낙동강 하구 기수생태 복원이 본격으로 논의가 진행 전인 2016년까지는 하류 수위의 예측을 위해 하구에서 수km 떨어진 기존 조위관측소(부산 및 가덕도)의 측정 자료를 활용하여 분석을 수행하였지만, 조위와 위상 차이로 인해 예측이 용이하지 않았다. 따라서, 낙 동강 하굿둑 인접 외해역에서 조석 영향을 받는 수위관측치를 이용하여 조석조화분해를 통한 정밀한 조위 예측 산정의 필요성이 대두되 어 본 연구를 수행하였다. 연구의 방법으로는 낙동강하굿둑 인근 외해역에서 10분 간격으로 기간별 관측자료의 저장상태 및 이상자료 유 무를 확인하고, 조석조화분해 프로그램인 TASK2000(Tidal Analysis Software Kit) Package를 이용하여 관측조위와 예측조위를 1대 1 비교하여 회귀상관분석을 수행하였다. 분석 결과, 관측조위와 예측조위간의 상관도는 0.9334로 높게 나타났으며, 당해 연도의 조위예측 분석시 직전 연도의 1년 조석관측 자료를 조화분해하여 산출된 조화상수를 이용하여 조위예측을 실시하면 보다 정확한 결과를 산출할 수 있음을 확인 하였다. 이를 바탕으로 2022년 예측조위를 생성하여 낙동강 하구 기수생태 복원의 해수유입량의 산정에 활용 중이다.

본 연구는 조위 관측자료를 이용하여 부산항에서의 장기 조위 자료를 생성하는 Long Short-Term Memory (LSTM)으로 구현된 순환신경망 모델을 개발하였다. 국립해양조사원의 부산 신항과 통영에서 관측된 조위 자료를 모델 입력 자료로 사용하여 부산항의 조위 를 예측하였다. 모델에 대하여 2019년 1월 한 달의 학습을 수행하였으며, 이후 2019년 2월에서 2020년 1월까지 1년에 대하여 정확도를 계 산하였다. 구축된 모델은 부산 신항과 통영의 조위 시계열을 함께 입력한 경우에 상관계수 0.997 및 평균 제곱근 오차 2.69 m로 가장 성 능이 높았다. 본 연구 결과를 바탕으로 딥러닝 순환신경망 모델을 이용하여 임의 항만의 장기 조위 자료 예측이 가능함을 알 수 있었다.

Through the combination of existing tidal prediction model and numerical tidal model, the efficient tidal prediction system was formulated and applied to the neighboring area of Pusan port. Because all tidal constituents for tidal prediction (69 tidal constituents are normally used) couldn't be considered due to the physical limits on computing process, some errors between the observed and predicted values were inevitably occurred. But it was confirmed that the computed values with maximum 10% of relative errors can be obtained if four major tidal constituents(M2, S2, K1, O1) are used. Thus, if other constituents than four major tidal constituents are additionally used, more accurate values will be obtained. Furthermore, if the database for harmonic constants in coastal waters is made in advance, using the numerical tidal model, prompt tidal prediction can be achieved at any time when it is required.

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.

Estimation of current and future loading from watershed is necessary for the sound management of water quality of an estuary lake. Pollution sources of point and non-point source pollution were surveyed and Identified for the Koheung watershed. Unit factor method was used to estimate potential pollutant load from the watershed of current conditions. Flow rate and water qualify of base flow and storm-runoff were monitored in the main streams of the watershed. Estimation of runoff pollutant loading from the watershed into the lake in current conditions was conducted by GWLF model after calibration using observed data. Prospective pollutant loading from the reclaimed paddy fields under cultivation conditions was estimated using the modified CREAMS model. As a result, changes of pollutant loading into estuary lake according to non-cultivation and cultivation conditions of reclaimed tidal land were estimated.