[논문]다중최적화기법을 이용한 강우-유사-유출 예측 불확실성 평가

이기하; 유완식; 정관수; 조복환

doi:10.3741/jkwra.2010.43.12.1011

다중최적화기법을 이용한 강우-유사-유출 예측 불확실성 평가
Assessment of Rainfall-Sediment Yield-Runoff Prediction Uncertainty Using a Multi-objective Optimization Method 원문보기

韓國水資源學會論文集 = Journal of Korea Water Resources Association, v.43 no.12, 2010년, pp.1011 - 1027

이기하 (충남대학교 건설방재연구소) , 유완식 (충남대학교 공과대학 토목공학과) , 정관수 (충남대학교 공과대학 토목공학과) , 조복환 (한국종합기술 수자원부)

초록
AI-Helper

모형의 구조, 모델링에 사용되는 자료, 매개변수 등에 포함된 다양한 불확실성 원인들은 수문모의 및 예측결과에 있어 불확실성을 야기한다. 본 연구에서는 강우-유출 및 강우-유사유출 모의가 가능한 분포형 강우-유사-유출 모형을 용담댐 상류유역인 천천유역에 적용하여 수문곡선 및 유사량곡선의 재현성을 평가하고, 다중최적화기법인 MOSCEM을 이용하여 강우-유출 모듈, 강우-유사유출 모듈의 매개변수를 독립적으로 보정한 경우(Case I과 II), 그리고 두 모듈이 결합된 강우-유사-유출 모형의 매개변수를 동시에 보정한 경우(Case III)에 대하여 Pareto 최적해를 추정하고, 이에 따른 수문 예측결과의 불확실성을 평가한다. 매개변수 불확실성의 전이에 따른 수문곡선의 불확실성 평가 결과(Case I), 모의기간 동안 고유량보다는 저유량 부분에서 불확실성 범위가 두드러졌으며, 이에 반해, 유사량곡선의 경우(Case II) 저농도보다는 고농도 부분에서 불확실성 범위가 넓게 분포하였다. 강우-유사-유출 모형의 매개변수의 불확실성을 동시에 추정한 경우 수문곡선 및 유사량곡선 모두 Case I과 II에 비해 모의기간 전반에 걸쳐 불확실성 범위가 넓게 분포되었으며, 매개 변수의 불확실성으로 인해 대상유역내 격자별 침식 및 퇴적 공간분포 양상이 상이하게 나타났다.

Abstract ▼ AI-Helper

In hydrologic modeling, prediction uncertainty generally stems from various uncertainty sources associated with model structure, data, and parameters, etc. This study aims to assess the parameter uncertainty effect on hydrologic prediction results. For this objective, a distributed rainfall-sediment yield-runoff model, which consists of rainfall-runoff module for simulation of surface and subsurface flows and sediment yield module based on unit stream power theory, was applied to the mesoscale mountainous area (Cheoncheon catchment; 289.9 $km^2$). For parameter uncertainty evaluation, the model was calibrated by a multi-objective optimization algorithm (MOSCEM) with two different objective functions (RMSE and HMLE) and Pareto optimal solutions of each case were then estimated. In Case I, the rainfall-runoff module was calibrated to investigate the effect of parameter uncertainty on hydrograph reproduction whereas in Case II, sediment yield module was calibrated to show the propagation of parameter uncertainty into sedigraph estimation. Additionally, in Case III, all parameters of both modules were simultaneously calibrated in order to take account of prediction uncertainty in rainfall-sediment yield-runoff modeling. The results showed that hydrograph prediction uncertainty of Case I was observed over the low-flow periods while the sedigraph of high-flow periods was sensitive to uncertainty of the sediment yield module parameters in Case II. In Case III, prediction uncertainty ranges of both hydrograph and sedigraph were larger than the other cases. Furthermore, prediction uncertainty in terms of spatial distribution of erosion and deposition drastically varied with the applied model parameters for all cases.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

MOSCEM의 알고리즘 매개변수(algorithmic parameters)의 경우, 매개변수의 분할과 생성을 위한 콤플렉스는 5개, 무작위 샘플(random sample)은 Yapo et al.(1998)이 민감도 분석을 통하여 가장 적절하다고 제시한 500개를 이용하였고 Case I과 Case II는 총 3000번의 반복계산(iteration)을 실시하였으며, Case III의 경우 매개변수의 증가에 따른 Pareto 최적해의 수렴도(convergency) 감소를 고려하여 7000번의 반복계산을 통해 Pareto를 생성하였고 이에 따른 매개변수에 대한 불확실성을 검토하였다.
6. 다음으로, SEM(sequence evolution metropolis)알고리즘을 이용해 생성된 새로운 매개변수의 적합도와 최초 생성된 각 콤플렉스에 포함된 매개변수에 대한 적합도를 비교한다. 기생성된 매개변수의 적합도가 낮을 경우 SEM에 의해 생성된 매개변수를 채택하고, 높을 경우 최초 매개변수를 그대로 사용하여 새로운 콤플렉스 C^k, k = 1,.
Case II의 경우는 강우-유출 매개변수를 Case I에서 산정된 균형최적해로 고정한 후 강우-유사유출 모듈 매개변수(d50, ks, α, KE, VcrS)를 유사유출량에 대한 RMSE와 HMLE를 이용하여 Pareto 최적해를 추정하였다.
Case I의 경우 강우-유출 모의시 수문곡선의 고유량 및 저유량에 대한 오차를 최소로 하는 특정화된 두 개의 목적함수 RMSE (Root Mean Square Error)와 HMLE(Heteroscedastic Maximum Likelihood Estimator; Sorooshian and Dracup, 1980)를 사용하여 강우-유출 모듈의 매개변수(ka, ds, dm, β)에 대하여 Pareto 최적해를 산정하고 이에 따른 불확실성을 검토하였다.
본 절에서는 Case II와 III의 매개변수 불확실성에 의한 대상유역 내 침식 및 퇴적의 공간분포에 대한 변동성을 분석하였다. 각 격자별 침식 및 퇴적 공간분포의 불확실성은 모의된 유사량곡선의 불확실성 범위의 최대와 최소에 해당하는 매개변수를 적용하여 산정하였으며, 격자별 침식 및 퇴적량에서 (+)는 침식량을 (-)는 퇴적량을 나타낸다. 세 개의 강우사상에 해당하는 침식 및 퇴적의 공간 분포 불확실성 결과는 Figs.
강우-유사유출 모의결과에 영향을 미치는 매개변수의 불확실성을 검토하기 위해 Case I에서의 균형최적해를 이용하여 모형의 강우-유출 관련 매개변수를 고정한 후 유사유출량의 오차를 최소로 하는 목적함수 RMSE와 HMLE를 적용하여 유사유출 관련 매개변수, d50, ks, α, KE, VcrS에 대한 Pareto 최적해 및 Pareto내 각 목적함수에 해당하는 정규화된 매개변수 값을 산정하였으며, 그 결과는 Fig. 6과 같다.
강우-유출과 강우-유사유출을 동시에 모의하는 경우, Case I과 Case II의 매개변수를 모두 고려하여 Pareto 최적해를 산정하고 이에 따른 매개변수의 불확실성을 분석하였다. Case III의 경우 목적함수는 강우-유출과 강우유사유출 모두 RMSE 목적함수를 사용하였으며, Fig.
본 연구에서는 다중최적화기법인 MOSCEM 알고리즘을 이용하여 분포형 강우-유사-유출 모형의 강우-유출 모듈과 강우-유사유출 모듈의 매개변수를 독립적으로 보정한 경우, 두 모듈이 결합된 강우-유사-유출 모형의 매개변수를 동시에 보정한 경우에 대하여 Pareto 최적해를 추정하고 매개변수의 불확실성을 비교·분석하였다. 또한 매개변수 불확실성의 전이에 따른 수문모의결과의 불확실성을 평가하기 위해 Pareto 최적해에 해당하는 매개변수군을 이용하여 수문곡선 및 유사량곡선의 앙상블 모의를 수행하였으며, 대상유역내 침식 및 퇴적의 공간분포의 변동성에 대하여 분석하였다. 본 연구를 통해 도출한 주요 결론은 다음과 같다.
매개변수 보정 및 검증을 위하여 용담댐 일원 하천유량측정 등 수문조사보고서(2002, 2003, 2007)의 수위-유량 관계곡선식과 유량-유사량 관계곡선식을 사용하여 각 년도별로 유량과 유사량의 실측값을 산정하였다. 또한, 대상유역 내에 위치한 천천, 장계 및 유역 외에 위치한 상전, 계북2 우량관측소로부터 시간별 점 강우량 자료를 Thiessen기법을 이용하여 공간분포형 강우량 자료로 변환하여 모형의 입력자료로 사용하였다. Fig.
3) 유사량 곡선의 불확실성 범위의 최소값과 최대값에 해당하는 매개변수를 이용하여 매개변수의 불확실성에 따른 격자별 침식 및 퇴적의 공간분포를 분석하였으며, Case II와 III 모두 적용된 매개변수에 따라 침식 및 퇴적이 공간적으로 상이하게 발생되었다. 또한, 상류격자로부터 침식된 유사량은 하천주변 격자에 퇴적되었으며, 강우강도의 차이에 의해 침식 및 퇴적의 공간분포 형태가 Thiessen망 권역별로 상이하였다.
11 cm의 침식이 발생하였다. 또한, 침식 및 퇴적에 해당하는 격자를 구분하고 각 격자간의 오차를 도시함으로써 매개변수 불확실성으로 인한 각 격자별 침식 및 퇴적 공간분포의 불확실성을 분석하였다. Fig.
Case II의 경우는 강우-유출 매개변수를 Case I에서 산정된 균형최적해로 고정한 후 강우-유사유출 모듈 매개변수(d₅₀, k_s, α, KE, V_crS)를 유사유출량에 대한 RMSE와 HMLE를 이용하여 Pareto 최적해를 추정하였다. 마지막으로 Case III, 강우-유사-유출을 동시에 모의할 경우, 모든 매개변수의 가능매개변수범위를 설정하고 유량에 대한 오차를 최소로 하는 RMSE와 유사량에 대한 오차를 최소로 하는 RMSE, 두 개의 목적함수를 이용하여 Pareto 최적해의 산정 및 매개변수의 불확실성을 평가하였다. 본 연구에서 사용된 목적함수 RMSE와 HMLE는 Eqs.
천천 유역은 한국수자원공사의 시험유역으로 지정되어 다양한 수리·수문자료의 수집 및 모형 검증을 위한 대표유역으로 활용되고 있으며, 모형의 보정과 검정에 필요한 수위-유량 관계곡선식, 유량-유사량 관계곡선식 등의 자료획득이 용이하다. 매개변수 보정 및 검증을 위하여 용담댐 일원 하천유량측정 등 수문조사보고서(2002, 2003, 2007)의 수위-유량 관계곡선식과 유량-유사량 관계곡선식을 사용하여 각 년도별로 유량과 유사량의 실측값을 산정하였다. 또한, 대상유역 내에 위치한 천천, 장계 및 유역 외에 위치한 상전, 계북2 우량관측소로부터 시간별 점 강우량 자료를 Thiessen기법을 이용하여 공간분포형 강우량 자료로 변환하여 모형의 입력자료로 사용하였다.
매개변수의 불확실성에 의한 수문모의 결과의 불확실성의 평가를 위해서 매개변수 보정시 다양한 목적함수를 고려할 수 있는 다중최적화기법 MOSCEM를 이용하여 강우-유출 모듈(Case I), 강우-유사유출 모듈(Case II)의 매개변수를 독립적으로 보정한 경우, 그리고 두 모듈이 결합된 강우-유사-유출 모형(Case III)의 매개변수를 동시에 보정한 경우에 대하여 2002년 태풍 ‘루사’ 강우사상에 적용하여 Pareto 최적해를 추정하였다.
본 연구에서는 ArcGIS tool을 이용하여 지표면 유동경로 길이, 하천길이, 유역경사 및 수로경사 등 공간적으로 변화하는 지형학적 인자들은 250 × 250 m 격자크기의 DEM으로부터 자동추출하고, 지표흐름에 지배적인 조도 계수는 Vieux (2004)가 제안한 지표면 조도계수를 바탕으로 국가수자원관리종합정보시스템(WAMIS)에서 제공하는 Landsat 위성영상을 통해 피복분류된 자료로부터 산정하였다.
본 연구에서는 강우-유출 및 강우-유사유출 모의가 가능한 분포형 강우-유사-유출 모형을 선택하고 다중최적화기법인 MOSCEM을 이용하여 강우-유출 모듈, 강우-유사유출 모듈의 매개변수를 독립적으로 보정한 경우, 그리고 두 모듈이 결합된 강우-유사-유출 모형의 매개변수를 동시에 보정한 경우에 대하여 Pareto 최적해를 추정하고, 이에 따른 예측결과의 불확실성을 평가한다.
본 연구에서는 다중최적화기법인 MOSCEM 알고리즘을 이용하여 분포형 강우-유사-유출 모형의 강우-유출 모듈과 강우-유사유출 모듈의 매개변수를 독립적으로 보정한 경우, 두 모듈이 결합된 강우-유사-유출 모형의 매개변수를 동시에 보정한 경우에 대하여 Pareto 최적해를 추정하고 매개변수의 불확실성을 비교·분석하였다.
본 연구에서는 수문곡선 및 유사량곡선 등과 같이 집수 유역(drainage area)을 통과해서 발생하는 집중화된 형태의 유역응답(integrated catchment response)과의 비교·분석을 통해 모형의 매개변수를 보정하였다.
본 절에서는 Case II와 III의 매개변수 불확실성에 의한 대상유역 내 침식 및 퇴적의 공간분포에 대한 변동성을 분석하였다. 각 격자별 침식 및 퇴적 공간분포의 불확실성은 모의된 유사량곡선의 불확실성 범위의 최대와 최소에 해당하는 매개변수를 적용하여 산정하였으며, 격자별 침식 및 퇴적량에서 (+)는 침식량을 (-)는 퇴적량을 나타낸다.
본 절에서는 앞 절에서 산정된 매개변수 불확실성의 전이에 따른 수문모의 결과의 불확실성에 대한 평가를 위해각 Case의 Pareto 최적해에 해당하는 모든 매개변수를 이용하여 수문곡선 및 유사유출량 곡선의 앙상블 모의 및 예측(ensemble simulation and prediction)을 수행하였다. Case I의 경우 ‘루사’ 강우사상(매개변수 보정 강우사상)에 적용한 결과 Fig.
이외의 직접산정이 불가능하거나 불확실성을 포함한 유출관련 매개변수 4개(ka, ds, dm, β), 유사유출 관련 매개변수 5개(d50, ks, α, KE, VcrS) 총 9개의 매개 변수를 선택하여(Table 1) 다중최적화기법을 이용하여 Pareto 최적해를 산정하고 매개변수로 인한 수문곡선, 유사량곡선, 침식 및 퇴적 공간분포의 불확실성을 평가하였다.

대상 데이터

HMLE은 수치안정화를 위해 최초의 HMLE을 개선한 Duan (1991)이 제시한 수정된 HMLE를 사용하였다.
본 연구에서 매개변수의 불확실성을 고려한 강우-유사-유출 모의에 대한 대상유역으로 용담댐 상류유역인 천천유역을 선정하였다. 대상유역의 유역면적은 289.

이론/모형

강우-유출은 수치지도를 통해 생성된 DEM으로부터 계산된 경사도, 흐름도, 흐름누적도 등의 유역내 흐름계산을 위한 지형정보와 토지피복에 따른 조도계수 분포 및 격자기반의 공간분포형 강우 등을 고려하여 대상유역내 각 격자에서의 강우에 따른 유출을 계산하며, 흐름해석을 위한 지배방정식은 지표흐름과 지표하흐름을 고려한 개념적 수위-유량 관계식을 기반으로 한 운동파(kinematic wave)방정식을 사용한다. 강우초기 토양의 미소공극(micropore, Θ_m)이 강우로 인하여 채워지면서 토양내 흐름은 비포화흐름이 되고, 지속된 강우에 의해 수위가 상승함에 따라 토양의 미소공극과 대공극(macropore, Θ_a)이 채워지면서 토양이 포화되어 포화흐름이 발생되며, 지표하흐름의 수심이 토양층의 두께를 초과할 경우 지표류가 발생한다.
격자별 토양침식과 퇴적과정의 모의를 위한 이송능력(TC)을 산정하기 위해 Yang (1972)의 단위수류력 이론을 사용하였으며, 이는 유속과 경사의 곱(VS)으로써 개수로에서 토사와 유수의 운송에 사용되는 단위중량당 유수 에너지(Y)의 변화로 나타낼 수 있으며 Eq. (7)과 같이 표현된다.
본 연구에서 사용된 모형은 사면의 지표 및 지표하 흐름을 고려한 유출모의 모듈(Tachikawa et al., 2004)과 단위수류력(unit stream power; Yang, 1972)이론을 기반으로 한 유사유출 모듈(Sayama, 2003)을 결합하여 확장개발된 raster기반의 분포형 강우-유사-유출 모형이며 유출량과 유사유출량을 동시모의하게 된다.
강우-유사유출 모의의 경우, 침식의 주요원인인 강우와 지표류를 고려하여 빗방울에 의한 토양분리(DR)와 지표류에 의한 토양분리(DF)에 의해서 강우시 발생하는 침식량이 결정되며, 각 격자별 유사이송능력(TC)과 상류격자에서 유입되는 유사량과의 비교를 통해 침식과 퇴적현상을 모의하게 된다. 이때 사용되는 유사이송능력은 Yang (1972)이 제안한 단위수류력 이론을 기반으로 산정되며, 토양이 포화되어 지표류가 발생할 때 유사는 지표류에 의해 상류격자에서 하류격자로 이송된다. Eq.

성능/효과

5(a)와 같이 두 목적함수를 최소로 하는 매개변수의 경우 Fig. 5(b)의 가능매개변수 범위 안에서 추정이 가능하였으나 목적함수에 따른 최적 매개변수는 상당히 상이하게 분석되었으며, Pareto 최적해에 해당하는 매개변수의 불확실성 범위(Fig. 5(b)의 굵은 회색선) 역시 상당히 넓게 분포되어 있음을 확인할 수 있다.
1) MOSCEM을 이용한 Pareto 생성 및 매개변수의 불확실성 분석 결과, Case I의 경우 두 목적함수를 최소로 하는 매개변수의 경우 가능매개변수 범위에서 추정이 가능하였으나 Pareto 최적해에 해당하는 매개변수의 불확실성 범위는 넓게 분포되었다. Case II의 경우 Case I보다 목적함수의 오차범위가 상당히 크게 산정되었으며, 유사유출 매개변수가 유출관련 매개변수보다 목적함수에 상당히 민감하게 반응함에 따라 Pareto 곡선은 Case I보다 날카로운 형태로 나타났다.
2) Case I의 매개변수 불확실성의 전이에 따른 앙상블 수문곡선 모의결과, 매개변수 보정에 사용된 ‘루사’ 강우사상에 경우 균형최적해는 비교적 정확하게 실측수문곡선을 모의하였으며, 수문곡선의 불확실성 범위의 변화는 크지 않았다.
3) 유사량 곡선의 불확실성 범위의 최소값과 최대값에 해당하는 매개변수를 이용하여 매개변수의 불확실성에 따른 격자별 침식 및 퇴적의 공간분포를 분석하였으며, Case II와 III 모두 적용된 매개변수에 따라 침식 및 퇴적이 공간적으로 상이하게 발생되었다. 또한, 상류격자로부터 침식된 유사량은 하천주변 격자에 퇴적되었으며, 강우강도의 차이에 의해 침식 및 퇴적의 공간분포 형태가 Thiessen망 권역별로 상이하였다.
8. 수렴한계에 만족하면 최적화 매개변수 추정이 완료되고 그렇지 않은 경우 5단계로 돌아가 매개변수의 보정을 반복한다.
보정된 매개변수군을 검증 강우사상 ‘매미’, ‘나리’에 적용한 결과 계산첨두유량이 관측치에 비해 다소 과소산정되었으나 수문곡선의 경향성은 정확하게 모의하였으며 수문곡선의 불확실성 범위는 저유량 부분에서 넓게 분포되었다. Case II의 앙상블 유사량곡선 모의 결과, Case I에 비해 매개변수의 불확실성 범위가 작게 산정되었으나 수문모의 변동성은 상당히 크게 분석되었으며, 고농도의 유사량모의에서 불확실성 범위가 넓게 관측되었다. 또한, 검증 강우사상에서 계산첨두유사량은 관측치에 비해 과소산정되었고 불확실성 범위는 ‘루사’와 마찬가지로 고농도의 유사량모의에서 불확실성 범위가 넓게 관측되었다.
Pareto 결과를 살펴보면 RMSE 목적함수는 37.21∼47.35, HMLE 목적함수는 275.37∼398.20의 범위 를 보였으며, 두 목적함수를 동시에 만족시키는 균형최적해의 RMSE와 HMLE 목적함수는 각각 40.61과 323.71로 산정되었다.
Pareto 결과에서 RMSE 목적함수는 334.4∼367.96, HMLE 목적함수는 52,417.7∼69,113.6의 범위를 보였으며, 균형최적해의 경우 RMSE와 HMLE 목적함수는 각각 337.9와 59,187.3으로 강우-유출 모의보다 큰 오차범위를 보였다.
8(b) and 8(c)와 같다. 균형최적해를 포함한 Pareto 최적해의 매개변수를 적용한 결과, 두 사상 모두 계산 첨두유량이 관측치에 비해 과소 산정되었으나 전체적인 수문곡선의 경향성은 잘 모의하는 것으로 나타났으며, 불확실성 범위는 수문곡선의 고유량에 비해 저유량 부분에서 넓게 분포되었다.
또한 ‘루사’ 강우사상을 이용하여 보정된 균형최적해의 경우 ‘매미’, ‘나리’ 2개 강우사상에 적용한 결과 Case I보다 향상된 재현성을 나타내고 있음을 확인할 수 있다.
또한 보정된 매개변수의 균형최적해는 모형 검증을 위한 2개의 사상에서 첨두유사량을 적절하게 모의하고 있으며, 특히 ‘나리’의 경우 관측유사량은 유사량곡선의 불확실성 범위 안에 포함되어 있음을 확인할 수 있다(Fig.
또한, 검증 강우사상에서 계산첨두유사량은 관측치에 비해 과소산정되었고 불확실성 범위는 ‘루사’와 마찬가지로 고농도의 유사량모의에서 불확실성 범위가 넓게 관측되었다.
보정된 매개변수군을 검증 강우사상 ‘매미’, ‘나리’에 적용한 결과 계산첨두유량이 관측치에 비해 다소 과소산정되었으나 수문곡선의 경향성은 정확하게 모의하였으며 수문곡선의 불확실성 범위는 저유량 부분에서 넓게 분포되었다.
이상의 결과에서 Pareto 최적해에 해당하는 매개 변수 값들은 두 목적함수를 만족시키는 군(group)을 형성하게 되고 γ에 해당하는 매개변수는 두 목적함수를 적절하게 모의하는 균형최적해(compromise solution or balanced optimum)라 한다.
이상의 분석결과, 수문모의 결과의 정확도 향상을 위해서 매개변수의 보정은 필수적이지만 단일목적함수에 의해 산정된 매개변수를 이용할 시 모의결과에 대한 불확실성에 대한 평가 및 모형구조의 한계성 평가에 제약적임을 알 수 있었으며, 이에 반해 다중목적함수를 활용한 최적화기법을 이용할 경우 선택가능한 다양한 목적함수에 의한 매개변수의 변동성 및 이에 따른 모의 결과의 불확실성을 평가할 수 있는 장점을 가지고 있다.
최대값에 해당하는 매개변수를 이용한 경우의 침식 및 퇴적 공간분포는 -59.11∼+98.87 cm로 상당히 넓은 범위로 분포되었으며, 유역의 평균 침식량은 1.65 cm로 산정되었다.

후속연구

본 연구에서는 수문곡선 및 유사량곡선 등과 같이 집수 유역(drainage area)을 통과해서 발생하는 집중화된 형태의 유역응답(integrated catchment response)과의 비교·분석을 통해 모형의 매개변수를 보정하였다. 따라서 격자별 침식과 퇴적 공간분포 형태의 모의결과 신뢰성은 실측 데이터의 부재로 인한 검증이 어렵고 불확실성이 내포되어 있지만, 이러한 공간분포형 정보는 침식으로 인한 토양유실 취약지역 분석 및 유역대응 유사관리방안 수립 등을 위한 기초자료로써 활용될 수 있으리라 판단된다.
매개변수의 불확실성을 제거하고, 수문모의 및 예측의 정확도를 높이기 위해서는 본 연구에 사용된 강우-유사유출 모형의 토양속성과 관련된 물리적인 매개변수의 산정에 대한 지속적인 연구가 필요하며, 매개변수 이외의 모의결과의 불확실성 원인이 되는 여러 가지 요소에 대한 평가방법에 대한 후속연구 역시 필요하다고 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	강우-유출은 어떻게 계산되는가?	강우-유출은 수치지도를 통해 생성된 DEM으로부터 계산된 경사도, 흐름도, 흐름누적도 등의 유역내 흐름계산을 위한 지형정보와 토지피복에 따른 조도계수 분포 및 격자기반의 공간분포형 강우 등을 고려하여 대상유역내 각 격자에서의 강우에 따른 유출을 계산하며, 흐름해석을 위한 지배방정식은 지표흐름과 지표하흐름을 고려한 개념적 수위-유량 관계식을 기반으로 한 운동파(kinematic wave)방정식을 사용한다. 강우초기 토양의 미소공극(micropore, Θm)이 강우로 인하여 채워지면서 토양내 흐름은 비포화흐름이 되고, 지속된 강우에 의해 수위가 상승함에 따라 토양의 미소공극과 대공극(macropore, Θa)이 채워지면서 토양이 포화되어 포화흐름이 발생되며, 지표하흐름의 수심이 토양층의 두께를 초과할 경우 지표류가 발생한다.
	MOSCEM 알고리즘의 계산과정은?	1. 모집단 크기 s와 콤플렉스 개수 q를 결정하고, 각 콤플렉스에 해당하는 점의 개수(m = s/q)를 계산한다. 2. 분포된 점들로부터 매개변수(Θ1, Θ2, ..., Θs)를 생성한 후 각각의 Θi에서 다중목적 벡터 F(Θi)를 계산한다. 3. 각 매개변수에 대한 적합도 fi를 계산하고, 내림차순으로 분류하여 배열 D의 첫 번째 행에 최고의 적합도를 갖는 점이 나타나도록 배열 D에 저장한다. 4. 각 콤플렉스의 시작점을 S1, S2, ..., Sq와 같이 초기화한다. 5. 배열 D를 C1, C2, ..., Cq와 같이 m개의 점을 갖는 콤플렉스 q로 분할한다. 즉, 첫 번째 콤플렉스는 배열 D로부터 q(j-1) +1 순위의 점을 포함하고, 두번째 콤플렉스는 q(j-1) +2 순위의 점을 포함한다. 6. 다음으로, SEM(sequence evolution metropolis)알고리즘을 이용해 생성된 새로운 매개변수의 적합도와 최초 생성된 각 콤플렉스에 포함된 매개변수에 대한 적합도를 비교한다. 기생성된 매개변수의 적합도가 낮을 경우 SEM에 의해 생성된 매개변수를 채택하고, 높을 경우 최초 매개변수를 그대로 사용하여 새로운 콤플렉스 Ck, k = 1,...,q를 생성한다. 7. 기존의 콤플렉스를 새로운 콤플렉스로 대체하여 배열 D를 재분석하고 적합도에 따라 매개변수를 오름차순으로 정리한다. 8. 수렴한계에 만족하면 최적화 매개변수 추정이 완료되고 그렇지 않은 경우 5단계로 돌아가 매개변수의 보정을 반복한다.
	MOSCEM 알고리즘은 어떻게 개발되었는가?	MOSCEM 알고리즘은 Pareto 최적해를 효율적이고 균일하게 추정하기 위해 SCE 기법에서 사용된 콤플렉스 혼합과정, SCEM(shuffled complex evolution metropolis; Vrugt et al. 2003a) 기법에서의 확률론적 공분산 탐색 방법, Zitzler and Thiele (1999)가 제시한 적합도 개념을 혼합하여 개발되었으며, 매개변수 초기모집단을 안정된 최적해로 분포시키기 위한 진화과정과 SCEM기법의 확률 개념이 다중목적 적합배치 개념으로 대체된 것을 제외하고는 SCEM 기법과 동일하다(Vrugt et al., 2003b).

참고문헌 (39)

강민구, 박승우, 임상준, 김현준(2002). “전역최적화 기법을 이용한 강우-유출모형의 매개변수 자동보정.” 한국수자원학회논문집, 한국수자원학회, 제35권, 제5호, pp. 541-552.

원문보기 상세보기
구보영, 김태순, 정일원, 배덕효(2007). “다목적 유전자알고리즘을 이용한 Tank 모형 매개변수 최적화(II): 선호적 순서화의 적용.” 한국수자원학회논문집, 한국수자원학회, 제40권, 제9호, pp. 687-696.

원문보기 상세보기
김태순, 정일원, 구보영, 배덕효(2007). “다목적 유전자알고리즘을 이용한 Tank 모형 매개변수 최적화(I): 방법론과 모형구축.” 한국수자원학회논문집, 한국수자원학회, 제40권, 제9호, pp. 677-685.

원문보기 상세보기
성윤경, 김상현, 김현준, 김남원(2004). “다양한 목적함수와 최적화 방법을 달리한 SIMHYD와 TANK모형의 적용성 연구.” 한국수자원학회논문집, 한국수자원학회, 제37권, 제2호, pp. 121-131.

원문보기 상세보기
한국수자원공사(2002). 용담댐 일원 하천유량측정 등 수문조사 보고서.
한국수자원공사(2003). 용담댐 일원 하천유량측정 등 수문조사 보고서.
한국수자원공사(2007). 용담댐 일원 수자원.환경기초조사 보고서.
Ambroise, B., Perrin, J.L., and Reutenauer, D. (1995). “Multicriterion validation of semi-distributed conceptual model of the water cycle in Fecht catchment (Vosgesmassif, France).” Water Resources Research, Vol. 31, No. 6, pp. 1467-1481.

상세보기
Beven, K. (1989). “Changing ideas in hydrology-The case of physically-based models.” Journal of Hydrology, Vol. 105, pp. 157-172.

상세보기
Beven, K., and Binley, A.M. (1992). “The future of distributed models: model calibration and uncertainty prediction.” Hydrological Processes, Vol. 6, No. 3, pp. 279-298.

상세보기
Beven, K. (2003). “On environmental models of everywhere on the GRID.” Hydrological Processes, Vol. 17, No. 1, pp. 171-174.

상세보기
Beven, K. (2006), “A manifesto for the equifinality thesis.” Journal of Hydrology, Vol. 320, No. 1-2, pp. 18-36.

상세보기
Bos, A., and Vreng, A.D. (2006). Parameter optimization of the HYMOD model using SCEM-UA and MOSCEM-UA, Modelling Geo-Ecological Systems Computational Bio- and Physical Geography Faculty of Science, University of Amsterdam.
Boyle, D.P., Gupta, H.V., and Sorooshian, S. (2000). “Toward improved calibration of hydrologic models: Combining the strengths of manual and automatic methods.” Water Resources Research, Vol, 36, No. 12, pp. 3663-3674.

상세보기
Duan, Q. (1991). A global optimization strategy for efficient and effective calibration of hydrologic models, Ph.D. dissertation, University of Arizona, Tucson.
Duan, Q., Sorooshian, S. and Gupta, V.K. (1992). “Effective and efficient global optimization for conceptual rainfall-runoff models.” Water Resources Research, Vol. 284, pp. 1015-1031.

상세보기
Franchini, M. (1996). “Use of a genetic algorithm combined with a local search method for automatic calibration of conceptual rainfall-runoff models.” Hydrological Sciences-Journal-des Sciences Hydrologiques, Vol. 41, No. 1, pp. 21-39.

상세보기
Franks, S.W., Uhlenbrook, S., and Etchevers, P. (2006). Hydrological simulation, in Hydrology 2020: An integrating Science to Meet World Water Challenges, edited by Oki, T., Valeo, C., and Heal, K., pp. 105-122, IAHS Press, Wallingford.
Gupta, H.V., Sorooshian, S., Hogue, T.S., and Boyle, D.P. (2003). “Advances in automatic calibration of watershed models.” in Advances in calibration of watershed models, edited by Duan, Q., Sorooshian, S., Gupta, H.V., Rosseau, A. and Turcotte, R., pp. 29-47, AGU, Washington, D.C.
Gupta, H.V., Sorooshian, S., and Yapo, P.O. (1998). “Toward improved calibration of hydrologic models: Multiple and noncommensurable measures of information.” Water Resources Research, Vol. 134, No. 4, pp. 751-763.

상세보기
Madsen, H. (2003). “Parameter estimation in distributed hydrological catchment modelling using automatic calibration with multiple objectives.” Advances in Water Resources, Vol. 26, pp. 205-216.

상세보기
Morgan, R.P.C., Quinton, J.N., Smith, R.E., Govers, G., Poesen, J.W.A., Chisci, G., and Torri, D. (1998). “The European soil erosion model(EUROSEM): a dynamic approach for predicting sediment transport from fields and small catchments.” Earth Surface Process and Landforms, Vol. 23, pp. 527-544.

상세보기
Mroczkowski, M., Raper, G.P., and Kuczera, G. (1997). “The quest for more powerful validation of conceptual catchment models.” Water Resources Research, Vol. 33, No. 10, pp. 2325-2336.

상세보기
Savenije H.H.G. (2001), “Equifinality, a blessing in disguise?” Hydrological Processes, Vol. 15, pp. 2835- 2838.

상세보기
Sayama. (2003). Evaluation of reliability and complexity of rainfall-sediment-runoff models. Master's Thesis, Kyoto University, pp. 5-10.
Sorooshian, S., and Dracup, J.A. (1980), “Stochastic parameter estimation procedures for hydrologic rainfall-runoff models: Correlated and heteroscedastic error cases.” Water Resources Research, Vol. 16, No. 2, pp. 430-442.

상세보기
Sorooshian, S., and Gupta, V.K. (1995). “Model calibration, in computer models of watershed hydrology.”edited by Singh, V.P., pp. 23-68, Water Resources Publications, Highland Ranch.
Todini, E. (1988). “Rainfall-runoff modeling-past, present and future.” Journal of Hydrology, Vol. 100, pp. 341- 352.

상세보기
Tachikawa, Y., Nagatani, G., and Takara, K. (2004). “Develpment of stage-discharge relationship equation incorporating saturated-unsaturated flow mechanism.” Annual Journal of Hydraulic Engineering, JSCE, Vol. 48, pp. 7-12. (Japanese with English abstract)

상세보기
Tang, Y., Reed, P., and Wagener, T. (2005). “How effective and efficient are multiobjective evolutionary algorithms at hydrologic model calibration.” Hydrology and Earth System Sciences Discussions, Vol. 2, pp. 2465-2520.

상세보기
Vieux, B.E. (2004). Distributed hydrologic modeling using GIS, Kluwer Academic Publishers.
Vrugt, J.A., Gupta, H.V., Bouten, W., and Sorooshian, S. (2003a). “A shuffled complex evolution metropolis algorithm for optimization and uncertainty assessment of hydrologic model parameters.” Water Resources Research, Vol. 39, No. 8, 1201, doi:10.1029/2002WR 001642.

상세보기
Vrugt, J.A., Gupta, H.V., Bastidas, L.A., Bouten, W., and Sorooshian. S. (2003b). “Effective and efficient algorithm for multi objective optimization of hydrologic models.” Water Resources Research, Vol. 39, No. 8, 1214, doi:10.1029/2002WR001746.

상세보기
Wheater H.S., Jakeman, A.J., and Beven, K. (1993). “Progress and directions in rainfall-runoff modeling.” in Modeling change in environmental systems, edited by Jakeman, A.J., Bech, M.B., and McAleer, M.J., pp. 101-132, John Wiley and Sons, Chichester.
Wang, Q.J. (1991). “The genetic algorithm and its application to calibrating conceptual rainfall-runoff models.” Water Resources Research, Vol. 27, No. 9, pp. 2467-2471.

상세보기
Yapo, P.O., Gupta, H.V., and Sorooshian, S. (1998). “Multi-objective global optimization for hydrologic models.” Journal of Hydrology, Vol. 204, pp. 83-97.

상세보기
Yang, C.T. (1972). “Unit stream power and sediment transport.” Journal of the Hydraulics Division, ASCE, Vol. 98, No. HY10, pp. 1805-1826.
Yang, C.T. (1973). “Incipient motion and sediment transport.” Journal of the Hydraulics Division, ASCE, Vol. 99, No. HY10, pp. 1679-1704.
Zitzler, E., and Thiele, L. (1999). “Multi-objective evolutionary algorithm: A comparative case study and the strength pareto approach.” IEEE Transactions on Evolutionary Computation, Vol. 3, No. 4, pp. 257-271.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증