설문조사 기반의 가뭄 대응 저수지 운영에 따른 저수지 운영 평가

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-

최근 기후변화의 심화로 가뭄의 발생 빈도가 높아지고, 그 강도 또한 강해지고 있으며, 우리나라에서도 국지적으로 극심한 가뭄이 발생하는 사례가 증가하는 등 가뭄의 위험이 커지고 있다. 가뭄에 대비하기 위해 가뭄을 전망하는 등의 노력을 기울이고 있으나 가뭄은 시작과 끝을 특정하기가 어려우며 느리고 광범위하게 발생하여 선제적으로 예측하고 대책을 수립하기 어렵다. 특히 우리나라에서는 농업용 저수지의 노후화로 인해 기후변화의 영향으로 강도가 높아진 가뭄에 대한 재해 대응 취약성이 갈수록 커지고 있다. 가뭄은 크게 기상학적, 농업적, 수문학적, 사회경제적 가뭄으로 구분할 수 있으며 가뭄 대응 목표에 따라 여러 종류의 가뭄지수들이 연구·개발되고 있다. 우리나라의 농업용 저수지 운영의 경우 강우가 집중되어 있는 6~8월과 비관개기에 강수를 저장하고 논벼 이앙기를 포함한 생육기간인 4~9월에 농업용수를 공급하여 안정적으로 논벼를 재배할 수 있도록 한다. 따라서 저수량을 충분히 확보하면 기상학적 가뭄이 발생하더라도 농업용수 공급이 가능하며, 이를 위해 가뭄에 대응한 저수지 운영을 통해 저수량을 확보하는 것이 중요하다. 이에 본 연구에서는 현재 저수지의 저수율을 통해 가뭄을 판단하는 저수지 가뭄지수(Reservoir Drought Index, RDI)를 적용하여 가뭄 대응 저수지 운영의 결과를 평가하고자 하였다. 가뭄 대응 저수지 운영 기준은 현재 농업용 저수지를 관리하는 현장 관리자들이 실제 물관리에 적용하고 있는 대응 방법을 적용하기 위해 설문조사를 기반으로 수립하였다. 15개 지사의 저수지 물관리자가 설문조사에 응하였으며, 공통적으로 나타난 농업욥수 공급중단요인과 기준을 기반으로 현재 적용하고 있는 물관리 방식을 가뭄 대응 저수지 운영 기준에 반영하였다. 그리고 이를 평가하기 위해 가뭄 대응 저수지 운영 결과와 HOMWRS (Hydrological Operation Model for Water Resources System) 모형에 따른 저수지 운영 결과를 비교하였으며, 설문조사에서 나타난 현재 농업용 저수지의 운영방식을 엄격히 적용하였을 때 나타나는 가뭄대응의 효과를 확인하였다. 본 연구의 결과를 통해 현재 적용되고 있는 저수지 물관리 방식의 가뭄대응에 따른 효과와 한계를 확인할 수 있으며, 이후 가뭄 대응 저수지 운영을 위한 연구의 기초자료로 활용될 수 있을 것으로 기대된다.

인공신경망 모형의 장기유출예측 적용에 관한 고찰

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ),방재홍 ( Jehong Bang ),윤푸른 ( Pu-reun Yoon ),김귀훈 ( Kwihoon Kim ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-

유역에서 장기유출의 해석은 수자원을 효율적으로 관리하기 위한 수문 계획에서 중요한 요소로 유역 내의 수리시설물의 설계와 수리시설물의 운영, 하천유지유량 결정 등 유역 내 물 관리 있어 필수적인 역할을 한다. 유출은 강우에 대한 유역의 반응으로 발생하는데 기상인자, 수문지상인자 등의 복잡한 관계로 인해 비선형적 특성을 지닌다. 강우-유출의 비선형성으로 인해 개념적 강우-유출 모형에서 물리 현상을 수학적으로 정의하기 어려우며 매개변수 보정에도 많은 노력이 필요하다. 인공신경망 (Artificial Neural Network, ANN)은 자료를 기반으로 학습하는 기계학습의 일종으로 접근이 용이하고, 비선형적 자연현상을 모의하기에 적합한 모형이다. 1990년 대 이후 다양한 수문분야에서도 인공신경망을 이용한 연구가 이루어지고 있으며, 유역유출을 모의하기 위해 선행 강우량, 선행 유출량을 입력 자료로 이용하여 단기유출을 예측한 연구가 다수 수행되었다. 인공신경망은 주어진 자료를 통해 학습을 수행하기 때문에 특정 범위를 벗어나는 입력에 대해서는 정확도가 현저하게 낮다. 따라서 인공신경망 모형의 학습에 사용한 입력, 출력 자료를 벗어나는 경우에는 정확한 예측이 어려우며, 단기 유출 예측 모형을 바로 장기 유출 예측에 적용하는 것은 다소 무리가 있다. 단기유출 예측만으로는 장기적인 수자원 계획의 수립이 어려우며, 단기 유출 예측 인공신경망 모형을 장기 유출 예측에 적용했을 때 성능 차이를 파악할 필요가 있다. 따라서 본 연구에서는 1) 선행 강우량, 선행 유출량을 입력으로 이용한 단기 유출 예측 신경망 모형, 2) 선행 강우량, 단기 유출 예측 결과를 입력으로 이용한 장기 유출 예측 신경망 모형을 구성하여 비교하였다. 실측 유출량과 신경망 모형의 유출량 산정 결과를 비교하여 모형의 성능을 평가하였으며, 단기 유출예측 신경망 모형을 장기 유출 예측에 적용할 경우 성능 변화를 확인하였다.

활성화 함수에 따른 유출량 산정 인공신경망 모형의 성능 비교

김마가 ( Kim Maga ),최진용 ( Choi Jin-yong ),방재홍 ( Bang Jehong ),윤푸른 ( Yoon Pureun ),김귀훈 ( Kim Kwihoon ) 한국농공학회 2021 한국농공학회논문집 Vol.63 No.1

Analysis of runoff is substantial for effective water management in the watershed. Runoff occurs by reaction of a watershed to the rainfall and has non-linearity and uncertainty due to the complex relation of weather and watershed factors. ANN (Artificial Neural Network), which learns from the data, is one of the machine learning technique known as a proper model to interpret non-linear data. The performance of ANN is affected by the ANN’s structure, the number of hidden layer nodes, learning rate, and activation function. Especially, the activation function has a role to deliver the information entered and decides the way of making output. Therefore, It is important to apply appropriate activation functions according to the problem to solve. In this paper, ANN models were constructed to estimate runoff with different activation functions and each model was compared and evaluated. Sigmoid, Hyperbolic tangent, ReLU (Rectified Linear Unit), ELU (Exponential Linear Unit) functions were applied to the hidden layer, and Identity, ReLU, Softplus functions applied to the output layer. The statistical parameters including coefficient of determination, NSE (Nash and Sutcliffe Efficiency), NSE_ln (modified NSE), and PBIAS (Percent BIAS) were utilized to evaluate the ANN models. From the result, applications of Hyperbolic tangent function and ELU function to the hidden layer and Identity function to the output layer show competent performance rather than other functions which demonstrated the function selection in the ANN structure can affect the performance of ANN.

인공신경망 모형을 이용한 저수지 수위자료의 실시간 품질관리

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ) 한국농공학회 2018 한국농공학회 학술대회초록집 Vol.2018 No.-

농업용 저수지는 저수지의 용수조건과 환경조건 등을 고려하여 관개용수 공급량을 결정한다. 특히 저수지 수위자료는 현재 저수량을 파악하기 위한 자료로 활용되며, 이를 통해 용수공급능력을 판단하고, 합리적인 관개용수 공급량을 결정할 수 있다. 한국에서는 10만 톤 이상의 저수용량을 가진 농업용 저수지에 대해 전국 약 1,600 여개의 저수지 수위계측 장비가 설치되어 있다. 수위계측 방식은 크게 두 가지로 압력신 센서와 초음파식 센서를 사용하는 방식이 있으며, 10분 단위 간격으로 저수지 수위를 측정하여 수위자료를 구축하고 있다. 이러한 수위자료는 저수용량을 결정하는 기준으로 사용되거나 수문모형 최적화, 지하수 유도 분석 등 다양한 연구분야에서 기초자료로 활용되고 있다. 그러나 압력식 센서의 경우 사통 내부의 모사물 유입이나 센서 부근의 토사물 퇴적 등으로 오측이 발생할 수 있으며, 초음파식 센서의 경우 기온, 습도 등 기상에 의한 오측이나 파랑, 센서 부근의 수초 등으로 인한 오측이 발생할 수 있다. 이외에도 기기오류 등 다양한 이유로 오측이 발생할 수 있으나 수위자료에 대한 품질관리 시스템은 제대로 갖추어지지 않은 실정이다. 현재는 수동보정을 통해 담당자에 의한 주관적인 품질관리를 실시하고 있으나, 이러한 방식은 시간과 노동력이 많이 필요하고, 저수지 수위자료에 실시간 적용이 어려워 수위자료의 활용도가 저하되고 있다. 따라서 본 연구에서는 인공신경망 모형을 통해 개운 저수지의 수위자료를 대상으로 실시간 품질관리를 실시하고 적용성을 평가해보고자 하였다. 인공신경망 모형은 물리적인 상한값 및 통계적인 방법을 통해 학습자료를 생성한 후, 인공신경망 모형을 이용하여 이상치를 분류하는 방법으로 입력자료로 이전 시점의 수위자료와 강우자료를 활용하였다. 실시간 품질관리의 자동화는 현장에서 수위자료의 활용도를 높이고, 수동 품질관리에 필요한 시간과 노동력 절감할 수 있다. 또한 실시간 품질관리 자료는 이후 방대한 과거 수위자료를 대상으로 한 품질관리 적용 시 1차 품질관리 자료로 활용될 수 있을 것으로 기대된다.

활성화 함수에 따른 인공신경망 모형의 유출량 산정 비교

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ),방재홍 ( Jehong Bang ),윤푸른 ( Pu-reun Yoon ),김귀훈 ( Kwihoon Kim ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-

유역유출은 유역에서 수자원 관리 및 운영을 위한 수문계획에 있어서 기본적인 요소로 수문학적 해석에 있어 매우 중요하다. 유역유출은 기상인자, 수문지상인자 등의 영향을 받아 강우에 대한 유역의 반응으로 발생하며 이를 해석하기 위해 강우-유출 과정에 대한 분석이 필요하다. 그러나 강우-유출의 연결 매체인 유역의 지형특성, 식생분포, 토지이용, 기상조건 등은 시간적·공간적 변동성이 크고, 유역 내에서 복잡한 관계로 구성되어 있어 유출의 비선형성, 불확실성을 유발한다. 유역의 수문학적 특성을 토대로 개발된 대부분의 개념적 강우-유출 모형은 물리적 현상에 대한 반응을 수학적으로 정상화하여 유출을 모의하지만 유출의 비선형적 특성으로 인해 모형화가 어렵고 매개변수를 보정하기 위해 많은 노력이 필요하다. 인공신경망 (Artificial Neural Network, ANN)은 비매개변수법의 일종으로 기상, 수문과 같은 비선형의 자연 현상을 모의하기에 적합하며, 1990년 대 이후 다양한 수문분야에서도 신경망을 이용한 연구가 이루어지고 있다. 인공신경망은 자료를 기반으로 한 기계학습으로 은닉층에서 입력층으로부터 전달된 정보를 가공하여 출력층으로 전달한다. 이때 인공신경망의 성능은 은닉층의 노드 수, 학습률이나 활성화 함수의 영향을 받으며 인공신경망의 학습을 위해 양질의 자료를 필요로 한다. 특히 활성화 함수는 은닉층에서 입력 받은 정보를 전달할 때 다음 층으로 어떻게 출력할지를 결정하며, 활성화 함수에 따라 출력값의 범위나 특징이 달라지기 때문에 적절한 활성화 함수를 선택하는 것이 중요하다. 본 연구에서는 강우에 따른 유역유출을 산정하기 위해 인공신경망 모형을 구성하고 활성화 함수에 따른 유출량 산정 결과를 비교하였다. 동일한 자료와 동일한 형태의 인공신경망 모형에 대해 Sigmoid, ReLU, ELU 활성화 함수를 은닉층과 출력층에 적용하고 실측값과 비교하여 활성화 함수에 따른 유출량 산정 결과를 평가하였다.

인공신경망과 TANK 모형의 결합을 통한 강우-유출 해석

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ) 한국농공학회 2023 한국농공학회 학술대회초록집 Vol.2023 No.0

유역 유출은 농업 수문계획 수립에서 중요한 요소로 홍수 조절, 수자원 보존, 수질 등 많은 부분에 영향을 미치며, 유역 내 수자원을 효율적으로 관리하기 위해 필수적인 역할을 한다. 유출은 강우에 따른 유역의 반응으로 발생하는데 유역의 지형, 식생, 토지이용, 기상인자, 수문인자 등 복잡한 관계에 따라 강우에 따른 유출은 비선형성, 불확실성을 지닌다. 이러한 비선형적 특성으로 인해 강우-유출의 물리적 현상을 수학적으로 표한하기가 어려우며, 매개변수 보정을 위해 많은 노력을 필요로 한다. 인공신경망 (Artificial Neural Network, ANN)은 자료를 기반으로 학습하는 모형으로 비선형적인 자연현상을 모의하기에 적합하다고 알려져 있다. 인공신경망 모형은 물리적 현상을 수학적으로 표현하지 않고, 자료를 기반으로 하여 접근이 용이하다는 장점이 있으나, 물리현상을 모형 내부에 반영하기가 어려우며 자료 품질에 따른 영향을 크게 받는다. 또한 입력자료의 구성에 따라 모형 성능에 차이가 있는데, 일 유출량 예측의 경우 선행 유출량이 중요한 역할을 하고 있어, 모형 성능을 높이기 위해서 선행 유출량이 중요한 역할을 한다. TANK 모형은 유역을 3~4개의 개념적인 탱크로 가정하고 매개변수를 최적화하여 강우-유출을 분석하는 개념모형이다. TANK 모형은 다른 강우-유출 모형에 비해 간단하고 더 적은 매개변수를 필요로 한다는 장점이 있으며, 필요한 입력자료와 매개변수가 적어 유역의 관측 자료가 부족한 경우에도 활용할 수 있다. 그러나 매개변수가 추정되지 않은 유역에 대해서는 모형의 신뢰도가 다소 낮으며 유역 특성에 맞추어 매개변수의 보정이 필요하다. TANK 모형은 물리적인 강우-유출 과정을 개념적으로 표현한 것으로 TANK 모형을 결과를 ANN 모형의 입력자료로 활용하여 강우에 대한 유역의 물리적 반응을 모형에 반영할 수 있으며, 입력자료 중 선행 유출량을 TANK 모형 산정 결과로 대체할 경우 선행 유출량 자료 없이 ANN 모형의 적용이 가능하다. 따라서 본 연구에서는 ANN과 수정 3단 TANK 모형을 결합하여 강우-유출 해석을 수행하고 모형 성능을 향상하고자 하였다. ANN 모형은 ReLU (Rectified Linear Unit) 함수를 활성화 함수로 하는 단순 신경망을 이용하였으며, 입력자료로 기상자료와 선행 유출량 자료를 활용하였다. 이때 선행 유출량 자료로 관측 유출량과 수정 3단 TANK에 의해 모의된 유출량을 활용하였으며, 그에 따른 모형의 성능을 비교하였다. 또한 TANK 모형에 의한 강우-유출해석 결과와 ANN-TANK 결합 모형에 의한 강우-유출 해석 결과를 비교 평가하였다.

심층 신경망의 깊이에 따른 유출량 산정 비교

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ) 한국농공학회 2019 한국농공학회 학술대회초록집 Vol.2019 No.-

유출은 다양한 수리 현상에 영향을 미치며 수자원 계획과 수질 관리 등을 위한 수문학적 해석에 있어서 매우 중요한 자료이다. 유출은 강우에 대한 유역의 반응으로 발생하며 이를 해석하기 위해서는 강우-유출 과정에 대한 분석이 필요하다. 그러나 강우와 유출의 연결 매체인 유역은 지형특성, 식생분포, 토지이용, 토성, 기상조건 등 특성인자들의 복잡한 관계로 구성되어 있어 유출의 비선형적인 변환을 유발한다. 이러한 비선형적인 특성을 가지는 자료에 대한 해석은 기존 선형모형에서는 무시되어 왔으나 최근 컴퓨터 계산 능력의 발달로 이에 대한 연구도 가능해 졌다. 인공신경망 (Artificial Neural Network, ANN)은 기상, 수문 등과 같은 비선형의 자연 현상을 모델링하기 적합한 모형으로 현재는 강우-유출 과정에 대한 분석 외에도 다양한 수문분야에 있어서 적용되고 있다. 그러나 인공신경망 모형은 자료 기반 기계학습으로 방대한 양의 자료와 적절한 자료 품질이 뒷받침 되어야한다. 또한 모형의 복잡도가 커짐에 따라 더 많은 학습 데이터를 필요로 한다. 따라서 인공신경망의 효율은 높이기 위해서는 해결하고자 하는 문제와 학습 자료의 수에 따라 적절한 크기와 복잡도로 모형을 구성해야한다. 본 연구에서는 강우에 따른 유역유출을 산정하기 위한 인공신경망 모형을 적용하고 검증해보고자 한다. 동일한 강우-유출 학습 자료에 대해 인공신경망의 은닉층과 은닉 노드수를 조정하고 인공신경망의 깊이와 넓이에 따른 효율을 비교하고자 하였다.

시간 단위에 따른 유출량 예측 인공신경망 모형의 구조 비교

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ),방재홍 ( Jehong Bang ),윤푸른 ( Pureun Yoon ),김귀훈 ( Kwihoon Kim ) 한국농공학회 2021 한국농공학회 학술대회초록집 Vol.2021 No.-

인공신경망 모형을 이용한 기온기반 기준증발산량 산정

김마가 ( Maga Kim ),김귀훈 ( Kwihoon Kim ),윤푸른 ( Pureun Yoon ),방재홍 ( Jehong Bang ),이성학 ( Sung-hack Lee ),최진용 ( Jin-yong Choi ) 한국농공학회 2018 한국농공학회 학술대회초록집 Vol.2018 No.-

농업용 저수지는 기상조건, 물관리 체계, 작부체계 등 용수와 영농 환경조건을 고려하여 관개 필요수량을 계산하고 이를 활용하여 관개용수 공급량을 산정한다. 특히 농업용수를 효율적으로 관리하기 위해서는 관개 필요수량을 파악하는 것이 필수적이며, 작물의 증발산량은 관개 필요수량 계산의 핵심적인 부분이다. 일반적으로 증발산량은 관측이 어렵기 때문에 물수지 기법이나 기준증발산량과 작물계수를 이용하여 추정한다. 이론적인 방법에 의해 기준증발산량을 산정하는 방법은 다양하나 FAO-56 Penman-Monteith method(PM method)이 가장 널리 이용되고 있다. 국제관개배수위원회(International Commission on Irrigation and Drainage, ICID)와 국제연합식량농업기구(Food and Agriculture Organization of the United Nations, FAO)에서도 기상자료로부터 기준증발산량을 산정하거나 다른 방법들을 평가하기 위한 기준 방법으로 PM method를 제시하고 있다. 그러나 PM method는 계산이 복잡하며 기온, 풍속, 상대습도, 태양복사열 등 상대적으로 많은 기상인자를 필요로 한다. 따라서 기상인자가 제한된 지역에서는 PM method의 적용이 불가능하다. 또한 미래기후 시나리오 자료의 경우 기상 인자가 제한되는 경우가 있어 미래시기의 증발산량 예측이나 저수지 운영을 모의하는 경우 PM method를 이용한 기준 증발산량 산정은 부적절하다. 따라서 본 연구에서는 기상인자가 제한된 경우에 기준증발산량을 산정하기 위한 인공신경망 모형을 적용하고 검증해보고자 하였다. 우리나라의 한강권역, 낙동강권역, 금강권역, 섬진강권역, 영산강권역에 대해 권역별로 과거 기상자료를 수집하고, PM method를 이용해 학습자료를 생성하였다. 인공신경망은 일최고기온, 일최저기온을 입력자료로 하여 각 권역별로 학습을 수행하였으며, 최근 5년간 자료는 검증자료로 활용하였다.

강화학습을 이용한 관개기 농업용 저수지 운영 신경망 모형 개발

김마가 ( Maga Kim ),김귀훈 ( Kwihoon Kim ),윤푸른 ( Pureun Yoon ),신용훈 ( Yong-hoon Shin ),최진용 ( Jin-yong Choi ) 한국농공학회 2017 한국농공학회 학술대회초록집 Vol.2017 No.-

농업용 저수지는 기상조건, 물관리 체계, 작부체계 등 용수와 영농 환경조건을 고려하여 관개 필요수량을 계산하고 이를 활용한 저수지 운영 모형으로 관개용수 공급량을 산정한다. 이와 같은 저수지 운영을 위한 모형은 모의조작 모형과 최적화 모형을 주로 활용한다. 그러나 기존의 모형으로 저수지 운영을 위한 최적값을 산정하기 위해서는 환경조건이 변화하는 경우에 제한조건을 사람이 직접 변경해주어야 한다는 한계가 있다. 신경망 모형은 데이터를 통한 학습으로 인간의 지능, 사고, 판단 등을 모방하는 시스템으로 저수지 운영 모형에 적용하면 시뮬레이션 모형이나 최적화 모형의 한계를 보완할 수 있을 것으로 기대된다. 본 연구에서는 특히 강화학습에 신경망을 도입한 저수지 운영 신경망 모형을 개발하고 평가해보고자 한다. 강화학습 모형은 주어진 환경에서 정책에 따라 행동을 선택하고, 선택한 행동으로 인해 환경이 변화한 결과에 따라 보상을 받는다. 그리고 학습과정을 반복하면서 보상이 더 커지는 방향의 결과를 얻기 위한 쪽으로 강화하게 된다. 신경망의 접목은 더 복잡하고 다양한 상황에 강화학습의 적용이 가능하도록 하였으며, 저수지 운영 모형에서 환경조건이 변화하는 상황에 모형 스스로 대응할 수 있을 것으로 기대된다.