In order to guarantee reliability of the environmental testing on defense systems, it is important to use test equipment that meets requirements of the related test standards. Especially with regard to the rain test method in MIL-STD-810G w/change 1, the latest standard, it has been highly needed to introduce a novel technique and system to provide droplet-size and precipitation-rate conditions. In this study, droplet-diameter spectra of various nozzles were measured by a high-speed camera. Then, a pair of nozzles were selected based on the experimental results showing the spectra lie within the range from 0.5 mm to 4.5 mm, as suggested in the rain test method. Also, the flow-precipitation rate calibration system was developed to precisely correlate the precipitation rate measured in the chamber and the flow rate into the nozzle bank. In conclusion, the rain test equipment has been successfully developed fulfilling the requirements of the test standard.

우리나라에서 악기상으로 인한 재해 유발 가능성이 높아짐으로써, 방재 및 수자원 관리 대책이 필요하다. 국지성 강한 강우에 대한 방재를 위해서는 강우량을 정량적으로 관측 및 예측해야 한다. 본 연구에서는 레이더 강우추정 오차의 지구통계학적 유효반경을 LGC 방법에 적용하여 레이더 추정강우를 조정하는 기법을 개발하였다. 지구통계적 방법을 이용하여 레이더 강우의 실제오차에 대한 유효반경을 결정하였고, LGC 방법을 기반으로 여름철 집중호우 네 사례의 레이더 강우를 조정하였다. 여름철 집중호우 사례의 레이더 1시간 누적강우량과 총누적강우량의 오차는 조정 후 각각 약 40%와 60% 이상 개선효과를 보였다. 그러므로, 여름철 국지적으로 강한 강우 현상의 레이더강우를 예측하는데 있어서 본 연구에서 개발된 조정 알고리즘을 이용하는 것은 적절한 것으로 판단된다.

In meteorological data, various studies are being conducted to improve the prediction performance of rainfall with irregular patterns, unlike temperature and solar radiation with certain patterns. Especially in the case of the short-term forecast model for Dong-Nae Forecasts provided by the Korea Meteorological Administration (KMA), forecast data are provided at 6-hour intervals, and there is a limit to analyzing the impact of disasters. In this study, Hydrological Quantitative Precipitation Forecast (HQPF) information was generated by applying the machine learning method to Local ENsemble prediction system (LENS), Radar-AWS Rainrates (RAR), AWS and ASOS observation data and Dong-Nae Forecast provided by the KMA. Through the preprocessing process, the temporal and spatial resolutions of all the data were converted to the same resolution, and the predictor of machine learning was derived through the factor analysis of the predictor. Considering the processing speed and expandability, the XGBoost method of machine learning was applied, and the Probability Matching (PM) method was applied to improve the prediction accuracy of heavy rainfall. As a result of evaluating the HQPF performance produced for 14 heavy rainfall events that occurred in 2020, it was found that the predicted performance of HQPF was improved quantitatively and qualitatively.

For the purposes of enhancing usability of Numerical Weather Prediction (NWP), the quantitative precipitation prediction scheme by machine learning has been proposed. In this study, heavy rainfall was corrected for by utilizing rainfall predictors from LENS and Radar from 2017 to 2018, as well as machine learning tools LightGBM and XGBoost. The results were analyzed using Mean Absolute Error (MAE), Normalized Peak Error (NPE), and Peak Timing Error (PTE) for rainfall corrected through machine learning. Machine learning results (i.e. using LightGBM and XGBoost) showed improvements in the overall correction of rainfall and maximum rainfall compared to LENS. For example, the MAE of case 5 was found to be 24.252 using LENS, 11.564 using LightGBM, and 11.693 using XGBoost, showing excellent error improvement in machine learning results. This rainfall correction technique can provide hydrologically meaningful rainfall information such as predictions of flooding. Future research on the interpretation of various hydrologic processes using machine learning is necessary.

강우는 물순환 시스템을 이해를 증가 시킬 뿐만 아니라, 효율적인 수자원 확보 및 관리에 있어서 가장 핵심적인 인자이다. 본 연구는 2015년을 대상으로 한반도에서의 92개의 ASOS 지점자료와 최근에 발사된 GPM 위성강우 자료의 비교를 통하여 활용가능성을 평가하였다. 또한 지점 자료의 장점과 인공위성 자료의 장점을 융합함으로써 보다 개선된 강우자료를 산출하기 위해 3가지의 상세화 방법(Geographical Differential Analysis, Geographical Ratio Analysis, Conditional Merging)들을 적용하였다. 이 연구에서 도출된 결과는 다음과 같다. 1) ASOS 자료와의 검증을 통해 GPM 강우자료가 약간 과대산정되는 편향을 가지고 있는 것을 확인하였으며, 특히 여름 기간에 오차가 높게 발생하는 것으로 나타났다. 2) Jackknife 방법을 통하여 각 합성방법에 대해서 검증하였을 때, 공간해상도가 높아짐에 따라서 오차가 줄어드는 것을 확인하였으며, 상세화 방법 중 conditional merging 방법이 가장 좋은 성능을 나타내었다.

최근 기후변화에 효과적으로 대응하기 위해서 신뢰성 높은 설계홍수량을 산정할 필요성이 커지고 있다. 본 연구에서는 홍수빈도해석법과 설계 강우-유출 관계 분석법으로 산정되는 확률홍수량의 차이를 분석하였다. 우리나라의 경우 관측유량 자료가 부족하여 설계홍수량을 결정할 때 설계 강우-유출 관계 분석법으로 산정된 확률홍수량을 이용하고 있다. 관측 유량 자료를 활용한 홍수빈도해석법의 결과를 참값으로 가정하여 분석한 결 과, 설계강우-유출 관계 분석법으로 산정된 확률홍수량은 홍수빈도해석법으로 산정된 확률홍수량에 비해 약 79% 과대 산정되는 것으로 나타났다. 따라서, 본 연구에서는 설계강우-유출 관계 분석법으로 산정된 확률홍수량을 보정하는 회귀곡선식을 개발하였다. 이를 위해 우리나라 8개 댐 유역의 강우와 유량자료를 획득한 후, 비선형 회귀분석을 통하여 보정식을 제안하였다. 본 연구에서 제안한 보정식을 적용할 경우, 설계강우-유출 관계 분석법으로 산정된 확률홍수량보다 평균적으로 정확도가 약 65.0% 향상되었다. 또한, 유역의 크기를 고려하면, 유역의 크기를 고려하지 않았을 때보다 평균적으로 정확도가 약 2.1%p 증가하였다.

This research aims at comparing the accuracy of flood discharge estimation. For this, we focused on the Oedo watershed of Jeju Island and compared flood discharge by analyzing the values as follows: (1) the concentration of the lumped model (HEC-HMS) and distributed model (Vflo), and (2) the in-situ data using Fixed Surface Image Velocimetry (FSIV). The flood discharge estimation from the HEC-HMS model is slightly larger than the Vflo model results. This result shows that the estimations of the HEC-HMS are larger than the flood discharge data by 4.43 to 36.24% and that of the Vflo are larger by 8.49 to 11%. In terms of the error analysis at the peak discharge occurrence time of each mapping, HEC-HMS is one hour later than the measured data, but Vflo is almost the same as the measured data.

본 연구에서는 오프라인 및 온라인 매개변수 자동보정기법을 이용하여 개념적 집중형 수문모형의 매개변수를 보정한 후, 각 보정기법에 따른 강 우-유출 해석 결과를 비교·분석하여 기법별 적용성을 평가하였다. 이를 위해 용담댐 상류 천천 유역을 대상으로 9개의 단기 강우사상을 선정하고, 강우-유출 모의를 위한 수문모형으로 저류함수모형을 선택하였다. 또한 저류함수모형의 매개변수 보정을 위한 자동보정기법으로 오프라인 기법 으로는 SCE-UA, 온라인 기법으로는 파티클 필터를 선정하여 해석을 수행하였다. 각 기법에 따른 유출 해석결과의 재현성 평가를 위해 관측수문곡 선의 평균유량을 근거로 하여 저수부(평균유량 이하)와 고수부(평균유량 초과)로 구분하여 모의결과를 비교․ 검토하였다. 그 결과, 매 시간 입력자 료를 이용하여 매개변수를 실시간으로 업데이트하는 파티클 필터의 경우, 저수부와 고수부에 구분없이 전반적으로 우수한 재현성을 보여주었다. 반면에 SCE-UA의 경우, 대상 사상에 대한 전체기간의 정보를 활용하여 선택된 목적함수 RMSE와 HMLE를 최소로 하는 최적 매개변수를 추정함 에 따라 일정규모 이상의 홍수사상에서는 목적함수에 따라 매개변수의 변동성이 나타났으며, 고수부에서는 RMSE, 저수부에서는 HMLE가 비교 적 우수한 유출모의 결과를 나타내는 것으로 분석되었다.

최근 기후변화로 인하여 발생하는 기상재해 및 위험기상 현상의 대비를 위하여 조밀한 시공간적 해상도를 갖는 레이더 강우가 활용되고 있지만 널리 사용되는 Marshall-Palmer의 Z-R 관계식으로 추정된 레이더 강우는 과소추정의 문제점이 있다. 본 연구는 이러한 문제점을 해결하기 위하여 분위회귀 분석기법을 통한 레이더 강우자료 편의보정 기법과 Copula 함수를 연계한 강우자료 확충기법을 개발하였다. 본 연구에서 개발된 모형을 통하여 편의가 보정된 시계열 레이더 강우자료 효율을 통계적으로 분석한 결과 우수한 모형성능을 확인하였으며 Copula 기법을 이용하여 지상강 우 및 레이더 강우자료를 확충한 결과 기존의 강우특성을 현실적으로 재현하는 것을 확인하였다. Copula 기법을 통한 강우자료 확충기법은 레이 더 강우의 오차분포를 평가하는데 유용하게 활용될 것으로 판단된다.

지상 강우자료의 공간 변동특성은 돌발홍수 예측의 정도를 결정짓는 중요한 부분이다. 이에 본 연구에서는 지상 강우관측망의 공간적 분포특성이 레이더 보정에 미치는 영향을 검토하였다. 지상 강우관측소의 공간적 분포와 레이더 강우의 보정은 최근린 지수와 G/R 비를 이용하였으며, 이를 평창강 유역에 적용하였다. 대상유역 내에는 총 23개의 강우관측소가 위치해 있으며, 이중 10개의 강우관측소를 무작위로 선택하였다. 이때 선택된 강우관측소 조합(총 1,144,066개)을 최근린 지수를 이용하여 공간분포가 가장 좋은 경우와 가장 왜곡된 경우로 구분하고, 각 경우에 대한 레이더 보정 결과를 비교하였다. 보정된 레이더 강우와 지상 강우관측소의 차이는 ME(Mean Error)와 RMSE(Root Mean Squared Error)를 이용하여 비교하였다. 그 결과 공간분포가 우수한 경우 ME와 RMSE가 공간분포가 왜곡된 경우에 비해 상대적으로 작게 분석됨을 확인하였다. 이는 레이더 강우보정에 있어 유역내의 관측소의 개수뿐만 아니라 유역내의 관측소의 공간분포 역시 중요한 요소임을 확인하였다. 즉, 유역내의 관측소의 개수가 많더라도 공간적으로 왜곡된 경우 적절한 레이더 보정이 힘들어 지는 것을 의미한다. 아울러 공간적으로 잘 분포된 강우관측망을 이용하여 레이더 강우를 보정할 경우 편의와 불확실성은 유역 내 전체 지상 강우관측소를 이용한 경우만큼이나 충분히 줄일 수 있을 것으로 판단된다. 그러나 본 연구에서는 대상 강우관측소의 개수를 10개소로 한정하여 분석한 결과로 현재로서는 몇 개의 강우관측소를 선택하였을 때 레이더 보정 있어 가장 유리한지는 파악하기 쉽지 않다. 일반적으로 레이더 보정시 유역 내 전체 강우관측소를 대상으로 하는데 유역내의 전 강우자료를 적용하는 게 과연 적절한 방법인지에 대해서는 추후 논의할 필요가 있다. 아울러 본 연구의 성과는 기상관측소의 제한된 여건 속에서 관측망의 효율적 운영을 통해 강우자료의 품질 향상과 더불어 홍수예경보 시스템의 질적 향상에 기여할 수 있을 거라 판단된다.

본 연구에서는 지상 관측우량계로 측정한 강우량을 실제 지표면에 떨어지는 강우에 근접한 양이 되도록 보정함으로써, 유출해석을 비롯한 기타 수문해석에서 신뢰도 높은 결과를 도출하는데 목적이 있다. 지상우량계에서 관측되는 강우량에 미치는 바람의 영향을 분석하기 위하여, 표준기상관측소인 추풍령기상대에 설치된 바람막이가 있는 우량계와 기준우량계의 자료를 획득하였다. 단순선형회귀 모형과 신경망 모형을 이용하여 강우보정 모델을 구축하였으며, 감천유역의 7개 지점에 대해 지상강우를 보정하였다. VfloTM모형을 이용한 유출모의를 통해 보정된 강우의 신뢰도를 검증하였다. 단순선형회귀 모형을 사용하여 풍속구간별로 보정한 강우량은 실제 강우량보다 5%~18% 큰 강우량을 나타냈으며, 강우획득에서의 바람의 영향은 1.6~3.3m/s의 풍속구간에서 가장 큰 것을 확인하였다. 또한 풍속구간 5.5이상에서는 자료의 개수가 전체자료의 0.7%로 매우 작고, 이상치가 획득됨으로써 회귀모형의 적용성이 떨어진다고 판단하였다. 반면에 신경망 모형을 이용한 지상 관측강우의 보정에서는 전체적으로 관측 값보다 10%~20% 정도 작은 강우가 추정되었다. 통계오차분석을 실시한 결과, 획득한 강우량의 극치값이 크게 나타날수록 선형회귀 모형의 적용성이 높게 나타났으며, 전체적으로 편차가 크고 평균 강우획득량이 클수록 신경망 모형의 적용성이 높게 나타나는 것을 확인하였다. 본 연구 결과를 바탕으로 앞으로의 수문해석에 있어 지역별 강우특성에 따라 기준우량계(pit guage)를 이용한 적합한 강우 보정방법을 사용함으로써 신뢰도 높은 수문해석이 이루어질 것으로 기대한다.

레이더 강우의 편의 추정은 근본적으로 레이더 강우의 평균과 참값으로 가정되는 우량계 강우의 평균과의 차이를 결정하는 문제이다. 두 관측치의 차이를 정확히 결정하기 위해서는 두 관측치의 차이에 대한 분산이 매우 작아야 하며, 따라서 비교되는 관측치의 수가 충분히 확보되어야 한다. 즉, 이 문제는 두 관측치의 차이에 대한 분산의 규모를 주어진 조건에 맞추기 위해 필요한 우량계의 수를 결정하는 것이 된다. 본 연구에는 특히 일부 지역에만 우량계의 설치가 가능

본 연구에서는 다방향 흐름 분배 알고리듬과 실시간 유출 보정 알고리듬을 이용하여 개발한 분포형 강우 유출모형의 실제 유역에 대한 적용성을 평가하였다. 안동댐과 남강댐 유역에 대해 각각 우량계 관측자료와 레이더 관측 우량자료를 이용하여 분포형 강우-유출 모의를 수행하였다. 이전의 호우사상에 대한 유역 매개변수 보정 실시 후 보정된 매개변수를 이용하여 다른 호우사상에 대해 모형을 적용하였다. 안동댐 유역에 대해 흐름 군집화 결과를 제시함으로써 다방향 흐름

본 연구에서는 다방향 흐름 분배 알고리듬과 실시간 보정 알고리듬을 개발하여 분포형 강우-유출 모형에 적용하였다. 개발된 알고리듬의 적용과 분포형 모형 적용상의 약점인 계산시간 개선을 위해 비교적 간단한 수문과정 지배 방정식들을 이용하여 분포형 강우-유출 모형을 작성하였다. DEM(Digital Elevation Model)를 이용하여 공간해상도 변화에 따른 지형정보와 흐름정보의 변동성을 파악하였다. 모의수행 전처리 과정으로 가용한 고해상도 DEM 자료를

본 연구에서는 제주도내 강우 관측자료를 활용하여 강우지속시간 및 표고에 따른 강우량 보정기법을 개발하였다. 이를 위해 기상청 관측소(기상관서:4개소, AWS:13개소)의 시우량 자료와 표고별 분포를 이용하여 표고와 강우지속 시간에 대한 다항회귀분석을 수행하였다. 회귀된 모형의 평가에서 강우지속시간은 표고보다 강우량과 좋은 상관성을 나타내었으며, 강우량 보정시 표고만을 고려한 모형은 과대한 보정을 하였다. 따라서 수자원 설계시 기존의 표고만을 고려한 모형

강우-유출모형은 적용대상 유역이 가지고 있는 수문학적 성질을 최대한 반영할 수 있도록 보정되어야 한다. 본 연구에서는 SSARR 모형의 5개의 매개변수를 안동댐 상류유역에 보정하기 위하여 다중목적함수와 유전자알고리즘을 이용하였다. 다중목적함수의 최적해는 단일한 매개변수로 이루어지는 것이 아니라 다양한 목적함수들에 따라서 결정되는 파레토 최적해로 구성된다. 다중목적함수를 이용한 모형의 보정방법은 보정시간 및 작업 반복에 따른 노력을 감소시킬 수 있었으며,

본 연구의 목적은 TRMM/PR(Tropical Rainfall Measuring Mission/Precipitation Radar)에 의하여 관측된 공간강우분포의 수문학적 적용성을 평가하는데 있다. 이를 위하여 우선 용담댐 유역(930.38)을 대상으로 한 TRMM/PR 자료(Y)를 추출한 후, AWS (Automatic Weather Station)에 의하여 관측된 지상강우자료(X)를 공간내삽하여 작성한 분포도와 상관분석을 실시하여 TRMM/PR 자

본 연구에서는 전체탐색기법 중 Simplex법의 원리를 이용한 SCE-UA법과 Annealing-Simplex (A-S)법을 일유출량 추정 수문모형인 탱크모형의 매개변수 보정에 적용하여 국부탐색기법인 Downhill Simplex법의 결과와 비교하여 탐색능력을 평가하였다. 오차가 없는 합성자료를 사용한 보정에서 A-S법이 목적함수에 관계없이 전역최적해를 탐색하는 결과를 나타냈으며, SCE-UA법은 ABSERR를 목적함수로 사용할 경우에 전역최적해를 탐색

본 논문은 LRCS 모형을 낙동강 수계 송리원 수위표 지점의 18개 호우사상에 대하여 보정 및 민감도 분석을 실시하여 모형의 국내 하천에 적용성을 확인하였고, 모형의 적합성 분석 결과 LAD 추정자가 LS와 WLS에 비하여 좋지 못한 결과를 얻었다. "hot" 행렬의 대각 요소(hi)와 영향성 척도(Di)를 매개변수 추정치를 분석하는데 사용할 수 있고, 매개변수 IL이 모형 출력에 가장 중요함을 알 수 있었다. 매개변수의 오차에 따른 오차 전파의 정도는