최근에 들어 지구온난화에 따른 기후변화의 영향으로 단시간에 집중되는 국지성 호우와 돌발성 호우로 인하여 많은 인명 및 재산피해가 날로 증가하고 있는 추세이다. 이에 본 연구에서는 낙동강 유역을 대상으로 국지적 집중호우와 돌발홍수의 특성을 연구하고 이를 데이터 마이닝 기법에 의한 홍수예측에 관한 연구를 적용하여 낙동강 유역의 국지적 집중호우와 돌발홍수에 대처할 수 있는 홍수예측모형을 구축하였다. Data Mining 기법인 신경망 이론과 하도의 수리학적 홍수추적을 사용한 모형을 구축하여 1989년 7월에서 1999년 9월 사이의 홍수사상을 대상으로 낙동 지점과 일선교 지점에서의 관측수위와 경사면적법의 홍수위를 비교하여 검증하였다. 본 연구에서는 대상유역을 3가지 Case로 구분하여 각 지점에 따른 홍수량, 수위에 의한 수리학적 홍수추적 모형을 구성과 간단한 입력자료만으로 홍수예측이 가능한 인공지능 기반의 신경망 모형을 이용하여 수위곡선을 비교분석하였으며, 실측 수위와 모형에 의해 예측 수위를 비교평가였다.

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.

홍수예보는 정확성과 신속성, 2가지 조건을 만족해야 한다. 정확성은 홍수주의보 및 경보에 도달하는 시간과 수위를 정확하게 예측하는 정도를 말하며, 신속성은 예보선행시간으로써 홍수예보에 따른 하류지역 주민의 대피에 필요한 시간이라 할 수 있다. 이를 위한 홍수예보 방법으로 기상법, 수위법, 강우-유출법 등 3가지로 구분할 수 있다. 기상법은 강수를 정량적으로 예측하여 홍수 유발량 이상이면 경보를 발령하는 방법이다. 수위법은 상류에 위치한 수위관측소의 수위자료를 이용하여 하류의 수위상황을 예측하는 방법이며, 강우-유출 모형은 현재 4대강 홍수통제소에서 사용되고 있는 방법으로 유효우량산정을 통한 유역유출과 하도유출로 구분하여 홍수위와 도달시간 등을 예측하는 방법이다.본 연구는 영산강수계 홍수예보 지점 중 선암과 남평지점의 수위와 상류지점의 수위자료를 활용하여 인공신경망 모형을 이용한 홍수위 예측모형을 개발하였다. 더불어 홍수예보 업무 중 중요한 부분을 차지하는 홍수위 예측과 관련하여 범용성을 확대하기 위하여 Web환경에서 국가표준수문DB와 연계를 통한 RFFS을 개발하였다. 본 연구의 결과, 통계적 기준과 도식적 평가를 통한 본 연구의 모형은 홍수예보시스템에 대한 보조적 수단으로 활용할 수 있음을 확인시켜 주었으며, 홍수위 예측모형의 다양화를 통한 홍수예보업무의 효율성을 증대하였다는 측면에서 유의미하다고 판단된다. 또한 홍수예보지점을 중소하천까지 확대할 경우 인공신경망 모형을 활용할 수 있을 것으로 기대된다.

전 지구적으로 발생하고 있는 잦은 기상이변과 기후변화의 가속화로 자연재해 발생빈도 및 피해규모는 증가하는 추세로 나타나고 있다. 이러한 기상이변은 우리나라 또한 예외가 아니며 최근 한반도에서 발생한 적설로 인하여 많은 인명과 재산피해가 증가하고 있다. 본 연구에서는 대표농도경로(RCP) 시나리오인 RCP 4.5 및 RCP 8.5 시나리오를 바탕으로 관측자료와 시나리오의 기온, 강수, 적설량 간의 관계를 이용하였으며, 기상청 산하 대표 기상관측소 58개 대상 지점으로부터 목표기간별(목표Ⅰ:1971∼2005년, 목표Ⅱ:2006∼2040년, 목표Ⅲ:2041∼2070년, 목표Ⅳ:2071∼2100년) 적설량을 변동추이를 예측하고자 하였다. 미래 적설량 예측은 기상인자들의 복잡한 비선형 조합으로 발생하기 때문에 적설량에 영향을 미치는 기온, 강수, 적설량의 비선형 과정들을 고려할 수 있는 신경망 모형을 이용하여 적설량 예측 모형을 구성하였다. 58개 기상관측소의 30년 이상 기온, 강수, 적설량 관측자료를 이용하여 지점별로 훈련을 시켜 이를 기후변화 시나리오에 활용하였으며, 기후변화에 따른 미래 적설량의 증감율은 목표기간이 진행될수록 지속적으로 감소하는 것으로 분석되었다. 본 연구결과는 기후변화 시나리오를 고려한 목표기간별 확률적설량 산정 및 관련 방재기준의 개선 방안 및 재설정 기준 마련에 기초자료로 활용될 수 있을 것으로 기대된다.

본 연구에서는 충주댐을 대상으로 유역모델인 SWAT과 저수지모델인 CE-QUAL-W2를 연계 적용하여 기후변화에 따라 저수지로 유입되는 하천의 유량 및 탁수발생량을 모의하고, 저수지내의 탁수변화 및 부영양화 영향평가를 통한 저수지 수환경 변화를 전망하였다. 먼저 SWAT을 적용하여 강우시 저수지 유입하천의 유량 및 수질을 모의하여 모델의 재현성을 검토하였으며, 모형의 보정(2000～2005)과 검증(2006～2010) 결과 모델 예측값과 실측값이 적절하게 일치하는 것으로 나타났다. SWAT의 결과를 CE-QUAL-W2의 하천유량 및 유입수 수질 경계조건 입력 자료로 활용하고, 보정(2010년)과 검증(2008년)을 통하여 저수지 내 시간에 따른 물수지, 수온 변화, 부유물질(SS), T-N, T-P 및 부영양화(Chl-a) 양상 등을 분석하고 모델의 재현성을 검토하였다. 이후 기후변화 시나리오 적용에 따른 저수지 내 수환경 변화를 모의하기 위한 기후변화 자료로 IPCC AR4 GCM(ECHO-G)을 고해상도 지역기후시나리오로 개선시킨 RCM(MM5)의 A1B 시나리오를 다시 태풍사상을 고려한 인공신경망 기법에 의해 상세화하여 이용하였다. 기후변화 시나리오에 따른 기온증가의 영향으로 미래로 갈수록 상층수온은 증가하는 반면 심층수온은 감소하는 경향을 보였다. SS 최고유입농도는 평수년에 비해 풍수년에 17%, 갈수년에 0.2% 가량 증가하는 것으로 나타났다. 호소내 SS 10mg/L 이상 점유일수는 평수년에 비해 풍수년이 6일, 갈수년이 17일 증가하였고, 점유율 역시 풍수년에 24%, 갈수년에 26% 가량 증가하는 것으로 분석되었다. 미래로 갈수록 기후변화가 충주댐 탁수 장기화에 영향을 미치는 것으로 분석되었다. Chl-a의 최고농도는 평수년에 비해 풍수년에 19%, 갈수년에 3% 가량 조류의 농도가 증가되는 것으로 나타나 조류의 영향이 커지는 것을 알 수 있었다.

장기간의 가뭄에 의한 피해를 최소화하기 위해서는 유역에 적합한 가뭄관리 대책의 수립과 함께 미래에 발생하게 될 가뭄을 미리 예측할 수 있는 기술이 구축되어야 한다. 또한 미래의 가뭄에 대한 합리적 대응 방안을 수립하기 위해서는 가뭄의 지속기간(duration)과 심도(severity)의 정량적인 예측이 선행되어야 한다. 본 연구에서는 수문 시계열의 예측에 가장 많이 이용되고 있는 대표적인 통계학적 기법인 인공신경망 모형(Artificial Neural Network Model)과 가뭄지수를 이용하여 남한지역의 서울, 대전, 대구, 광주 등의 4개 기상관측소를 선정하여 가뭄예측을 시도하였다. 가뭄 예측을 위하여 남한지역 내 선정한 기상관측소의 관측된 과거 강수량 자료를 이용하여 산정된 SPI (Standardized Precipitation Index)를 입력변수로 하여 다층 퍼셉트론(Multi Layer Perceptron) 인공신경망 모델에 적용하였으며, 매개변수 보정을 위한 학습기간으로 1976∼2000년과 2001∼2010년을 예측을 위한 검증기간으로 선정하여, 학습 및 예측을 시도하였다. 학습된 최적의 예측모형을 이용하여 서로 다른 선행예보시간(1∼6개월)을 갖고 SPI (3), SPI (6), SPI (12)별로 가뭄을 예측하였으며, 가뭄예측 결과, SPI (3)의 경우에는 1개월 선행예보에서만 좋은 결과를 나타내었으며, SPI (6)의 경우 1-3개월 후의 가뭄을 예측하는 경우에 비교적 관측자료와 잘 일치하는 결과를 나타내었다. SPI (12)의 경우에는 약 5개월 후까지의 가뭄예측에 양호한 결과를 나타내었다.

우리나라는 몬순기후의 영향으로 여름철 강우가 집중되기 때문에 작은 기후변화에도 심각한 수자원의 문제를 야기시킬 수 있다. 이로 인해 기후변화에 대한 많은 관심이 집중되어 그에 따른 연구도 활발히 진행되고 있다. 본 연구는 남강유역에서의 미래 기후변화에 의한 하천의 흐름과 수질변화를 예측하기 위해 유역-하천 모형을 연계하여 하고자 하였다. 인공신경망기법을 이용하여 기후시나리오를 예측한 후 유역수문 모형인 SWAT모형을 구축하였고 모형의 적용성 평가를 위해 환경부 자료를 이용하여 검보정한 결과 R²이 0.7 이상으로 적정 수준으로 모의되었다. SWAT의 결과와 HEC-ResSIM을 이용한 미래 남강댐방류량을 QUALKO의 입력 자료로 사용하였다. 그 결과 저수기에는 풍수기와는 달리 연도별 유량에 따라 BOD가 많게는 약 2mg/L의 차이를 보이는 등 변화 폭이 크게 나타났다. 강우와 유역의 유출이 하천의 수질에 큰 영향을 끼치기 때문에 풍수기에 비해 유량이 적은 저수기에 수질농도가 높은 것을 알 수 있다. 그러므로 남강댐의 저수기의 용수확보를 통해 남강하류 하천의 유지용수를 확보하고 효율적인 관리를 통해 향상된 수질을 관리 할 수 있을 것으로 판단된다.

최근 한국은 기후변화로 인한 기온 및 수온 상승, 빈번한 집중호우와 친수공간 조성에 따른 적극적인 하천의 활용 등으로 인하여 하천 및 저수지 내 수질관리에 있어 해결해야 하는 많은 문제점을 가지고 있다. 본 연구는 효율적인 수질관리를 위하여 인공신경망을 이용한 단기조류예측모형 구축에 관한 연구이다. 대상지역으로 조류가 번식하기 좋은 조건을 지니고 있는 금강유역 내 대청호를 선정하였고 설치되어 있는 수질자동측정망의 일 단위자료를 이용하였다. 다층전방향신경망의 역전파 알고리즘을 이용하여 단기(1일, 3일, 7일) 조류를 예측할 수 있는 모형을 구축하였다. 본 모형에서는 대청호 내 수문 및 수질성분을 교차상관분석을 기초하여 단기조류예측모형의 입력 성분을 선정한 후 다양한 조류예측 신경망 모형을 구축하여 결과에 대한 검증을 실시하였다. 구축된 단기조류예측모형은 자연발생적인 기작과 유사한 현상을 재현할 수 있는 다양한 수질인자를 고려하여 단기조류예측모형을 구축한 경우 예측의 정확도가 높게 도출되었다. 본 연구는 신경망 모형의 최대 장점인 비선형성 및 간편성 등을 고려하였을 때 우리나라의 수질예측에 적합한 신경망 모형을 구축할 수 있으며 이를 통한 하천 및 호수 내 효율적인 수질관리 방안을 제시할 수 있을 것이다.

In this paper, neural network technique(NNT) is applied to estimation of chloride diffusion coefficient, which has been used for strength evaluation and concrete mixing design. Rapid chloride diffusion test is performed for concrete with 3 different w/c ratios (0.37, 0.42, and 0.47) and various mineral admixtures such as GGBFS, FA and SF. Regarding 120 obtained diffusion coefficients, NNT is applied and diffusion coefficients are simulated. Utilizing the technique, chloride behavior in concrete is evaluated through FE model based on Multi-Component Hydration Model and Micro Pore Structure Formation Model. The simulated results are verified with the previous test results which have been exposed to sea water for 6 months.

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 지상의 관측 자료와 광역의 정보를 제공하는 수치 예보 모형 자료 및 인공위성 자료를 이용하고 자료와 강수예측치의 물리적 상관 특성을 나타내기 위하여 자료 사이의 비선형 거동을 잘 나타내는 신경망 모형에 적용시켜 단시간 강수 예측을 수행하였다. 이를 위하여 서울지점에 대하여 현재로부터 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 인공위성 자료(MTSAT-1R) 및 수치 예보 모형 자료(RDAPS, Regional Data Assimilation and Prediction System)와 실시간 전송되는 자동 기상 관측 시스템(AWS, Automatic Weather System)의 관측치를 신경망 모형의 입력 자료로 하여 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 자료로 강수를 예측 할 수 있는 강수 예측 모형을 개발하였다. 장마와 태풍과 같이 전선형강수와 선풍형강수 등 강수 양상의 차이를 고려하기 위하여 6월, 7월과 8월, 9월 자료를 구분하여 신경망을 구축하였으며, 자료가용성에 기초하여 2006년에서 2008년 기간 동안에 대하여 모형을 학습하고 2009년에 대하여 모형의 적용성을 검증한 결과, 단시간 강수예측에 대한 모형의 적용 가능성을 보여주었으나 다양한 광역 자료와 인공신경망을 사용함에도 불구하고 단시간 강수예측의 정량적 정도향상을 위한 여지가 많음을 보여준다.

기후변화는 유역의 수문과정에 영향을 줄 수 있으며, 최적의 수자원 관리를 위해서는 이와 같은 기후변화로 인한 수환경 영향을 예측 및 분석하기 위한 통합적인 모의체계의 구축이 필요하다. 본 연구에서는 낙동강 수계의 남강댐 유역을 대상지역으로 선정하여, 기후변화 취약성을 평가하기 위하여 SWAT 모형을 이용하여 유출량 변화를 예측하였다. 기후시나리오 생산을 위하여 지역기후모형(RCM)의 분석 및 인공신경망을 통한 상세화기법을 적용하여 예측인자들에 대한 모의결과로부터 미래 기상자료를 구축하였다. 또한 강우의 경우 총량에 대한 보정을 위해 분위사상법을 적용하였다. 이와 같은 시나리오를 검보정이 완료된 SWAT 모형에 적용하여 기후변화에 따른 유출량 변화를 예측하였다. 본 연구의 결과를 이용하여 기후변화에 대한 효율적인 대책을 제시하여 최적의 수자원관리방안을 도출할 수 있을 것으로 판단된다.

본 연구에서는 풍력발전기 타워의 효과적인 상태 모니터링을 위하여 타워의 고유진동수 및 모드형상을 이용한 손상추정기법을 제안하였다. 풍력발전기에 대한 동력학 시뮬레이션 프로그램을 이용하여 타워의 거동을 시뮬레이션하고 결과를 이용하여 타워의 모드특성을 추정하였다. 다양한 손상에 의한 타워의 고유진동수와 모드형상의 변화를 모드특성 추정 프로그램을 이용하여 해석적으로 구하여 훈련패턴을 생성하고 이를 이용하여 신경망을 훈련시켰다. 복수 손상 경우를 포함한 10가지 손상경우에 대한 모드특성을 훈련된 신경망에 입력하여 손상을 추정하였으며, 모든 손상 경우에 대하여 비교적 정확하게 손상위치와 손상정도를 판정할 수 있었다. 단, 미소 손상의 경우 손상정도가 약간 과소평가되는 경향을 보였으나 손상위치는 합리적으로 추정됨을 알 수 있었다. 향후, 미소 손상 추정결과의 정확성을 개선하고, 실험을 통하여 제안된 기법을 검증할 계획이다.

최근의 극심한 기상이변으로 인하여 발생되는 이상호우의 예측에 관한 사항은 치수⋅이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우를 예측하기 위해 많은 방법들이 사용되고 있으나 강우의 메커니즘은 매우 복잡하여 수문순환과정에서 가장 예측하기 힘든 요소이며, 추계학적 예측모형이나 확정론적 예측모형 모두에 있어 상당한 불확실성을 내포하고 있다. 기상예측모형 등을 이용하여 강우예측에 대한 정도를 높여가고는 있으나 많은 수문학적 모형에서 요구하는 시공간적으로 정도가 높은 강우를 예측하기에는 힘들다.

본 연구에서는 홍수위 예경보를 위한 Data Mining기법에 대해 조사하고 예측시스템에 대해 연구하였다. 홍수예측의 모형 중 인공지능 기반의 신경망 모형을 이용하여 유사한 수문 사상을 유역내의 복잡한 물리적인 현상을 직접적으로 고려하지 않고 상·하류간 입력 자료를 사용하여 출력자료와의 관계로부터 학습을 통해 결론을 도출해내는 Data Mining기법 중 신경망 모형을 사용하였다.

본 연구에서는 중·소하천에서 홍수예경보를 위한 지능형 U-River 시스템의 실시간 모니터링 기술을 조사하고 예측 시스템에 대해 연구하였다. 기존의 홍수예경보의 문제점을 해결하기 위해 간단한 입력자료만으로 홍수예측이 가능한 인공지능 기반의 신경망 모형을 이용하였으며 예측 모형의 효율성과 적용성을 높이기 위해 유사한 수문 사상을 가지는 상·하류간 입력 자료를 동시에 사용하였다. 모델의 수행은 각 지점별 훈련성과를 토대로 최적의 은닉층 노드수를 선발하여 실시간 수위예측에 활용하였으며 수치적 기준을 적용하여 실측 수위와 모형에 의해 예측된 수위를 이용하여 평가하였다.

지구환경의 변화로 홍수빈도 및 강우강도가 증가하고 있다. 이에 따라 도시유역 내 홍수범람으로 인한 인명 및 재산 피해가 빈번히 발생하고 있다. 발생되는 피해에 대하여 과학적이고 기술적인 대응 방안이 필요하며 이를 위한 기술의 개발과 홍수예경보시스템의 연계에 관한 적정 방안을 필요로 하고 있다. 본 연구에서는 효율적인 통합중소하천의 예경보 시범유역을 선정하고 이를 위하여 부산시 소재 내 온천천 유역을 시범유역으로 선정하여 홍수예경보를 위한 10분 간격의 실시간 모니터링을 구축하였다. 이는 현장에 설치된 강우계, 수위계, 유량계를 설치하여 이를 원격 시스템으로 데이터를 전송하고 관리할 수 있는 웹사이트를 구축하였다(http://pnuhydro.pusan.ac.kr). 이를 통하여 구축된 DB를 활용하여 도시 유역 내 단기 수문예측모형을 개발하였다. 수문예측모형은 온천천 유역 내 설치되어 있는 실시간 유역 모니터링 시스템의 수집된 자료 중 홍수시 강우사상별로 수문예측모형의 입력자료로 사용하였다. 역전파알고리즘 기반의 인공신경망을 이용하여 2006-2012년의 기간 중 10분 간격의 수위 및 강우 자료를 이용하여 홍수기 시 강우사상별로 자료를 정리 한 후 4가지 강우사상에 대하여 training과 testing 기간으로 나누어 10분부터 60분까지의 수위 예측을 실시하였다. 그 결과 10분 간격의 수위예측에서 10분 간격으로 최대 60분까지 예측한 경우 예측 기간이 길어질수록 예측 정도가 단기 예측에 비하여 RMSE와 CC(상관계수) 값 중 RMSE 커지긴 하지만 상관분석의 결과 및 RMSE 모형 분석 결과는 대체적으로 60분까지 예측 성능이 우수한 편이었다. 이는 실시간 모니터링 시스템에 의하여 DB화한 수문관측자료를 이용하여 역전파알고리즘 기반의 수위예측모형은 도시 유역 내 돌발홍수 및 범람에 대비할 수 있는 대안책으로 추후 효율적인 모니터링 시스템의 운영과 관리에 의한 DB의 축적과 이를 통한 다양한 강우사상에 대한 수문예측모형의 적용으로 그 적용성 평가가 필요할 것으로 사료된다.

중소하천은 호우발생시 급격한 하천수위상승으로 인해 하천에 위험상황이 발생하게 된다. 따라서 중소하천의 홍수예경보는 대규모 하천의 홍수예경보와 달리 강우-유출모형을 기반으로 하기 어렵다. 이는 중소하천 유역의 자료부족과 유역의 특성이 기존 수문학에서 제시하고 있는 기법으로 강우-유출특성을 정확히 모의하기 어렵기 때문이다. 아울러 중소하천의 홍수예경보를 위해서는 기존의 저류함수법과 같은 강우-유출모형이 아닌 현재 관측되고 있는 하천의 수위 변화를 기반으로 하는 것이 예보의 오차를 줄이는 방법이 될 수 있다. 또한 홍수범람에 따른 피해를 저감하기 위한 대비책의 수립을 위해서 일정시간의 선행시간을 확보하는 것이 중요하다. 이와 같은 목적을 달성하기 위하여 본 연구에서는 강우-유출 모형의 결과를 배제하고 하천에서 현재 발생하고 있는 수위를 바탕으로 짧은 시간주기의 발생가능한 수위를 예측하여 중소하천 홍수예경보에 활용할 수 있는 방법론을 제시하였다. 아울러 홍수예보지점의 현재 관측 수위자료와 상류의 관측수위자료를 활용하여 인공신경망(Artificial Neural Network)을 적용 30분 이내에 발생가능한 수위를 예측할 수 있는 기법을 제안하였다. 제안된 방법론을 낙동강 유역의 남강댐 상류유역에 적용하여 수위예측의 정확성을 검증하였다.

본 연구에서는 앞선 연구를 통해 선정된 최적 입력 자료 조합을 이용하여 한강수계의 왕숙천과 금강유역의 갑천에 대한 Takagi-Sugeno 퍼지기법과 신경망을 연계한 뉴로-퍼지 홍수예측 모형을 구축하였다. 구축된 뉴로-퍼지 홍수예측 모형을 한강수계의 왕숙천과 금강유역의 갑천에 적용하여 30분, 60분, 90분, 120분, 150분, 180분의 선행시간에 대해 각각 홍수예측을 수행하였다. 선행시간별 예측수위를 관측수위와 비교한 결과 안정되고 정확도 높은

본 연구의 목적은 중소하천에서의 홍수예측을 위해 사용되는 기존의 수문학적 모형이 가지고 있는 문제점을 개선한 홍수예측 모형을 개발하는데 있다. 이를 위해 기존의 수문학적 강우-유출 모형에서 사용되는 많은 수문학적 자료 및 매개변수들의 사용 없이 오직 수위 및 강우측정 자료만을 이용하여 홍수를 예측할 수 있는 Takagi-Sugeno 퍼지 추론기법과 신경망을 연계한뉴로-퍼지홍수예측 모형을 구축하고자 하였다. 뉴로-퍼지 홍수예측 모형의 예측정확도는 입력자료