Water resources planning and management are, more and more, becoming important issue for water use and flood control due to the population increase, urbanization, and climate change. In particular, the estimating and the forecasting inflow of dam is the most important hydrologic issue for flood control and reliable water supply. Therefore, this study forecasted monthly inflow of Soyang river dam using VARMA model and 3 machine learning models. The forecasting models were constructed using monthly inflow data in the period of 1974 to 2016 and then the inflows were forecasted at 12- and 24-month ahead lead times. As a result, the forecasted monthly inflows by the models mostly were less than the observed ones, but the peak time and the variation pattern were well forecasted. Especially, the VARMA model showed very good performance in the forecasting. Therefore, the result of this study indicates that the VARMA model can be used efficiently to forecast hydrologic data and also used to establish water supply and management plan.

본 연구에서는 안동댐과 임하댐의 퇴적물과 유입되는 부유물의 특성을 색도분석, X-선회절분석 및 유도플라즈마/질량분석법을 이용하여 분석하였다. 안동댐과 임하댐으로 유입되는 부유물 및 댐 퇴적물의 광물조성은 석영, 사장석, 녹니석, 일라이트이며 소량의 몬모릴로나이트와 캐올리나이트를 포함하고 있다. 안동댐 퇴적물과 다르게 임하댐 퇴적물에는 다량의 방해석을 포함하고 있다. 색도는 시료에 따라 약간의 차이가 있지만 회갈색에서 어두운 주황색 정도이다. 퇴적물의 중금속 농도는 안동댐이 임하댐보다 더 높다. 안동댐과 임하댐 퇴적물과 유입 부유물질의 주요 중금속 농도는 미국의 국립해양대기관리청의 기준을 적용할 경우 높은 오염도를 나타낸다. 안동댐 퇴적물의 중금속 농도가 임하댐보다 높은 것은 안동댐으로 유입되는 부유물질의 중금속 농도가 임하댐으로 유입되는 부유물질의 중금속 농도보다 높기 때문이다.

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상 으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측 을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축 할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

In this study, the runoff characteristics of the non-rainfall period were examined using daily rainfall data from 1977 to 2017 and the data of runoff into the dam. Results showed that, the mean runoff decreases with longer non-rainfall periods in the Andong dam basin. The correlation coefficient between non-rainfall days and average runoff reaches 0.85. The results of the analysis of the runoff characteristics during the non-rainfall period, based on the preceding rainfall of Andong dam are as follows. The runoff characteristics of the entire non-rainfall period, shows that, for a rainfall of 1.0 mm or less, the runoff height was larger than the rainfall size and the base runoff larger. The correlation between the antecedent rainfall and runoff height was reached as high as 0.9864 in the 30 ~ 50 mm interval of the antecedent rainfall period, and this is the interval where the linearity of rainfall and runoff was at its maximum in the Andong dam basin. The correlation between the antecedent rainfall and the runoff height reached 0.92 for rainfalls of 100.0 mm. However, for rainfalls of 100.0 mm greater, the correlation between the antecedent rainfall and runoff height during the rainfall period was 0.64, which is relatively small. In this study, we investigated the runoff characteristics of the rainfall period in the Andong dam watershed. As a result, it was confirmed that the mean runoff decreased with rainfall duration. The linearity was found to be weak for rainfall events greater than 100.0 mm. The results of this study can be used as data for water balance analysis and for formulating a water supply plan to establish water resource management of Andong dam.

본 연구에서는 ANFIS 기반의 유황별 댐 예측유입량 산정 기법(Flow regime-based ANFIS Dam Inflow Prediction, FADIP)을 개발하고, 이를 단 순 ANFIS 기반 댐 예측유입량 산정 기법(ANFIS Dam Inflow Prediction, ADIP)과 비교 평가하였다. 대상유역은 국내 주요 다목적댐인 충주댐 유역과 소양강댐 유역을 선정하였으며, 입력자료로 댐 유입량, 강수량, 장기기상예보 자료를 사용하였다. 모델의 훈련 및 보정기간으로 충주댐 유역은 1987~2010년, 소양강댐 유역은 1984~2010년을 선정하였다. 검정기간은 두 유역 모두 2011~2016년을 활용하였다. 훈련 및 보정결과 FADIP 는 ADIP에 비해 평수기, 저수기에 훈련이 개선되는 것으로 나타났다. 검정결과 ADIP는 통계모델의 학습방법 특성상 일반적인 사상에 학습이 이루어져, 저수기에 예측성이 떨어지는 것으로 나타났다. 반면 FADIP는 ADIP에 비해 전기간의 정확도가 향상되었으며, 특히 평수기와 저수기에 예측성이 우수하였다. 따라서 FADIP는 다목적댐 이수관리에 활용성이 높을 것으로 판단된다.

물순환에 영향을 미치는 원인과 결과를 분석하는 기존의 연구들은 대부분 강우-유출모형을 사용하고 있어 모형의 구축 및 매개변수의 보정과 검증에 많은 노력이 필요하다. 본 연구에서는 수문기상자료만을 이용하여 유량의 변동성분을 정량화할 수 있는 수문학적 민감도 분석기법을 화천댐 상류유역에 적용하고 화천댐 유입량에 대한 1967~2017년 동안의 변동량을 자연적 요인과 인위적 요인으로 분리하여 제시하였다. 다양한 변동점 탐색기법을 사용한 결과 1999년이 통계적으로 유의한 변동점으로 탐색되었으며, 이를 활용하여 수문학적 민감도 분석을 5가지의 Budyko 함수들을 이용하여 산정한 결과 평균적으로 18.99억 m3/y의 유입량 감소가 임남댐 건설로 인하여 발생된 것을 알 수 있었다. 이와 같은 결과는 기존 연구자들의 화천댐 유입량 감소량에 비해 다소 크게 산정된 결과이며, 이는 2000년대 이후 증가된 강우량 및 화천댐 유입량의 감소가 주된 영향을 미친 결과로 추정된다. 향후 월별, 계절별 단위의 분석이 추가로 연구될 필요가 있으며, 미래의 기후변화 상황을 고려한 예측을 통한 실효성 있는 계획이 수립될 필요가 있을 것으로 판단된다.

본 연구에서는 IPCC가 발간한 AR5 의 시나리오 중 임의로 선택된 RCP 4.5와 RCP 8.5 기후변화 시나리오가 용담댐 유역과 호내의 유량과 수질변화에 미치는 영향을 분석 및 그 방법론을 수립하기 위해서 SWAT 모델과 CE-QUAL-W2 모델을 차례로 사용하였다. 기후변화 시나리오는 용담댐 유역에 대해 상세화 된 자료 를 사용하였으며 2016~2095년의 기간을 2016~2035년, 2036~2065년 그리고 2066~2095년의 세 가지의 기간으로 구분하고 또한 각 연도별로 5월과 10 월 사이의 우기(Wet Season)와 11월과 4월 사이의 건기(Dry Season)로 또한 구분하여 분석하였다. 전체 모의 기간에 대해 산술평균한 용담댐 유역의 유량과 TSS 및 TP는 RCP 4.5가 RCP 8.5 보다 큰 것으로 나타나고 TN의 경우 다른 경향을 나타내었다. 반면, 모델의 예측결과를 기간별 또는 연중 강우특성별로 구별하여 분석한 경우에는 각 경우마다 서로 다른 결과를 나타내고 있다. 기후변화 시나리오가 진행됨에 따라 전반적으로 강우일수는 감소하고 강우강도는 증가하여 갈수기에는 오염물질의 유출이 감소하고, 홍수기에는 오염물질의 유출이 증가하여 연간 오염물질 유출량이 홍수기에 집중되는 특성을 나타내었다. 상기와 동일 한 기간에 대해 SWAT 모델에서 생성된 유역의 자료를 CE-QUAL-W2 모델의 경계조건으로 사용하여 용담댐의 수질변화특성을 모의하였다. TSS와 TP농도는 하절기 강우량의 증가에 따라 특히, 높은 값을 나타내는 것으로 분석되었으나, 고형물질에 잘 흡착되지 않는 TN은 다른 경향이 나타났다. 따라서 기후변화에 의한 장래의 유량 및 수질 변화는 전반적인 경향과 더불어 지역적, 시기적 특성을 또한 반영하여 분석하는 것이 바람직하다고 판단되며 이에 따라 갈수 및 홍수에 의한 시기별, 지역별 유량 및 수질 관리 대책이 별도로 필요할 것으로 판단된다.

본 연구에서는 충주댐 유역에 대해 다목적 댐 예측유입량 산정기법 BAYES-ESP를 개발하고 평가하였다. BAYES-ESP 기법은 기존 ESP (Ensemble Streamflow Prediction) 기법에 베이지안 이론을 적용하여 개발하였으며, 수문모델은 ABCD를 활용하였다. 입력자료는 기온, 강수량 자료와 댐 관측유입량 자료를 활용하였으며, 기온 및 강수량은 기상청, 국토교통부, 한국수자원공사의 지점관측자료, 댐 관측유입량은 한국수자원공사의 자 료를 이용하였다. 적용성 평가방법은 시계열 분석과 Skill Score를 활용하였으며, 평가기간은 1986~2015년이다. 시계열 분석 결과 ESP 댐 예측 유입량(ESP)는 매년 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. BAYES-ESP 댐 예측유입량(BAYESESP) 는 ESP가 관측유입량에 비해 과소모의하는 경향을 보정하였으며, 특히 다우년에 개선효과가 있는 것으로 나타났다. 월별 평균 댐 관측유입량 과의 Skill Score 비교분석결과 ESP는 1~3월에 SS가 비교적 높은 값을 보였으며, 나머지 월에는 음의 값을 나타내었다. BAYES-ESP는 ESP와 관측 값 간의 선형적 관계를 갖는 1~3월에 ESP의 정확도를 향상시키는 것으로 나타났다. ESP 기법은 국내 강수특성상 우리나라에 적용하기에는 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측연구에 가치가 있다고 판단된다.

가뭄의 피해를 줄이기 위해서는 시기적절한 용수관리와 지역주민의 절수 유도가 필요하며, 이를 위해서는 가뭄의 현황 및 전망에 대한 정보가 무 엇보다 중요하다. 특히 생·공용수를 공급하는 다목적댐의 경우 저수량에 대한 향후 전망은 용수관리를 위한 가장 중요한 정보이다. 이에 본 연구에 서는 핵밀도함수를 활용하여 유입량의 불확실성을 고려한 확률론적 저수량 예측 모형을 구축하고, 그 적용성과 활용성을 분석하였다. 확률론적 저 수량 예측 모형은 현재의 저수량을 기준으로 시간의 변화에 따른 저수량을 확률적으로 예측할 수 있다. 이를 통해 현재의 가뭄상황에서 향후 저수 량의 변화 양상을 파악하여 중장기적인 대응이 가능하고 특정시점의 목표 저수량을 달성하기 위한 용수 비축량을 산정할 수 있어 용수관리에 관한 의사결정을 위한 도구로 활용이 가능할 것으로 판단된다.

일반적으로 하천의 유량은 댐과 같은 수공구조물에 의해 조정된 유량으로 수자원계획을 위해서 필요한 자연유량과는 차이가 크다. 수자원계획 을 수립함에 있어 자연 유입량 정보는 댐 운영과 수문분석을 위한 필수적인 정보이다. 본 연구에서는 댐 유역 일유입량 모의기법을 위한 통합 모형 을 개발하였다. 첫째, 장기 강우-유출 모형의 입력강우자료로 사용하기 위하여 평균 및 중앙값과 같은 통계적 모멘트를 효과적으로 재현하고 극치 강우량 재현에 유리한 불연속 Kernel-Pareto 확률분포 기반의 강우모의기법을 통하여 강우모의를 수행하였다. 둘째, SAC-SMA 장기 강우-유출 모형의 매개변수를 Bayesian MCMC 기법을 통하여 최적화하여 산정된 매개변수의 사후분포를 활용하여 댐 유입량 시나리오 도출하였다. 댐 유 역을 대상으로 개발된 모형을 평가한 결과 자연유량과 통계적으로 유사한 특성을 가지는 시나리오를 생성할 수 있었으며, 물수지 분석 등과 같은 수자원계획을 위한 시나리오로 활용이 가능할 것으로 판단된다.

본 연구에서는 기후변화에 따른 충주댐 유입량을 모의하였으며 이때 발생되는 불확실성을 분석하였다. GCM별 불확실성을 고려하기 위해 IPCC AR4 A2 시나리오에 의한 4개의 GCM 강수량 결과를 추계학적 모형인 TFN 모형에 적용하였다. TFN 모형의 불확실성을 고려하기 위하여 정규분포를 따르는 100개의 잡음항을 생성하여 앙상블 유입량 시나리오를 생성하였고, 결과적으로 400개의 미래 유입량 시나리오를 제시하였다. 분석 결과 과거 30년과 비교하여 미래에는 다른 변화율을 보였으며, 모든 시나리오에서 전 기간에 걸쳐 연 유입량 증가 양상을 보였고 여름철의 유입량 증가, 봄철의 유입량 감소가 전망되었다.

본 연구에서는 비선형적 모델인 웨이블렛-인공신경망을 적용하여 충주댐 유역의 일유입량을 예측하였다. 일반적으로 시계열 자료는 경향성, 주기성 및 추계학적 성분의 선형조합으로 이루어져 있다. 그러나 이러한 자료를 통해 시계열 모형 구축 시 경향성 및 주기성은 제거되어야하는 성분이다. 따라서 수문기상자료에 포함되어있는 경향성 및 주기성과 같은 비선형 동역학적 잡음과 측정과정에서 발생하는 단순잡음을 제거시키기 위해 디노이징기법인 웨이블렛 변환을 적용하였다. 웨이블렛 변환을 적용한 자료를 입력자료로 사용한 웨이블렛-인공신경망(WANN)과 원자료를 사용한 인공신경망(ANN)을 비교하였다. 산정결과 결정계수와 선형회귀를 통한 기울기는 WANN이 ANN보다 각각 0.032, 0.0115 더 큰 값을 나타냈고, 타겟값과 예측값 사이의 오차를 나타내는 RMSE와 RRMSE는 WANN 모형이 ANN 보다 각각 37.388, 0.099 더 작은 값을 나타냈다. 따라서 본 연구에서 적용한 WANN 모형이 ANN 보다 정확한 결과를 나타내었으며, 웨이블렛 변환을 통한 디노이징 기법의 적용이 잡음이 포함되어 있는 원자료의 사용보다 더 정확한 예측을 하는 것으로 판단된다.

본 연구에서는 영산호의 상류에 위치한 나주유역의 홍수시 유출량을 실시간으로 예측하기 위하여 Grey홍수 유출모형을 개발하였다. 나주유역의 유출량은 나주수위관측소에서 실시간으로 측정하고 있으며, 이곳은 영산호의 유입홍수량을 예측과 홍수관리를 위한 주관측소이다. 모형의 지배방정식은 Grey시스템 이론에 근거하여 구성되었으며, 모형의 매개변수는 Grey 시스템매개변수의 조합으로 구성하였다. 모형의 차수는 실측자료와 모의결과를 비교하여 다른 차수 보다 양호한