하는 경향이 뚜렷하였으며, 섬진강유역에서는 모의오차의 분산이 커 정확성 개선이 필요하였다. 최적선형 보정기법을 적용하여 SSARR모형의 모의유량을 보정한 결과, 섬진강을 제외한 한강과 낙동강유역의 검증지점에서는 모의 정확성이 크게 개선되었

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 필

The Neural Network Models which mathematically interpret human thought processes were applied to resolve the uncertainty of model parameters and to increase the model's output for the streamflow forecast model. In order to test and verify the flood discharge forecast model eight flood events observed at Kumho station located on the midstream of Kumho river were chosen. Six events of them were used as test data and two events for verification. In order to make an analysis the Levengerg-Marquart method was used to estimate the best parameter for the Neural Network model. The structure of the model was composed of five types of models by varying the number of hidden layers and the number of nodes of hidden layers. Moreover, a logarithmic-sigmoid varying function was used in first and second hidden layers, and a linear function was used for the output. As a result of applying Neural Networks models for the five models, the N10-6model was considered suitable when there is one hidden layer, and the N10-9-5model when there are two hidden layers. In addition, when all the Neural Network models were reviewed, the N10-9-5model, which has two hidden layers, gave the most preferable results in an actual hydro-event.

온실기체의 증가에 따른 기후변화로 인해 유역에서의 물순환이 과거와는 다른 패턴을 보이고 있다. 그러나 현재의 수자원 계획 및 관리에는 기후변화의 영향이 포함되어 있지 않다. 이에 본 연구에서는 기후변화의 영향이 유역의 물순환에 어떻게 영향을 주는지를 검토하였다. 본 연구는 기존의 여러 가지 배증 상태의 GCM(General Circulation Model) 모의결과를 이용하여 기온 및 강수량 자료를 Markov 연쇄에 의해 모의발생 하였다. 또 강우-유

본 연구에서는 낙동강 상류유역의 병렬 다목적댐군인 안동 및 임하다목적 댐의 장기간 유입량을 산정하는데 공간추계 신경망모형이 사용되었다. 공간추계 신경망모형은 역전파 알고리즘으로 LMBP와 BFGS-QNBP를 각각 사용하였다. 공간추계 신경망모형의 구조는 입력층, 은닉층 및 출력층의 3개의 층과 차례대로 8-8-2개의 노드로 구성되어 있다. 입력층 노드는 안동 및 임하다목적 댐의 월평균유입량, 월면적강우량, 월별 증발접시 증발량과 월평균기온으로 구성되어

본 연구에서는 Monte-Carlo 모형, AR(1)모형, PAR(1) 모형과 같은 추계학적 모형의 잔차값을 무작위적 복원추출하여 연 및 월 하천 유출량자료를 모의발생하였다. Bootstrap이라고 불리우는 이 복원추출방법은 자료의 모집단의 가정이 필요없다는 장점이 있으며 자료로부터 직접 통계적 분포형을 추정하는 방법으로써 자료의 순위변동법을 이용한다. 본 연구에서는 이 방법을 용담지점에 적용하였으며 Bootstrap 방법으로 모의발생된 하천 유출량자료

우리 나라 갈수기의 하천유출은 대부분 지하수에서 공급되는 유출이므로 홍수기 강우량에 의해 침투한 유역의 수분상태에 지배된다. 따라서, 홍수기의 지하수 함양량 추정을 통한 유역 상태 정보를 이용한다면 갈수기 월유출 예측을 만족스럽게 수행할 수 있는 수문학적 환경을 가지고 있다. 본 연구의 목적은 지하수 함양량에 의한 월유출량의 영향을 평가하고, 이를 다중회귀모형의 독립변수로 이용하여 장기 월유출량 예측을 시도하는 것이다. 해당 월의 유출량, 강수량, 선행

본 연구에서는 낙동강 진동지점에서 일유출량을 예측하기 위하여 신경망모형이 제시되었다. 신경망모형의 구조는 CASE 1(5-5-1)과 CASE 2(5-5-5-1)로 구성하였으며, 은닉층의 수에 따라 두 가지의 모형으로 분류하였다. 각 신경망모형은 광역최소점과 훈련임계치에 수렴하는데 기존의 역전파훈련 알고리즘(BP) 보다 뛰어난 Fletcher-Reeves 공액구배 역전파훈련 알고리즘(FR-CGBP)과 축적된 공액구배 역전파훈련 알고리즘(SCGBP)을 이용

이 연구에서는 1995년부터 1997년까지 금강수계 강경지점에서 유속계로 측정한 유속자료를 분석하여 자연하천의 연직방향 유속분포특성을 규명하였다. 또한, 현장유속 측정조건이 불량하여 다점법으로 유속분포를 측정하기 곤란한 경우, 간단하게 표면유속만을 측정하여 상대깊이별 유속을 추정할 수 있는 연직 유속분포식을 유도하였다. 2차 포물선의 유속분포식은 통계적으로 매우 안정적이고, 표면유속과 바닥유속 등과 고도의 유의성을 보였다. 2차 포물선식의 상수 및 계수