http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
권현한(Hyun-Han Kwon),소병진(Byung-Jin So),조봉연(Bong-Yeon Cho),김석우(Seok-Woo Kim),김태웅(Tae-Woong Kim) 한국방재학회 2023 한국방재학회논문집 Vol.23 No.5
면적강우량은 유역 단위 수문량 분석에 사용되는 필수적 인자로 정확한 면적강우량이 산출되어야 연계된 수문량의 신뢰성이 확보될 수 있다. 면적강우량은 유역내 발생된 강우량의 평균값을 의미한다. 지점 관측망에 기반한 면적강우량 산출 방법은 지점 강우량이 해당유역전체를 대표할 수 있다는 가정하에 적용된다. 레이더는 공간적으로 연속된 강우자료를 제공하여 실질적 의미의 면적강우량을 취득할 수 있다. 이에, 본 연구에서는 레이더 강우자료를 이용하여 기존 방식의 면적강우량과 실제 면적강우량 간의 관계성을 평가했다. 결과적으로 기존 면적강우량은 유역내 강우의 분포 특성과 양적 특성의 변동성을 반영하지 못해 실제 면적강우량과 유의미한 차이가 존재했다. 따라서, 유역 단위의 수문량 분석시 유역내 강우분포를 반영할 수 있는 레이더 강우량의 이용 방안을 고려할 필요성이 있으며, 기존 면적강우량 이용시 본 연구의 결과를 기반으로 적절한 보정 방안 마련이 필요할 것으로 판단된다. Areal rainfall is an essential factor used in the basin-scale hydrological analyses, and accurate areal rainfall is required to ensure the reliability of the associated hydrologic output. Areal rainfall is the average of the rainfall that occurs in a watershed. Areal rainfall calculation methods based on point observation networks are based on the assumption that point rainfall is representative of the entire basin. Radar can provide spatially continuous rainfall data to obtain realistic areal rainfall. In this study, radar rainfall data was used to evaluate the relationship between conventional and actual areal rainfall. Consequently, a significant difference was noted between the conventional area rainfall and the actual area rainfall because the conventional area rainfall did not reflect the distribution characteristics of rainfall in the basin and the variability of quantitative characteristics. Therefore, radar rainfall that can reflect the distribution of rainfall in the basin must be considered when analyzing the hydrological volume at the basin level, and an appropriate correction plan must be prepared based on the results of this study when using the conventional area rainfall.
Support Vector Machine과 상태공간모형을 이용한 단변량 수문 시계열의 동역학적 비선형 예측모형
권현한(Kwon Hyun-Han),문영일(Moon Young-Il) 대한토목학회 2006 대한토목학회논문집 B Vol.26 No.3B
최근에 수문시계열로부터 저차원의 비선형 거동을 재구성하고자 하는 연구가 활발히 진행되고 있다. 이러한 관점에서 본 연구에서는 Support Vector Machine(SVM)을 이용하여 우수한 상태-공간 재구성 능력을 갖는 비선형 예측모형을 구성하여 Great Salt Lake(GSL) Volume에 적용하였다. SVM은 Kernel 함수로부터 유도된 고차원의 특성공간 안에서 선형함수의 가상공간을 이용하는 Machine Learning 방법론이다. 또한 SVM은 훈련자료로부터 얻어지는 평균제곱오차가 아닌 일반화된 오차를 최소화함으로써 상대적으로 기존 방법에 비해 적은 수의 매개변수와 과적합(over fitting)을 피하면서 비선형 함수의 최적화가 가능하다. 본 연구에서 제시한 SVM 회귀분석의 적용성은 미국의 GSL의 2주 간격 Volume을 대상으로 검토하였다. SVM을 이용한 비선형 예측모형은 GSL Volume의 2주(1-Step), 8주(4-Step)와 반복예측(Iterated Prediction, 121-Step)까지 적용되었다. 본 연구에서는 극치사상 즉, 급격한 감소 및 증가 구간을 예측하는데 있어서 훈련구간과 예측구간을 구분하여 모형의 신뢰성을 평가하였다. 예측결과SVM은 훈련자료로부터 적은 수의 관측치를 이용하여 동역학적 거동을 추출할 수 있었으며 실제 관측자료와 거의 유사한 예측이 가능함을 통계적 지표로 확인할 수 있었다. 따라서 비선형 수문시계열의 단기예측을 위한 모형으로 적용이 가능할 것으로 판단된다. The reconstruction of low dimension nonlinear behavior from the hydrologic time series has been an active area of research in the last decade. In this study, we present the applications of a powerful state space reconstruction methodology using the method of Support Vector Machines (SVM) to the Great Salt Lake (GSL) volume. SVMs are machine learning systems that use a hypothesis space of linear functions in a Kernel induced higher dimensional feature space. SVMs are optimized by minimizing a bound on a generalized error (risk) measure, rather than just the mean square error over a training set. The utility of this SVM regression approach is demonstrated through applications to the short term forecasts of the biweekly GSL volume. The SVM based reconstruction is used to develop time series forecasts for multiple lead times ranging from the period of two weeks to several months. The reliability of the algorithm in learning and forecasting the dynamics is tested using split sample sensitivity analyses, with a particular interest in forecasting extreme states. Unlike previously reported methodologies, SVMs are able to extract the dynamics using only a few past observed data points (Support Vectors, SV) out of the training examples. Considering statistical measures, the prediction model based on SVM demonstrated encouraging and promising results in a short-term prediction. Thus, the SVM method presented in this study suggests a competitive methodology for the forecast of hydrologic time series.
Bayesian Markov Chain Monte Carlo 기법을 통한 NWS-PC 강우-유출 모형 매개변수의 최적화 및 불확실성 분석
권현한(Kwon Hyun-Han),문영일(Moon Young-Il),김병식(Kim Byung-Sik),윤석영(Yoon Seok-Young) 대한토목학회 2008 대한토목학회논문집 B Vol.28 No.4B
수공구조물을 설계하거나 수자원계획을 수립할 때 제한된 수문자료로 인해 수문모형의 매개변수를 추정하는데 어려움이 따르며 추정된 결과에 신뢰성을 부여하기 위해서 필수적으로 불확실성 분석이 필요하다 하겠다. 이러한 관점에서 본 연구에서는 국내외에서 주로 이용되고 있는 NWS-PC 강우-유출 모형을 대상으로 보다 진보된 매개변수 추정과 불확실성 분석이 가능한 Bayesian Markov Chain Monte Carlo 기법과 결합하여 국내 소양강댐 유역 일유입량 모의에 적용하였다. 실측 일유입량 자료를 대상으로 모형의 검정과정을 수행하였으며 NWS-PC 모형의 총 13개의 매개변수에 대한 사후분포를 추정하여 유출수문곡선의 불확실성 구간을 추정하였다. 검정 및 검증 모두에서 Bayesian Markov Chain Monte Carlo 기법이 모형의 적합성 측면에서 기존 방법론과 비교해보면 다소 우수하거나 비슷한 결과를 나타내었다. 실제로 유역에 발생하는 유출은 다양한 요인에 따라 변화될 수 있으며 이러한 점에서 Bayesian 방법은 강우-유출 관계에서 발생하는 이러한 불확실성을 매개변수의 불확실성으로 인지함으로서 우리가 예상치 못한 유출 사상에 대한 형태를 고려할 수 있는 장점이 있다. 따라서 댐 설계와 같은 대규모 수공 구조물 설계 시에 이러한 불확실성이 접목된 강우-유출 분석이 이루어진다면 보다 합리적인 방법으로 홍수 위험도 분석이 기능하며 더욱이 댐 규모 결정에 있어서 신뢰성 있는 의사 결정 수단을 제공할 수 있을 것으로 사료된다. It is not always easy to estimate the parameters in hydrologic models due to insufficient hydrologic data when hydraulic structures are designed or water resources plan are established. Therefore, uncertainty analysis are inevitably needed to examine reliability for the estimated results. With regard to this point, this study applies a Bayesian Markov Chain Monte Carlo scheme to the NWS-PC rainfall-runoff model that has been widely used, and a case study is performed in Soyang Dam watershed in Korea. The NWS-PC model is calibrated against observed daily runoff, and thirteen parameters in the model are optimized as well as posterior distributions associated with each parameter are derived. The Bayesian Markov Chain Monte Carlo shows a improved result in terms of statistical performance measures and graphical examination. The patterns of runoff can be influenced by various factors and the Bayesian approaches are capable of translating the uncertainties into parameter uncertainties. One could provide against an unexpected runoff event by utilizing information driven by Bayesian methods. Therefore, the rainfall-runoff analysis coupled with the uncertainty analysis can give us an insight in evaluating flood risk and dam size in a reasonable way.