http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Groundwater Recharge Estimation Using the Artificial Neural Network Model and GIS Technology
( Gyoo-bum Kim ),( Myoung-rak Choi ),( Ho-jeong Lee ),( Chan-ik Hwang ) 대한지질공학회 2019 대한지질공학회 학술발표회논문집 Vol.2019 No.2
241 groundwater monitoring wells managed by the government has been operated in South Korea and continuous groundwater levels have been collected. Modified water table fluctuation method (TSM-hWTF), which is used for groundwater recharge rate estimation at the monitoring site, was developed by the previous researchers (Yoon et al., 2016; Cho and Park, 2008) and it is generally used in this country. Time series of groundwater levels from 1995 to 2016 are collected in order to calculate groundwater recharge rate at each monitoring well by using the TSM-hWTF method. This groundwater recharge rate is generally related with land surface elevation of the monitoring site, topographic slope around the monitoring site, soil characteristics, relationship with nearby stream, stream scale (width), geologic structure (lineament), and geology. Therefore, the artificial neural network (Multilayer perceptron) model is developed with the correlation coefficient of 0.82 based on these input variables, which are collected from the existing national digitized maps (topographic map, soil map, and geology map) and output variable (recharge rate). Finally, groundwater recharge rate for the non-monitored region can be estimated with this model by using the GIS technology and the recharge rate are finally estimated as 64,457 ㎥/y (20.4% of rainfall) for the Yanggok region and as 40,600 ㎥/y (12.8% of rainfall) for the Ungok region in Hongseong-gun.
배후지 지하수위를 고려한 인공신경망 기반의 수평정별 취수량 결정 기법
김규범 ( Gyoo-bum Kim ),오동환 ( Dong-hwan Oh ) 대한지질공학회 2018 지질공학 Vol.28 No.4
최근들어 방사형 집수정 방식의 대용량 강변여과수 개발에 따른 배후지의 지하수위 강하에 대한 우려가 존재하고 있다. 본 연구에서는 안성천의 방사형 집수정을 대상으로 Modflow를 활용하여 수평정의 취수량에 따른 배후지의 수위 강하를 예측하였으며, 이 데이터를 기반으로 배후지 수위 강하가 최소가 되는 수평정별 취수량을 결정하는 다층퍼셉트론 기반의 인공신경망 모델을 개발하였다. 하천 방향으로 굴착된 수평정 HW-6의 취수량을 높이는 것이 OW-7 및 OB-11 관측정의 지하수위를 높게 유지하는데 필요한 것으로 평가되었다. 또한, 모델 입력 자료의 수 및 훈련과 검증 자료의 분류는 인공신경망 모델 결과에 영향을 미치므로 유의하여야 한다. 향후 현장의 실제 운영 자료와 수치모델의 비교를 통하여 인공신경망 모델을 보완한다면 배후지의 지하수 관리에 기여할 것으로 본다. Recently, concern has arisen regarding the lowering of groundwater levels in the hinterland caused by the development of high-capacity radial collector wells in riverbank filtration areas. In this study, groundwater levels are estimated using Modflow software in relation to the water volume pumped by the radial collector well in Anseongcheon Stream. Using the water volume data, an artificial neural network (ANN) model is developed to determine the amount of water that can be withdrawn while minimizing the reduction of groundwater level. We estimate that increasing the pumping rate of the horizontal well HW-6, which is drilled parallel to the stream direction, is necessary to minimize the reduction of groundwater levels in wells OW-7 and OB-11. We also note that the number of input data and the classification of training and test data affect the results of the ANN model. This type of approach, which supplements ANN modeling with observed data, should contribute to the future groundwater management of hinterland areas.
강우 대비 지하수위 변동량을 이용한 비산출율 추정 기법의 적용성 고찰
김규범 ( Gyoo Bum Kim ),최두형 ( Doo Houng Choi ),정재훈 ( Jae Hoon Jeong ) 대한지질공학회 2010 지질공학 Vol.20 No.1
지하수위 변동법을 이용하여 지하수 함양량을 추정할 경우 매질의 비산출율은 결과에 대한 오차에 직접 영향을 미치게 되나 비산출율의 추정 방법에 대한 고찰은 거의 이루어지지 않았다. 장기 지하수위 관측이 이루어지는 연구지점에서 강우 발생 후 지하수위의 상승량의 상관관계로부터 비산출율을 추정한 결과 타 방법과 유사한 결과를 얻을 수 있었다. 그러나, 지하수위 변동이 강우에 의해서만 나타나는 것은 아니므로 인위적인 지하수위 변동, 식생에 의한 증발산 및 지하수위의 급상승 등이 배제된 자료를 활용하여야 하며, 갈수기의 12시간 내지 24시간 단위의 평균 강우 및 지하수위 자료를 사용하는 것이 합리적인 비산출율 산정에 바람직한 것으로 나타났다. In case of groundwater recharge estimation using water table fluctuation method, specific yield affects the accuracy and confidence level of recharge rate. Nevertheless, there have been few studies on the method for the accurate estimation of specific yield in Korea. Specific yield estimated from the relationship between rainfall and groundwater levels is reasonable compared to the other methods. However, lots of factors such as artificial pumping, evapotranspiration by the plants, and a sudden increase in water levels by a heavy rainfall can affect the pattern of groundwater levels` fluctuation and make an over-estimated or under-estimated specific yield. This study obtained a reasonable specific yield by using a daily or 12 hourly average of rainfall and groundwater levels measured in a dry season.
AHP 기반의 인공신경망 모델을 활용한 지하수 인공함양 후보지 선정 방안
김규범 ( Gyoo-bum Kim ),최명락 ( Myoung-rak Choi ),서민호 ( Min-ho Seo ) 대한지질공학회 2018 지질공학 Vol.28 No.4
최근 우리나라에서 발생되는 국지적 가뭄은 지하수의 효율적 활용에 대한 관심을 증대시키고 있으며, 잉여의 물을 지층 내에 저장하는 지하수 인공함양 기술 도입의 필요성이 대두되고 있다. 본 연구에서는 충청남도내 퇴적 분지의 지하수 인공함양 대상지로의 가능성을 평가하기 위하여 1차 인자 3개, 2차 인자 7개로 구성된 AHP 모델을 개발하였으며, 10개 후보지에 적용한 결과를 토대로 인공신경망 모델을 구축하였다. AHP 모델은 후보지가 추가될 경우 수학적인 연산 과정에 의하여 최종 평가점수가 변하게 되나, 인공신경망 모델은 후보지별 고정적인 최종평가 점수를 제시하게 되어 인공함양 적지 선정 기준으로 사용할 수 있다. 충청남도 지역의 연구 결과, 인공신경망 모델의 최종 평가점수가 약 1.5점 이하인 경우에는 인공함양 후보지로서의 가능성이 낮은 것으로 평가되었다. 향후 타 지역에 대한 추가 연구 및 현장 조사를 통해 다양한 자료 군을 확보한다면 보다 보편적으로 적용할 수 있는 인공신경망 모델 도출이 가능할 것이다. Local drought in South Korea has recently increased interest in the efficient use of groundwater and then induces a growing need to introduce artificial recharge of groundwater that stores water in sedimentary layer. In order to evaluate the potential artificial recharge sites in the alluvial basins in Chungcheongnamdo province, an AHP (Analytical hierarchy process) model consisting of three primary and seven secondary factors was developed in this study. In the AHP model, adding candidate sites changes final evaluation score through a mathematical calculation process. By contrast ANN (Artificial neural network) model always provides an unchanged score for each candidate area. Therefore, the score can be used as a selection criterion for artificial recharge sites. It is concluded that the possibility of artificial recharge is relatively low if the score of the ANN model is less than about 1.5. Further studies and field surveys on the other regions in Korea will lead to draw out a more applicable ANN model.