본 연구는 물리적 수리·수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당 댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교·분석을 수행한 결과, LSTM 모형의 최적의 성능을 내 는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실 측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

본 연구에서는 미급수지역의 주요 수원인 지하수의 수위 변동 상황을 기반으로 한 미급수지역 가뭄 예보 기법 개발을 목적으로 하였다. 이를 위해 지역화된 표준지하수지수(SGI)와 표준강수지수들(SPIs)의 상관관계를 분석하였다. 관측 지하수위로부터 산정된 SGI의 자기회귀 특성 및 지속기간별 SPI와 SGI의 상관관계를 동시에 고려할 수 있는 NARX (nonlinear autoregressive exogenous model) 인공신경망 모형을 이용하여 지역별 예측모형을 구축하였다. 학습기간 동안 관측 SGI와 모델 출력 SGI의 상관계수는 0.7 이상인 곳이 전체 167개 지역별 모형 중 146개(87%)로 상관성이 높은 것으로 분석되었다. 적용기간에 대해서는 평균제곱근오차와 상관계수로 모형을 평가하였다. 본 연구를 통해 기상청에서 제공하는 59 개 관측소별 강수량 전망 값으로부터 산정된 지속기간별 SPI와 관측된 지하수위를 이용한 지역별 SGI 전망이 가능하도록 하였으며, 미급수지역의 가뭄 예‧경보를 위한 기초자료로 활용이 가능토록 하였다.

본 연구에서는 미급수지역의 주요 수원인 지하수위 현황을 이용한 가뭄 모니터링 기법을 개발하기 위해 256개의 국가지하수관측망 관측 자료를 이용하여 관측소별, 월별 수위분포를 핵밀도함수로 추정하였다. 추정된 누적분포함수를 이용하여 월별 지하수위의 분위수를 구하고, 분위수를 정규화 하여 표준지하수지수(SGI)를 산정하였다. 관측소별로 산정된 SGI는 티센망을 이용하여 167개 시군별 SGI로 변환하였다. SGI의 범위에 따른 가뭄등급을 설정하여 시군별 지하수 가뭄 정도를 모니터링 할 수 있는 기법을 제시하였다. 이를 통해 계측이 이루어지지 않는 미급수지역의 지하수 가뭄상황을 국가지하수관측망을 활용해 간접적으로 판단할 수 있도록 하였다.

A reliable streamflow forecasting is essential for flood disaster prevention, reservoir operation, water supply and water resources management. This study proposes a hybrid model for river stage forecasting and investigates its accuracy. The proposed model is the wavelet packet-based artificial neural network(WPANN). Wavelet packet transform(WPT) module in WPANN model is employed to decompose an input time series into approximation and detail components. The decomposed time series are then used as inputs of artificial neural network(ANN) module in WPANN model. Based on model performance indexes, WPANN models are found to produce better efficiency than ANN model. WPANN-sym10 model yields the best performance among all other models. It is found that WPT improves the accuracy of ANN model. The results obtained from this study indicate that the conjunction of WPT and ANN can improve the efficiency of ANN model and can be a potential tool for forecasting river stage more accurately.

하천주변의도시화와이상기후등으로인해기존의하천위주의홍수방어는한계를보이고있으며, 이에따라유역통합적인홍수방어대 책의 하나로 강변저류지 설치에 대한 요구가 증대되고 있다. 강변저류지를 치수대책에 포함시키기 위해서는 정량적인 홍수조절효과 산정이 필요하며, 이를 위해서는 강변저류지 홍수조절효과에 영향을 미치는 인자들의 불확실성을 줄이기 위한 노력이 필요하다. 특히 하천 수위 예측의 중요 변수인 하천 조도계수는 항상 불확실성을 포함하고 있으므로, 이를 고려한 설계방법이 필요하다. 따라서 본 연구에서는상대적으로설계자가자유롭게결정할수있는설계인자인강변저류지의횡월류부길이를이용하여하천조도계수의불확실성 을 고려한 강변저류지 설계 기법을 제안하고자 한다. 이를 위해 HEC-RAS 부정류 수치모형을 이용하여 하천 조도계수와 횡월류부 길이 변화가 홍수조절효과에 미치는 영향을 검토하였고, 분석결과를 이용하여 하천의 수위 예측 불확실성을 고려한 횡월류부 길이를 결정하는 기법을 제시하였다. 본 연구에서 제시한 횡월류부 길이 결정 기법은 하천 수위 예측의 불확실성을 해결할 수 있기 때문에 강변저류지의 홍수조절효과를 좀 더 안전측으로 제시하는데 도움이 될 것으로 기대한다.

Due to tidal force, it is very difficult to estimate the hydraulic parameters of high permeable aquifer near coastal area in Jeju Island. Therefore, to eliminate the impact of tidal force from groundwater level and estimate the hydraulic properties, tidal response technique has been mainly studied. In this study we have extracted 38 tidal constituents from groundwater level and harmonic constants including frequency, amplitude, and phase of each constituent using T_TIDE subroutine which is used to estimate oceanic tidal constituents, and then we have estimated hydraulic diffusivity associated with amplitude attenuation factor(that is the ratio of groundwater level amplitude to sea level amplitude for each tidal constituent) and phase lag(that is phase difference between groundwater level and sea level for each constituent). Also using harmonic constants for each constituent, we made the sinusoidal wave and then we constructed the synthesized wave which linearly combined sinusoidal wave. Finally, we could get residuals(net groundwater level) which was excluded most of tidal influences by eliminating synthesized wave from raw groundwater level. As a result of comparing statistics for synthesized level and net groundwater level, we found that the statistics for net groundwater level was more insignificant than those of synthesized wave. Moreover, in case of coastal aquifer which the impact of tidal force is even more than those of other environmental factors such as rainfall and groundwater yield, it is possible to predict groundwater level using synthesized wave and regression analysis of residuals.

본 연구에서는 복단면개수로및 불규칙한 하상을보이는 횡단면 상에서의 수위-유량곡선 및단위유량횡분포예측을 위한 유한요소모형을 개발하였다. 지배방정식은 정상류와 종방향 등류를 가정한 운동량방정식을 이용하며, 수면은 횡단면에 걸쳐 일정하다고 가정한다. 홍수터 식생의 영향을 반영하기 위해 식생항력이 지배방정식에 포함되었으며, 수치해를 구하기 위해 유한요소법을 적용하였다. 단면형상과 Manning의 조도계수, 식생정보, 종방향 하상경사를 입력자료로 수위-유량 곡선

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

실시간 홍수예측모형의 구성에서 장래 강우 양상(지속기간, 강우강도 등)에 대한 가정으로 인하여 홍수예측의 신뢰성을 높이기 어려웠다는 점을 해결하기 위하여 현재까지의 강우, 수위 및 상류지역의 수위를 기반으로 장래 수위를 예측할 수 있는 회귀모형을 구성하였다. 대상유역인 대전광역시의 도심하천 구간에서 각 수위 및 강우관측소들 간의 자료들을 활용하여 최대 2시간 후의 수위변화를 예측할 수 있는 모형을 구성하였다. 각각의 선행시간에 대하여 예측한 결과 실체

본 연구에서는 낙동강유역의 주요 수위표지점중 진동수위표지점에서 홍수위를 예측하기위한 신경망모형인 WSANN모형이 제시되었다. WSANN모형은 모멘트방법, 초기조건의 개선 및 적응학습속도에 의해 보완되어진 개선된 역전파훈련 알고리즘을 이용하였고, 본 연구에 사용된 자료는 훈련자료와 테스팅자료로 분할하였으며, 최적 은닉층 노드수를 결정하기 위하여 은닉층노드와 임계학습횟수로부터 경험식이 유도되었다. 그리고 WSANN모형의 보정은 4개의 훈련자료에 의해 실시되