앙상블 기반 지역화 기법을 이용한 확률론적 유출량 분석 :Probabilistic runoff analysis using ensemble technique with localization method

이한용

추천

검색

자료유형: 학위논문

저자정보: 이한용 (대진대학교, 대진대학교 대학원)

지도교수: 장석환

발행연도: 2019

저작권: 대진대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2019

앙상블 기반 지역화 기법을 이용한 확률론적 유출량 분석

이한용 토목공학과 2019.01 학위논문

앙상블 기반 지역화 기법을 이용한 확률론적 유출량 분석

이한용 , 장석환 , 이재경 외 1명 한국수자원학회 학술발표회 2019.01 학술대회자료

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

초록· 키워드

오류제보하기

최근 우리나라는 지역 특성 및 기후변화의 영향으로 인해 수문학적 요소의 변동성이 커지고 수자원의 지속적인 관리에 있어 유출량은 중요한 문제로 여겨지고 있다. 특히 일부 소하천 또는 접경지역과 같은 미계측유역은 수문학적 요소에 대한 자료가 부족하고 수문모형의 초기치 설정과 과거 유출량 자료를 통하여 최적화한 매개변수를 결정해야하므로 장기유출분석이 어렵다.
본 연구의 적용유역으로 미계측유역인 임진강상류 유역에 대한 유출량 추정을 위해 계측 유역의 자료를 활용하여 모형의 매개변수 등을 추정하는 지역화 기법인 다중선형회귀분석과 공간근접분석을 활용하여 유출량을 산정 및 검증하였다. 또한, 확률론적 예측이 가능한 앙상블 기법 적용을 통한 유출량 예측을 하였고, 이를 예측 정확성 평가지표를 통해 효율성 검토를 수행하여 미계측유역의 유출량에 대해 확률론적 예측을 수행하였다.
대표적 지역화 기법의 적용성을 검토한 결과, 계측유역을 통해 다중선형회귀분석과 공간근접분석을 abcd 모형에 적용하였다. 모의유출량을 산정하고 실측 유출량과 비교·분석 결과 모의정확성이 높게 분석되었다. 이와 같은 검증 결과를 토대로 미계측유역의 유출량을 추정하였다. 또한, 지역화 기법을 앙상블 기법에 적용하여 확률론적 유출량 예측의 효율성을 검토하였다. 적용유역과 같은 지류를 포함하고 있는 임진강하류 유역을 대상으로 수행하였다. 검증기간(2013년~2017년) 동안의 월 예측 유출량 앙상블 생성을 위해 과거 강우량와 증발량(1988년~2012년) 자료를 사용하였으며, 지역화 기법을 적용한 abcd 모형을 이용하였다. 예측 유출량의 정확성 평가를 실시하였으며, 정확성이 비교적 높게 분석되었다. 이와 같은 결과를 토대로 미계측유역의 확률론적 유출량을 예측하였다.
따라서, 대표적 지역화 기법을 앙상블 기법에 적용하여 확률론적 유출량을 예측할 경우 보다 정확한 유출량 예측이 가능하다.

Recently, South Korea has seen greater volatility in hydrologic elements due to regional characteristics and the effects of climate change, and the runoff is regarded as an important issue in the continuous management of water resources. In particular, ungaged basin such as some small river or border area are lacking in data on hydrological factors, and It is difficult to analyze long - term runoff since it is necessary to determine the optimized parameters through initial setting of hydrological model and past runoff.
In this study, The runoff was estimated for the upstream basin of the Imjingang River. Runoff were estimated and verified using multiple linear regression analysis and spatial proximity analysis, which are localization techniques that estimate the parameter of the model using data from the basin. In addition, runoff prediction was performed by applying an ensemble technique capable of probabilistic prediction, and it was conducted an efficiency review through the prediction accuracy evaluation index and performed a probabilistic prediction on the runoff of the ungaged basin.
First, the application of representative localization techniques was reviewed in the study. Simulated runoff was estimated by applying multiple linear regression analysis and spatial proximity analysis to the abcd model through the gaged basin and compared with the actual runoff, the simulation results showed that the simulation accuracy was high. Based on these verification results, an estimated the runoff of the ungaged basin. Second, the effectiveness of Probabilistic runoff forecasting was reviewed by applying localization techniques to the ensemble technique. The study was conducted on the downstream basin of the Imjingang River which includes the same tributaries as the applied basin. In order to generate monthly forecast runoff ensembles during the verification period (2013 ~ 2017), past rainfall and evaporation data (1988 ~ 2012) were used and abcd model using localization technique was used. he accuracy of predicted runoff was evaluated and its accuracy was analyzed to be relatively high. Based on these results, probabilistic runoff of ungaged basin were predicted.
Therefore, it is possible to predict the accurate runoff if the representative localization technique is applied to the ensemble technique and the probabilistic runoff is predicted.

국문 요약 ⅰ
목 차 ⅱ
표 목 차 ⅳ
그 림 목 차 ⅴ
제 1 장 서 론 1
1.1 연구 목적 1
1.2 연구 동향 2
1.3 연구 방법 4
제 2 장 지역화 및 앙상블 기법 이론 6
2.1 지역화 기법 6
2.1.1 다중선형회귀분석 6
2.1.2 공간근접분석 8
2.2 앙상블 기법 9
2.2.1 앙상블 정의 9
2.2.2 앙상블 예측 10
제 3 장 지역화 기법을 적용한 수문모형 추정 11
3.1 적용유역 현황 11
3.2 자료구축 13
3.2.1 기상 자료 선정 15
3.2.2 유출량 자료 선정 18
3.3 수문모형 선정 20
3.3.1 abcd 모형 22
3.3.2 모형의 검정 및 검증 25
3.3.3 계측 유역의 abcd 모형 구축 28
3.4 지역화 기법 적용 및 분석 34
3.4.1 다중선형회귀분석을 이용한 abcd 모형의 매개변수 추정 및 검증 34
3.4.2 공간근접분석을 이용한 abcd 모형의 매개변수 추정 및 검증 40
3.4.3 지역화 기법 적용성 검토 및 비교·분석 43
3.4.4 지역화 기법을 적용한 유출량 분석 44
제 4 장 앙상블 기법 기반 확률론적 유출량 예측 47
4.1 지역화 기법을 이용한 예측 유출량 앙상블 생성 47
4.2 앙상블 기반 유출량 예측 정확성 평가 55
4.2.1 평균예측점수 55
4.3 적용유역의 예측 유출량 앙상블 생성 58
4.3.1 적용유역 예측 유출량 앙상블 생성 58
4.2.1 적용유역 예측 정확성 평가 63
제 5 장 결론 65
참 고 문 헌 66
ABSTRACT 71
부 록 74

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 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)