통합저류함수모형을 IHP 대표유역인 위천과 보청천유역 그리고 대유역인 남한강유역과 낙동강유역의 강우-유출사상에 적용하여 모형의 타당성을 검토하였다. 제안된 모형에 의한 예측 결과와 관측치를 비교해 볼 때 전체적인 수문곡선의 재현성 및 첨두홍수량의 예측에 있어서 상당히 우수한 결과를 나타내었다. 그러나 첨두홍수 발생시간에서는 퍼지제어의 효과로 인해 다소 오차가 발생하였다. 또한 상류단 유입량이 잔유역 유입량에 비하여 상당히 큰 경우에는 충분한 예보선행시간

본 논문에서는 홍수유출의 해석·예측을 위한 홍수추적 모형으로서 현재 국내에서 널리 이용되고 있는 저류함수모형을 개선하였다. 유출 해석의 정확성에 가장 큰 영향을 미치는 요인 중의 하나인 매개변수 산정에 최적화기법을 도입하여 기존의 경험식 등에 의한 매개변수 결정의 비객관성을 개선하였으며, 결정된 매개변수들을 시변성으로 취급하고 이의 실시간 자동보정에 퍼지제어를 사용하여 시간에 따른 유역의 변동 특성에 적절히 대응 할 수 있도록 하였다. 또한 홍수유출 해

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

본 연구의 목적은 하천에서의 실시간 범람위험도 해석을 위해서 DAMBRK 모형과 Kalman filter를 연계한 수치모형을 개발하는데 있다. 본 모형은 1차원 동역학 방정식의 비선형 유한차분 근사해인 음해법을 기본으로 하고 있다. 추계학적 추정법으로서 최적의 갱신 예측치를 얻기 위해 확장된 Kalman filter 기법을 사용하였다. 이 과정은 확정론적 모형에 의한 예측치를 Kalman filter gain factor에 의해 보정된 실시간 관측치와

본 연구의 목적은 물리적 분포형 모형인 TOPMODEL의 국내 단일 유역에서의 홍수예보 능력을 검토하는데 있다. 이를 위해서 소양강댐 상류유역을 선정하였으며, 1990~1996년의 일 및 시 홍수사상을 선택하였다. 모형의 매개변수는 1990년의 일 호우사상을 이용하여 수동보정법으로 추정하였으며, 지형지수의 분포가 유출에 미치는 영향을 해석하였다. 모형의 매개변수 추정에 이용하지 않은 95년 및 96년 일 호우사상 및 90년, 95년, 96년 시 호우사상

수문변량 사이의 관계는 대부분 비선형 관계를 보이고 있다. 일반적으로 이런 비선형 관계는 어떤 선행하는 명백한 하나의 함수적인 형태로 표현할 수 없는 것이 일반적이다. 본 논문에서는, 비매개변수적 다변량 회귀분석 방법을 지역적으로 가중된 다항식을 이용하여 비선형 예상 함수를 추정하였다. 지역적으로 가중된 다항식은 추정치 각 점에서의 인접한 이웃자료를 가지고 목적 함수를 테일러 급수 확장을 통하여 고려하였다. 이런 비매개변수적 회귀분석을 실용성을 Grea

The transfer function was introduced to establish the prediction method for the DO concentration at the intaking point of Kongju Water Works System. In the most cases we analyze a single time series without explicitly using information contained in the related time series. In many forecasting situations, other events will systematically influence the series to be forecasted(the dependent variables), and therefore, there is need to go beyond a univariate forecasting model. Thus, we must build a forecasting model that incorporates more than one time series and introduces explicitly the dynamic characteristics of the system. Such a model is called a multiple time series model or transfer function model. The purpose of this study is to develop the stochastic stream water quality model for the intaking station of Kongju city waterworks in Keum river system. The performance of the multiplicative ARIMA model and the transfer function noise model were examined through comparisons between the historical and generated monthly dissolved oxygen series. The result reveal that the transfer function noise model lead to the improved accuracy.

This study was carried out to develop the stream water quality model for the intaking station of Kongju waterworks in the Keum River system. The monthly water quality(total nitrogen and total phosphorus) with periodicity and trend were forecasted by multiplicative ARIMA models and then the applicability of the models was tested based on 7 years of the historical monthly water quality data at Kongju intaking site. The parameter estimation was made with the monthly observed data. The last one year data was used to compare the forecasted water quality by ARIMA model with the observed one. The models are ARIMA(2,0,0)×(0,1,1)_12 for total nitrogen, ARIMA(0,1,1)×(0,1,1)_12 for total phosphorus. The forecasting results showed a good agreement with the observed data. It is implying the applicability of multiplicative ARIMA model for forecasting monthly water quality at the Kongju site.