본 연구는 준 분포형 장기유출모형인 SWAT모형을 이용하여 융설모의에 따른 유출 및 수문성분의 영향을 분석하고자 하는데 그 목적이 있다. 대상유역으로는 충주댐 유역을 선정하였으며 융설 매개변수를 산정하였다. 충주댐지점에서의 관측유량과 융설모의 전후의 모의유량을 비교한 결과 융설모의를 수행한 유출거동이 관측치와 유사하게 모의되었으며, 특히 3, 4월에 융설 영향이 큰 것으로 나타났다. 상류유역 2개 지점에 대해서도 유사한 결과를 보였다. 또한, 융설 모의

본 연구에서는 곶감과 동충하초의 첨가에 따른 청주(삼백주)의 발효 특성을 조사하였다. 환원당 함량을 측정한 결과 발효가 경과함에 따라 감소하는 경향을 나타내었으며 알코올 함량의 변화 발효가 경과함에 따라 증가하는 경향을 나타내었다. 각 담금 후의 최종 알코올의 함량은 각각 5.8%, 11.4% 및 16.5%를 나타내었다. 총산의 함량과 아미노산도는 발효 과정에 따라 증가 추세를 보였다. 유기산 함량은 젖산의 함량이 가장 높게 나타났으며 기타의 유기산은

적설 및 융설모의를 포함하여 소양강댐과 충주댐에 대한 유출모의를 수행하였다. 사용한 모의모형은 탱크모형의 수정 형태로서 직렬 3단 탱크와 맥동 응답함수로 이루어져 있다. 매개변수의 추정에는 컴플렉스 혼합진화 (SCE-UA) 전역최적화 기법을 사용하였다. 적설 및 융설모의를 위하여 유역을 고도별로 4개 영역으로 구분하였으며 고도에 따른 기온감률은 0.6/100m로 하였다. 모의 결과 12∼2월 사이에 이 지역에 내리는 강수는 대부분 눈으로 쌓여 있다가3∼

The seasonal variation and frequency of rainfalls of Korea peninsula in Changma period show strong local weather phenomenon because of it's topographical and geographical factors in Northeast side of Asia. Based on weather entropy(statistical parameter)-the amount of average weather information-and information ratio, we can define each area's weather representativeness, which can show us more constant form included topographical and geographical factors and seasonal variation. The data used for this study are the daily precipitation and cloudiness during the recent ten years(1990-1999) at the 73 stations in Korea. To synthesize weather Entropy, information ratio of decaying tendency and half-decay distance, Seoul's weather representativeness has the smallest in Summer Changma period. And Puyo has the largest value in September.

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.

일반적으로 저수지 최적운영의 목적은 한정된 수자원을 여러 목적으로 최적 분배하여 얻는 이익의 최대화와, 홍수 발생으로 인한 과잉 수량을 안전하게 배제시킴으로써 홍수 취약지역의 피해를 최소화시키는 것으로 구분할 수 있다. 저수지 운영에 대한 연구사를 고찰해 볼 때, 지난 수십 년간 첫 번째 영역에 연구가 집중되었음을 알 수 있다. 본 연구의 목적은, 충주 저수지의 홍수조절을 위한 저수지 최적운영의 방법론 개발에 중점을 두고, 하류 홍수피해 최소화와 댐 안