만제유량을 이용한 장기하상변동 모의를 위한 유량의 생성 :Streamflow generation for long-term simulation of river bed variation using bankfull discharge

이웅희

추천

검색

자료유형: 학위논문

저자정보: 이웅희 (상지대학교, 상지대학교 대학원)

지도교수: 최흥식

발행연도: 2016

저작권: 상지대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (4)

2017

수리기하학적 특성을 이용한 댐하류 하천의 장기하상변동 모의를 위한 유량의 생성

이웅희 , 최흥식 한국수자원학회 학술발표회 2017.01 학술대회자료

2016

만제유량을 이용한 장기하상변동 모의를 위한 유량의 생성

이웅희 토목공학과 2016.01 학위논문

2015

만제유량 특성 분석 및 하상변동 모의를 위한 유량의 배분/생성

이웅희 , 최흥식 한국수자원학회 학술발표회 2015.01 학술대회자료

만제유량 특성 분석 및 하상변동 모의를 위한 유량의 배분/생성

이웅희 , 최흥식 한국수자원학회 학술발표회 2015.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

미계측 하천의 장기하상변동 모의를 위한 모의유량 생성방법을 개발하고자 한강과 안성천수계 19개 하천의 27개 지점에 대한 수리기하학적 특성을 분석하였으며, 그에 따른 만제지표 특성과 만제유량을 산정하였다. 아울러 실측유량과 만제유량의 비교를 통해 신뢰도 높은 평균 일 유출량과 월·연간 유출량의 추정방법을 제안하였다. 또한 만제유량을 통해 추정된 연간 유출량을 이용한 장기하상변동 예측을 위한 모의유량 생성방법을 제안하였다. 생성된 모의유량의 사용성 검증을 위해 병성천 4 km 대상구간에 대한 장기하상변동 모의를 수행하여 미계측 하천에서 장기하상변동 모의를 위한 적절한 모의유량 생성방법을 검증하였다.
한강수계 27개 지점의 실측유량과 만제유량의 상관성 분석결과 만제유량은 평균 일 유출량의 약 7.8배로 나타났으며, RMSE와 MAPE는 14.377 m3/s와 4.297%로 나타나 상관성이 매우 높음을 확인하였다. 이를 통해 만제유량을 이용한 대상하천의 연간 유출량을 추정하는 식을 제안하였으며, 추정된 연간 유출량을 통해 장기하상변동을 위한 모의유량을 생성하였다.
생성된 모의유량을 통한 장기하상변동의 예측을 위해 CCHE2D 모형을 이용하였다. 병성천의 4 km 대상구간에 대한 2013년과 2014년 실측 하상자료를 이용하여, 2013년 ~ 2014년 1년 간의 실제 하상변동 양상과 병성천의 실측유량에 따른 하상변동 모의결과를 비교한 결과 RMSE와 MAPE는 0.186 m와 0.358%로 나타나 CCHE2D를 이용한 병성천의 장기하상변동의 예측이 적절하게 모의됨을 확인하였다.
장기하상변동 모의를 위해 생성된 6개의 모의유량을 이용한 장기하상변동 모의 결과와 1년간의 실측 하상변동 양상을 비교·분석하였다. 인근 하천의 유출량 비율을 이용한 월별 배분·생성 모의유량의 경우 실측 하상과의 RMSE가 0.209 m, MAPE는 0.398%로 실측 하상을 가장 유사하게 모의하는 것으로 나타났다. 횡단면의 하상변동 양상을 분석한 결과에서도 실측 하상의 변동 양상을 적절히 모의하는 것으로 나타났으며, 모의유량을 이용한 장기하상변동 예측 방법의 사용성이 매우 높음을 확인하였다.

In order to develop a streamflow generation method to simulate long-term river bed variations at ungauged streams, the hydraulic geometrical characteristics at 27 sites of the 19 streams from the Han River and Anseong River basin were analyzed. According to the analyse, the bankfull indicator characteristics and the bankfull discharge were estimated.
Moreover, the method to reliably estimate the mean daily, monthly, and annual streamflows by comparing the observed and bankfull discharges was proposed. In addition, the streamflow generation method to predict the long-term river bed variations using the annual streamflow estimated based on the bankfull discharge was proposed. To examine the usability of the generated streamflow, the simulation for long-term river bed variations at the 4 km study site of Byungsung River were carried out. The proper streamflow generation method to simulate the long-term river bed variations at ungauged streams were them verified.
In the analysis result for the correlation of observed and estimated bankfull discharges at 27 sites from the Han River and Anseong River basin, indicated that the bankfull discharge was 7.8 times greater than the mean daily streamflow with the highly correlation and the corresponding RMSE (root mean square error) and MAPE (mean absolute percentage error) were 14.377 m3/s and 4.297%, respectively. Through this indication, an equation was proposed that estimates the annual streamflow at the river using bankfull discharge and generated the streamflow for long-term river bed simulation with the estimated annual streamflow.
The CCHE2D model was used to simulate the long-term river bed variations based on the generated streamflow. Comparing between the simulation results for river bed variations using the observed discharge at Byungsung River and the surveyed river bed variations between 2013 and 2014 at the 4 km study site of Byungsung River, the prediction for long-term river bed variations using CCHE2D was a proper simulation with RMSE and MAPE between the simulated and surveyed bed variation along thalweg line at the site were 0.186 m and 0.358%, respectively.
The patterns of observed river bed variations for one year and the simulation result for long-term river bed variations using the discharge from six scenarios generated to simulate the long-term river bed variation were compared and analyzed. The simulated discharge for monthly distribution generated using the streamflow ratio at nearby streams was shown to be the most similar to the patterns of the observed river bed, showing RMSE and MAPE between the observed and simulated river bed variations to be 0.209 m and 0.398%, respectively. The analysis result of the pattern of river bed variations at its cross-section also appeared to be properly simulated the pattern of surveyed river bed variations. Through this, indication that the prediction method for long-term river bed variations using generated discharge is highly usable.

목 차 ⅰ
List of Figures ⅲ
List of Tables ⅴ
기 호 ⅵ
국 문 요 약 ⅷ
제 1 장 서 론 1
1.1 연구 배경 및 필요성 1
1.2 연구 목표 3
1.3 연구 동향 4
1.3.1 기준유량 산정 4
1.3.2 지배유량과 만제유량 5
1.3.3 만제유량 산정 7
1.4 연구 내용과 방법 8
제 2 장 실측유량과 만제유량의 상관성 분석 11
2.1 대상하천의 선정 및 자료의 수집 11
2.2 만제지표에 의한 만제유량의 산정 14
2.2.1 기존 연구의 만제지표 활용 방법 15
2.2.2 McCandless 방법에 의한 만제유량 산정 15
2.2.5 지점별 만제유량의 산정 18
2.3 실측유량과 만제유량의 상관성 22
제 3 장 장기하상변동 예측모의 24
3.1 대상하천의 선정 24
3.2 수치모형의 선정 25
3.2.1 CCHE2D 모형의 개요 25
3.2.2 지배방정식 26
3.3 수치모의 입력자료 및 모형의 검정과 검증 32
제 4 장 모의유량의 생성과 검증 42
4.1 유량의 배분 및 생성 42
4.1.1 만제유량의 산정 42
4.1.2 모의유량 생성 시나리오 49
4.2 모의유량의 장기하상변동 결과 52
제 5 장 결 론 68
참 고 문 헌 71
ABSTRACT 82
부 록 84

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)