[논문]강우 및 강우-유출 모형의 불확실성을 고려한 홍수빈도곡선 유도

권현한; 김장경; 박세훈

doi:10.3741/jkwra.2013.46.1.59

강우 및 강우-유출 모형의 불확실성을 고려한 홍수빈도곡선 유도
Derivation of Flood Frequency Curve with Uncertainty of Rainfall and Rainfall-Runoff Model 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.46 no.1, 2013년, pp.59 - 71

권현한 (전북대학교 토목공학과, 방재연구센터) , 김장경 (전북대학교 토목공학과, 방재연구센터) , 박세훈 (한국시설안전공단 상하수도팀)

초록
AI-Helper

신뢰성 있는 홍수빈도해석을 수행하기 위해서는 충분한 홍수량 및 강우자료가 필요하다. 강우자료의 경우 우리나라 대부분 지역에서 30년 이상의 극치자료가 활용이 가능한 반면 홍수량 자료는 상대적으로 충분한 자료가 확보되지 않아 신뢰성 있는 빈도해석이 어려운 실정이다. 이에 따라 강우모의 기법에 근거한 홍수빈도곡선 유도방안연구가 몇몇 연구에서 제안된 바 있으나, 기본적으로 입력된 강우의 빈도와 홍수의 빈도가 동일하다고 가정함으로 인하여 발생하는 불확실성이 상당부분 내포되어 있다. 이러한 점에서 본 연구의 목적은 강우모의기법과 불확실성 분석이 고려된 홍수빈도곡선 유도방법을 개발하는 것으로 홍수빈도곡선을 유도하는데 있어서의 핵심은 미래에 발생 가능한 극치강수량을 효과적으로 재현할 수 있는 강수량 모의발생 기법과 강우-유출관계의 불확실성 분석에 있다. 본 연구에서는 극치강수량 모의를 위해 불연속 Kernel Pareto 분포를이용한 다지점 강수모의기법과 Bayesian HEC-1 (BHEC-1) 모형을 연계하여 본연구의 대상유역인 대청댐 유역의 강우-유출 관계의 불확실성을 고려한 홍수빈도곡선을 개발하고 모형의 적합성을 평가하였다. 최종적으로 기존 홍수빈도결정방법과 비교를 통해서 모형의 적합성을 확인하였다.

Abstract ▼ AI-Helper

The lack of sufficient flood data being kept across Korea has made it difficult to assess reliable estimates of the design flood while relatively sufficient rainfall data are available. In this regard, a rainfall simulation based derivation technique of flood frequency curve has been proposed in some of studies. The main issues in deriving the flood frequency curve is to develop the rainfall simulation model that is able to effectively reproduce extreme rainfall. Also the rainfall-runoff modeling that can convey uncertainties associated with model parameters needs to be developed. This study proposes a systematic approach to fully consider rainfallrunoff related uncertainties by coupling a piecewise Kernel-Pareto based multisite daily rainfall generation model and Bayesian HEC-1 model. The proposed model was applied to generate runoff ensemble at Daechung Dam watershed, and the flood frequency curve was successfully derived. It was confirmed that the proposed model is very promising in estimating design floods given a rigorous comparison with existing approaches.

주제어

AI 본문요약
AI-Helper

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

문제 정의

앞서 언급한 바와 같이 홍수빈도곡선을 유도하는데 핵심은 극치강수량의 재현 및 강우-유출 모형의 불확실성 분석이다. 따라서 본 연구에서는 극치강수량 재현에 유리한 PKPD 기반의 강우량 모의발생기법, 불확실성 분석이 가능한 Bayesian Markov Chain Monte Carlo (MCMC) 기반의 Bayesian HEC-1 (BHEC-1) 강우-유출모형을 연동해서 홍수빈도곡선을 유도할 수 있는 모형을 개발하는 것이다. 본 연구는 대청댐 유역을 대상으로 하였으며 논문의 진행 절차는 다음과 같다.
즉, 강우-유출모형이 시간에 따라 계속적으로 변하게 되므로 매번 매개변수를 새로 추정해야할 필요가 생긴다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위해서 2003년부터 2010년까지 8개 강우사상에 대한 각각 연속 100시간 수문곡선을 연계시켜 연속 800시간에 해당하는 강우사상에 대한 강우-유출모형의 매개변수를 추정하였다. 단, 독립된 강우-유출 사상간의 간섭효과를 없애기 위해서 각 강우-유출 사상 사이에 상당부분을 무강우-무유출구간으로 처리하였다.
, 2008) 등이 있으며, 다양한 수리수문학적 불확실성 정량화를 위한 대안으로서 적용되고 있다. 본 연구에서는 단일사상 강우-유출 모형 구축을 위한 매개변수 추정 및 불확실성 분석을 수행하기 위해 목적함수를 설정하고 각 사상별로 10,000회 이상 모의하여 다양한 표본공간으로부터 매개변수들이 추출될 수 있도록 하였다.
본 연구에서는 홍수빈도곡선 유도과정에서 강우-유출 모형의 불확실성을 평가하기 위해서 국내외에서 범용되고 있는 대표적인 단일강우사상모형인 미공병단의 HEC1 FLOOD Package Code를 수정하여 연구를 진행하였다(Hydrologic Engineering Center, 1990). 강우-유출분석에는 SCS 유출곡선지수 방법과 Clark 순간단위도법을 사용하여 강우-유출 모형을 구축하였으며, HEC-1 모형 매개변수의 불확실성을 정량화하기 위해서 BHEC-1 모형을 적용하여 매개변수의 사후분포를 추정하였다.
특히, Bayesian 방법은 매개변수의 추정과 불확실성을 동시에 수행할 수 있는 방법으로서 추정되는 매개변수들이 사후분포(posterior distribution)로 귀결되어 최종적으로 확률분포형의 형태를 갖게 된다. 이러한 점에서 본 연구의 목적은 앞서 언급된 극치강수량 재현기법, Bayesian 강우-유출 모형 기반의 불확실성 평가기법 등을 연계한 홍수빈도곡선 유도 기법을 개발하고자 한다.
이밖에도 강우의 모의발생시 관측 범위 내에 존재하는 강우의 내삽(interpolation) 시에는 큰 문제가 발생하지 않으나 관측 범위를 벗어나는 극치값에 대해서는 과소 또는 과대 추정되는 문제점이 존재한다. 이러한 점에서 본 연구의 주요 목적은 불확실성을 포괄적으로 고려한 홍수빈도곡선 유도 방안을 수립하는 것이며 이를 위하여 극치강우량 재현에 유리한 강우모의기법과 강우-유출모형 매개변수의 불확실성을 고려할 수 있는 방안을 수립하고자 한다.

가설 설정

대청댐 유역의 경우 총 7개 유역으로서 유역마다 3개의 매개변수가 최적화 대상이므로 총 21개의 매개변수를 최적화 하였다. 본 연구에서는 21개의 매개변수를 정규분포로 가정하였으며, 21개의 매개변수에 대한 결합확률은 Eq. (9)와 같다.

제안 방법

단, 독립된 강우-유출 사상간의 간섭효과를 없애기 위해서 각 강우-유출 사상 사이에 상당부분을 무강우-무유출구간으로 처리하였다. BHEC-1모형에 적용하기 위한 사전분포는 기존 HEC-1모형 최적화 과정으로부터 추정된 매개변수를 기준으로(Table 1), 그 사전분포를 정의하였으며, 7개 소유역을 동시에 대상으로 최적화를 수행하였다. 그 결과, 각 소유역별 3개의 매개변수(SCS의 CN.
따라서 본 연구에서는 이러한 문제점을 해결하기 위해서 2003년부터 2010년까지 8개 강우사상에 대한 각각 연속 100시간 수문곡선을 연계시켜 연속 800시간에 해당하는 강우사상에 대한 강우-유출모형의 매개변수를 추정하였다. 단, 독립된 강우-유출 사상간의 간섭효과를 없애기 위해서 각 강우-유출 사상 사이에 상당부분을 무강우-무유출구간으로 처리하였다. BHEC-1모형에 적용하기 위한 사전분포는 기존 HEC-1모형 최적화 과정으로부터 추정된 매개변수를 기준으로(Table 1), 그 사전분포를 정의하였으며, 7개 소유역을 동시에 대상으로 최적화를 수행하였다.
(CN)와 Clark 합성단위유량도의 2개의 매개변수(Tc_n ,K_n)를 최적화 대상으로 하였다. 대청댐 유역의 경우 총 7개 유역으로서 유역마다 3개의 매개변수가 최적화 대상이므로 총 21개의 매개변수를 최적화 하였다. 본 연구에서는 21개의 매개변수를 정규분포로 가정하였으며, 21개의 매개변수에 대한 결합확률은 Eq.
(11)은 모든 매개변수에 대한 적분을 통해 직접적으로 추정하는 것은 불가능하다. 따라서 본 연구에서는 앞서 언급한 MCMC 방법을 도입하여 매개변수들의 사후분포를 추정하게 된다.
본 연구에서 제안한 BHEC-1 모형의 적용을 위해서 GIS 분석을 통해서 도출된 유역정보로부터 경험공식 등을 이용하여 강우-유출 모형의 매개변수들의 초기값을 도출하였다. 모형의 검정을 위해서 매개변수의 초기값과 기존 HEC-1 최적화기법을 이용하여 본 연구의 대상유역인 대청댐유역의 2003～2010년의 매해 주요 실측된 강우-유출 사상을 대상으로 매개변수를 검정을 수행한 결과, 각 사상별 매개변수가 다르게 추정되는 것을 확인할 수 있었으며, 이는 앞서 언급한 바와 같이 수문자료의 불확실성, 강우강도, 강우지속시간, 유역의 선행함수조건 등의 상이함으로 기인하는 것으로 사료된다.
본 연구에서는 불연속 Kernel-Pareto 분포를 이용한 극치강수량 모의기법을 적용하였으며 Kwon and So (2011)에서 제시한 방법론에 대해서 간단히 요약하여 정리하였다. 일반적으로 내삽에서 가장 우수한 재현능력을 가지는 핵밀도함수(Kernel density function) 방법과 극치강수량 재현에 유리한 Generalized Pareto Distribution (GPD)를 동시에 고려할 수 있는 분포형을 일강수량모의기법에 적용하고자 한다.
앞절에서 유역의 선행함수조건, 강우형태 등의 유역 매개변수의 불확실성을 포함한 모의를 하기 위해서 BHEC-1 강우-유출 모형의 불확실성 분석을 실시하여 매개변수, 모형 및 입력자료의 불확실성을 정량화할 수 있었다. 홍수빈도곡선을 유도하기 위해서는 다수의 수문곡선의 추출이 필수적이며, 이를 위하여 2,000년 모의강수량을 BHEC-1 모형의 입력자료로 활용하였다.
우리나라의 경우 강우빈도해석과 강우-유출모의를 연계한 간접적인 방안이 실무적으로 활용되고 있으며 적용된 강우의 빈도와 추정되는 홍수량의 빈도를 동일시하여 해석하고 있으나 상당한 불확실성이 내재되어 있는 것이 사실이다. 이러한 점에서 본 연구에서는 극치강수량 모의기법과 Bayesian 강우-유출 모형을 연계하여 불확실성 분석이 포함된 홍수빈도곡선 유도 기법을 개발하여 대청댐 유역에 적용하였다. 본 연구를 통해서 얻은 결론을 요약하면 다음과 같다.
이를 위해서 본 연구에서는 지점간의 강수발생 상관성을 고려한 모형을 적용하였으며 이와 더불어 극치강수량에 재현성을 극대화하기 위하여 PKPD를 적용하여 2,000년(365일×2000년)에 해당하는 일강수량자료를 모의하였다.
BHEC-1 기법을 통해 모의된 수문곡선과 실측수문곡선을 시각적으로 비교해보면 거의 일치된 값을 보여주고 있으며, 기존에 HEC-1 매개변수 최적화 방법인 Nelder 방법에 비해 모의능력 현저하게 개선되었음을 확인하였다. 이를 통계적인 지표를 통해 정량적으로 비교 검토하였다. 본 논문에서는 통계적 평가 수단으로 상관계수(correlation coefficient, CC), Nash-Sutcliffe 계수(N-S), 일치계수(Index of agreement, IoA), 편의(bias), 평균제곱오차(root mean square error, RMSE)를 사용하여 모형의 적합성을 평가하였다.
홍수빈도곡선을 유도하기 위해서는 다수의 수문곡선의 추출이 필수적이며, 이를 위하여 2,000년 모의강수량을 BHEC-1 모형의 입력자료로 활용하였다. 이와 더불어 앞선 연구에서 추정된 매개변수들의 사후분포로부터 매개변수들을 추출하여 강우-유출 과정의 불확실성과 강우의 불확실성이 종합적으로 고려된 다수의 홍수수문곡선을 추출하였다. Fig.
본 연구에서는 불연속 Kernel-Pareto 분포를 이용한 극치강수량 모의기법을 적용하였으며 Kwon and So (2011)에서 제시한 방법론에 대해서 간단히 요약하여 정리하였다. 일반적으로 내삽에서 가장 우수한 재현능력을 가지는 핵밀도함수(Kernel density function) 방법과 극치강수량 재현에 유리한 Generalized Pareto Distribution (GPD)를 동시에 고려할 수 있는 분포형을 일강수량모의기법에 적용하고자 한다. 핵밀도함수 방법과 GPD에 대해서 간단히 살펴보면 다음과 같다.
최종적으로 모의된 홍수수문곡선으로부터 첨두홍수량만을 추출하였으며 확률도시공식으로 각 홍수량에 재현 기간을 부여하였다. Fig.
홍수빈도곡선 도출시에 강우-유출 모형의 불확실성 분석은 가장 핵심적인 부분으로서 본 연구에서는 BHEC-1모형을 적용하여 매개변수, 모형의 불확실성을 정량화하였다. 추정된 매개변수의 사후분포로부터 다수의 수문곡선을 추출하였으며 이를 통해 대청댐 유역의 홍수빈도곡선을 유도하였다.
홍수빈도곡선 도출시에 강우-유출 모형의 불확실성 분석은 가장 핵심적인 부분으로서 본 연구에서는 BHEC-1모형을 적용하여 매개변수, 모형의 불확실성을 정량화하였다. 추정된 매개변수의 사후분포로부터 다수의 수문곡선을 추출하였으며 이를 통해 대청댐 유역의 홍수빈도곡선을 유도하였다.
앞절에서 유역의 선행함수조건, 강우형태 등의 유역 매개변수의 불확실성을 포함한 모의를 하기 위해서 BHEC-1 강우-유출 모형의 불확실성 분석을 실시하여 매개변수, 모형 및 입력자료의 불확실성을 정량화할 수 있었다. 홍수빈도곡선을 유도하기 위해서는 다수의 수문곡선의 추출이 필수적이며, 이를 위하여 2,000년 모의강수량을 BHEC-1 모형의 입력자료로 활용하였다. 이와 더불어 앞선 연구에서 추정된 매개변수들의 사후분포로부터 매개변수들을 추출하여 강우-유출 과정의 불확실성과 강우의 불확실성이 종합적으로 고려된 다수의 홍수수문곡선을 추출하였다.

대상 데이터

따라서 본 연구에서는 극치강수량 재현에 유리한 PKPD 기반의 강우량 모의발생기법, 불확실성 분석이 가능한 Bayesian Markov Chain Monte Carlo (MCMC) 기반의 Bayesian HEC-1 (BHEC-1) 강우-유출모형을 연동해서 홍수빈도곡선을 유도할 수 있는 모형을 개발하는 것이다. 본 연구는 대청댐 유역을 대상으로 하였으며 논문의 진행 절차는 다음과 같다. 1장에서는 홍수빈도곡선에 대한 연구 동향을 살펴보았으며, 2장에서는 극치강수량 모의 및 강우 유출 불확실성 분석을 위한 방법론에 대해서 간략히 요약 정리하였다.
본 연구에서는 극치강수량을 모의하기 위해 비교적 장기간의 자료를 보유하고 있는 기상청 관할 3개의 기상관측소 강수량을 대상으로 연구를 진행하였다. 본 연구에서 사용한 강수지점은 보은, 금산, 추풍령이며 모두 40년 이상의 강수량을 보유하고 있다.
이러한 점에서 본 연구에서는 Gibbs 표본법을 MCMC 기법으로서 이용하였다. 앞선 연구에서 언급한 바와 같이 강우-유출 모형을 구성하는데 있어서 SCS Curve No. (CN)와 Clark 합성단위유량도의 2개의 매개변수(Tc_n ,K_n)를 최적화 대상으로 하였다. 대청댐 유역의 경우 총 7개 유역으로서 유역마다 3개의 매개변수가 최적화 대상이므로 총 21개의 매개변수를 최적화 하였다.

데이터처리

이를 통계적인 지표를 통해 정량적으로 비교 검토하였다. 본 논문에서는 통계적 평가 수단으로 상관계수(correlation coefficient, CC), Nash-Sutcliffe 계수(N-S), 일치계수(Index of agreement, IoA), 편의(bias), 평균제곱오차(root mean square error, RMSE)를 사용하여 모형의 적합성을 평가하였다. 전체적인 검정결과를 통계적으로 분석하여 비교하면 Table 3과 같다.
본 연구에서 제안하고 있는 모의기반의 홍수빈도추정방법과 비교차원에서 강우빈도해석을 통해서 대청댐의 빈도별 면적확률강우량을 추정하고 최종적으로 강우-유출 모형을 통해 빈도별 확률홍수량을 계산하여 Table 4에 나타냈다. 이와 함께 연최대홍수량자료를 이용한 빈도해석도 실시하여 비교하여 Table 5에 나타냈다.

이론/모형

본 연구에서는 홍수빈도곡선 유도과정에서 강우-유출 모형의 불확실성을 평가하기 위해서 국내외에서 범용되고 있는 대표적인 단일강우사상모형인 미공병단의 HEC1 FLOOD Package Code를 수정하여 연구를 진행하였다(Hydrologic Engineering Center, 1990). 강우-유출분석에는 SCS 유출곡선지수 방법과 Clark 순간단위도법을 사용하여 강우-유출 모형을 구축하였으며, HEC-1 모형 매개변수의 불확실성을 정량화하기 위해서 BHEC-1 모형을 적용하여 매개변수의 사후분포를 추정하였다.
둘째, 댐으로 유입되는 유입량에 대한 불확실성을 고려한 해석을 위해서 Bayesian 기반의 HEC-1 모형이 적용되었으며 강우-유출 매개변수들의 사후분포 추정이 가능하였다. 추정된 매개변수들의 사후분포로부터 매개변수들을 추출하고 모의된 강우량이 입력 자료로 활용됨으로서 다중의 수문곡선 앙상블을 도출할 수 있었으며 강우-유출 관계에 대한 불확실성을 종합적으로 고려할 수 있었다.
4와 같이 나타낼 수 있다. 매개변수에 대한 사후분포 추정과정은 기존 Kwon et al. (2012)의 연구 결과를 활용하였다.
본 연구에서 사용된 Bayesian 모형은 강우-유출 모형의 여러 매개변수의 최적 해를 구할 뿐만 아니라 이에 따른 매개변수의 사후분포를 추정할 수 방법으로서 기본적으로 Bayesian Markov Chain Monte-Carlo (MCMC)를 활용하여 사후분포를 추정하였다. MCMC 기법을 이용한 불확실성 분석과 관련한 연구에는 극치강수량 예측모형(Kwon and Moon, 2007) 및 Bayesian MCMC 기법을 통한 NWS-PC 강우-유출 모형 매개변수의 최적화 및 불확실성 분석(Kwon et al.
Gibbs 표본법은 MetropolisHastings 알고리즘에 기반을 둔 방법론으로서 모의계산이 빠르고 적용하기 쉽다는 장점이 존재한다. 이러한 점에서 본 연구에서는 Gibbs 표본법을 MCMC 기법으로서 이용하였다. 앞선 연구에서 언급한 바와 같이 강우-유출 모형을 구성하는데 있어서 SCS Curve No.
이와 관련된 국내외 강우-유출 관계의 불확실성 분석에 가장 대표적인 방법으로 Monte Carlo Simulation (MCS)을 적용한 사례가 다수 있으며(Melching, 1995; Binley et al., 1991; Beven and Binley, 1992), 기존 MCS을 개선한 Latin Hypercube Sampling (LHS)(Melching, 1992 a,b; Kwon et al., 2007)을 적용하여 신뢰성 평가에 활용하였다. 해석학적 방법으로서 Mean First Order Second Moment(MFOSM), Advanced Mean First Order Second Moment(AFOSM)와 Rosenbruth's Point Estimation Method(RPEM), Harr's Point Estimation Method (HPEM) 등이 있으며 이들 신뢰성 분석 방법의 상대적인 수행능력을 여러 연구에서 비교 검토하였다(Melching, 1992a,b; Bates and Townley, 1988; Lei and Schlling, 1993; Garen and Burges, 1981; Binley et al.

성능/효과

BHEC-1 기법을 통해 모의된 수문곡선과 실측수문곡선을 시각적으로 비교해보면 거의 일치된 값을 보여주고 있으며, 기존에 HEC-1 매개변수 최적화 방법인 Nelder 방법에 비해 모의능력 현저하게 개선되었음을 확인하였다. 이를 통계적인 지표를 통해 정량적으로 비교 검토하였다.
BHEC-1모형에 적용하기 위한 사전분포는 기존 HEC-1모형 최적화 과정으로부터 추정된 매개변수를 기준으로(Table 1), 그 사전분포를 정의하였으며, 7개 소유역을 동시에 대상으로 최적화를 수행하였다. 그 결과, 각 소유역별 3개의 매개변수(SCS의 CN. No, Clark의 Tc, R), 총 21개의 매개변수를 동시에 최적화 할 수 있었으며, 매개변수가 충분히 수렴할 수 있도록 10,000번 모의를 수행하였다. 매개변수 수렴과정은 다음 Fig.
이와 함께 연최대홍수량자료를 이용한 빈도해석도 실시하여 비교하여 Table 5에 나타냈다. 기존 빈도별 홍수량을 추정하는 방법인 강우빈도해석기법과 연계한 강우-유출 모의와 홍수빈도해석결과와 본 연구에서 제안하는 모의기반의 홍수빈도곡선 유도방법과 큰 차이를 보이지 않는 것을 확인할 수 있었으며 이는 모의강수량과 BHEC-1 모형을 이용한 홍수빈도곡선 작성 방법이 홍수량 추정방법으로서 적용이 가능함을 의미한다.
본 연구에서 제안한 BHEC-1 모형의 적용을 위해서 GIS 분석을 통해서 도출된 유역정보로부터 경험공식 등을 이용하여 강우-유출 모형의 매개변수들의 초기값을 도출하였다. 모형의 검정을 위해서 매개변수의 초기값과 기존 HEC-1 최적화기법을 이용하여 본 연구의 대상유역인 대청댐유역의 2003～2010년의 매해 주요 실측된 강우-유출 사상을 대상으로 매개변수를 검정을 수행한 결과, 각 사상별 매개변수가 다르게 추정되는 것을 확인할 수 있었으며, 이는 앞서 언급한 바와 같이 수문자료의 불확실성, 강우강도, 강우지속시간, 유역의 선행함수조건 등의 상이함으로 기인하는 것으로 사료된다. 한편, 대상유역의 소유역 별 유역특성인자는 Table 1과 같고, 8개년의 모형 검정을 통해서 산정된 매개변수의 초기값은 다음 Table 2에 요약하여 나타냈다(Fig.
본 연구에서는 극치강수량을 모의하기 위해 비교적 장기간의 자료를 보유하고 있는 기상청 관할 3개의 기상관측소 강수량을 대상으로 연구를 진행하였다. 본 연구에서 사용한 강수지점은 보은, 금산, 추풍령이며 모두 40년 이상의 강수량을 보유하고 있다. 이와 같이 강우-유출 모형의 입력 강수량으로 의미를 가지기 위해서는 유역 내 강수지점간의 상관성 재현이 기본적으로 보장되어야 한다.
셋째, 기존 강우빈도해석 방법과 홍수빈도해석 결과들과 비교를 수행하였으며 불확실성 범위 내에서 기존 방법들과 유사한 거동을 나타내는 것을 확인할 수 있었다.
첫째, 본 연구에서는 PKPD 기반의 강우 모의발생 기법을 적용하여 극치강우량에 대한 불확실성을 고려한 해석이 가능하였다. 적용된 PKPD 기반의 다지점 강우 모의 발생 기법은 유역의 강우 발생패턴을 복원하면서 극치강수량을 재현할 수 있도록 고안되었으며 보다 현실적인 극치강우발생이 가능하였다.
둘째, 댐으로 유입되는 유입량에 대한 불확실성을 고려한 해석을 위해서 Bayesian 기반의 HEC-1 모형이 적용되었으며 강우-유출 매개변수들의 사후분포 추정이 가능하였다. 추정된 매개변수들의 사후분포로부터 매개변수들을 추출하고 모의된 강우량이 입력 자료로 활용됨으로서 다중의 수문곡선 앙상블을 도출할 수 있었으며 강우-유출 관계에 대한 불확실성을 종합적으로 고려할 수 있었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Bayesian 방법이란?	그러나 불확실성을 정량화하는 것은 통계학에서도 쉽지 않은 연구 분야로서 가장 진보된 불확실성 해석 방법으로는 Bayesian 방법이 컴퓨터의 발전과 더불어 많은 학문 분야에서 이용되고 있다. 특히, Bayesian 방법은 매개변수의 추정과 불확실성을 동시에 수행할 수 있는 방법으로서 추정되는 매개변수들이 사후분포(posterior distribution)로 귀결되어 최종적으로 확률분포형의 형태를 갖게 된다. 이러한 점에서 본 연구의 목적은 앞서 언급된 극치강수량 재현기법, Bayesian 강우유출 모형 기반의 불확실성 평가기법 등을 연계한 홍수빈도곡선 유도 기법을 개발하고자 한다.
	Monte-Carlo Simulation 기법의 단점은?	, 2002). 이러한 경우 강우-유출 관계에 대한 불확실성을 효과적으로 고려하지 못하는 단점이 있다. 이밖에도 강우의 모의발생시 관측 범위 내에 존재하는 강우의 내삽 (interpolation) 시에는 큰 문제가 발생하지 않으나 관측 범위를 벗어나는 극치값에 대해서는 과소 또는 과대 추정되는 문제점이 존재한다.
	홍수량은 불확실성 분석을 고려한 해석이 필요한 이유는?	이는 입력된 강우의 빈도와 홍수의 빈도가 동일하다고 가정하는 것으로서 불확실성이 상당히 내포되어 있다. 즉, 홍수량은 다양한 수문학적 과정에 의해서 이루어지며 동일한 강우량일지라도 토양함수, 강우강도 등에 따라서 상당히 다른 유출 특성을 나타내기 때문에 불확실성 분석을 고려한 해석이 필요하다.

참고문헌 (32)

Bae, D.-H., Jeong, I.-W., and Kang, T.-H. (2002). "A Study on Parameters Estimation Considering Runoff Characteristics in Watershed." Proceedings: Korean Society Civil Engineering Conference, KSCE, pp. 1226-1229.
Bates, B.C., and Townley, L.R. (1988). "Nonlinear, discrete flood event models. 3. Analysis of prediction uncertainty." Journal of Hydrology, Vol. 99, pp. 91- 101.

상세보기
Beven, K.J., and Binley, A. (1992). "The future of distributed models: model calibration and uncertainty prediction." Hydrological Processes, Vol. 6, pp. 279- 298.

상세보기
Binley, A.M., Beven, K.J., Calver, A., and Watts, L.G. (1991). "Changing responses in hydrology: assessing the uncertainty in physically based model predictions." Water Resources Research, Vol. 27, No. 6, pp. 1253-1261.

상세보기
Bloschl, G., and Sivapalan, M. (1997). Process control on flood frequency. Runoff Generation, Storm Properties and Return, Centre for Water Research Environmental Dynamics Report, ED 1159 MS. Department of Civil Engineering, The University of Western Australia.
Boughton, W., and Droop, O. (2003). "Continuous simulation for design flood estimation-a review." Environ Model Software, Vol. 18, pp. 309-318

상세보기
Cameron, D., Beven, K.J., Tawn, J., and Naden, P. (2000). "Flood frequency estimation by continuous simulation (with likelihood based uncertainty estimation)." Hydrol. Earth Sys. Sci., Vol. 4, No. 1, pp. 23-34.

상세보기
Frost, A.J., Srikanthan, R., and Cowpertwait, P.S.P. (2004). Stochastic Generation of Daily Rainfall at a Number of Sites. CRC Technical report 04/09. CRC for Catchment Hydrology.
Garen, D.C., and Burges, S.J. (1981). "Approximate error bounds for simulated hydrographs." Journal of the Hydraulics Division, ASCE, Vol. 107, pp. 1519-1534.
Gelman A, Chew G.L, and Shnaidman M. (2004). "Bayesian Analysis of Serial Dilution Assays." Biometrics, Vol. 60, No. 2, pp. 407-417.

상세보기
Han, K.-Y., Lee, J.-S., Kim, S.-H. (1997). "Risk Model for the Safety Evaluation of Dam and Levee (I). - Theory and Model-." Journal of KoreaWater Resources Association, KWRA, Vol. 30, No. 6, pp. 679-690.
Hydrologic Engineering Center (1990). "HEC-1 Flood Hydrograph Package, User's Manual." U.S. Army Corps of Engineers, Davis, California.
Kim, M.-M., Lee, W.-H., and Cho, W.-C. (1993). "Reliability Analysis of Storm Sewer System by AFOSMMethod." Journal of Korean Society Civil Engineering, KSCE, Vol. 13, No. 2, pp. 201-209.
Kwon, H.-H., and Kim, B.-S. (2009). "Development of Statistical Downscaling Model Using Nonstationary Markov Chain." Journal of Korea Water Resources Association, KWRA, Vol. 42, No. 3, pp. 213-225.

원문보기 상세보기
Kwon, H.-H., and Moon, Y.-I. (2007). "Development of Statistical Seasonal Rainfall Model Considering Climate Information and Typhoon Characteristics." Journal of Korean Society Civil Engineering, KSCE, Vol. 27, No. 1B, pp. 45-52.
Kwon, H.-H., and So, B.-J. (2011). "Development of Daily Rainfall Simulation Model Using Piecewise Kernel-Pareto Continuous Distribution." Journal of Korean Society Civil Engineering, KSCE, Vol. 31, No. 3B, pp. 277-284.
Kwon, H.-H., Kim, J.-G., Lee, J.-S., and Na, B.-K. (2012). "Uncertainty Assessment of Single Event Rainfall-Runoff Model Using Bayesian Model." Journal of Korea Water Resources Association, KWRA, Vol. 45, No. 5, pp. 505-516.

원문보기 상세보기
Kwon, H.-H., Moon, Y.-I., and Khalil, A.F. (2007). "Nonparametric Monte Carlo Simulation For Flood Frequency Curve Derivation : An Application to A Korean Watershed." Journal of the American Water Resources Association, Vol. 43, No. 5, pp. 1316-1328.

상세보기
Kwon, H.-H., Moon, Y.-I., Kim, B.-S., and Yoon, S.-Y. (2008). "Parameter Optimization and Uncertainty Analysis of the NWS-PC Rainfall-Runoff Model Coupled with Bayesian Markov Chain Monte Carlo Inference Scheme." Journal of Korean Society Civil Engineering, KSCE, Vol. 28, No. 4B, pp. 383-392.
Kwon, H.-H., Park, D.-H., and Moon, Y.-I. (2004a). "Derivation of Flood Frequency Curve Using Uncertainty Analysis of Single Event Rainfall-Runoff Model (I). -Uncertainty Analysis of Rainfall-Runoff Model-." Journal of Korean Society Civil Engineering, KSCE, Vol. 24, No. 3B, pp. 229-239.
Kwon, H.-H., Park, D.-H., and Moon, Y.-I. (2004b). "Derivation of Flood Frequency Curve Using Uncertainty Analysis of Single Event Rainfall-Runoff Model (II). -Derivation of Flood Frequency Curve-." Journal of Korean Society Civil Engineering, KSCE, Vol. 24 No. 3B, pp. 241-246.
Lei, J., and Schlling, W. (1993). "Propagation of model uncertainty. Proceedings Sixth International Conference on Urban Storm Drainage, Niagara Falls, Canada." Seapoint Publishing, Victoria, BC, Canada, pp. 465-470.
Loukas, A. (2002). "Flood frequency estimation by a derived distribution procedure." Journal of Hydrology, Vol. 255, pp. 69-89.

상세보기
Melching, C.S. (1992a). "An improved first-order reliability approach for assessing uncertainties in hydrologic modeling." Journal of Hydrology, Vol. 132, pp. 157-177.

상세보기
Melching, C.S. (1992b). "A comparison of methods for estimating variance of water resources model predictions. In: Kuo, J.-T., Lin, G.-F. (Eds.)." Stochastic Hydraulics '92, Proceedings Sixth International Association for Hydraulic Research Symposiumon Stochastic Hydraulics, Taipei, Taiwan. Water Resources Publications, Littleton, CO, pp. 663-670.
Melching, C.S. (1995). Computer models of watershed hydrology. In: Vijay Singh, P. (Ed.). Reliability Estimation. Water Resources Publications, Littleton, CO, pp. 69-118.
Muzik, I. (2002). "A first-order analysis of the climate change effect on flood frequencies in a subalpine watershed by means of a hydrological rainfall-runoff model." Journal of Hydrology, Vol. 267, pp. 65-73.

상세보기
Rahman, A., Weinmann, P.E., Hoang, T.M.T., and Laurenson, E.M. (2002). "Monte Carlo simulation of flood frequency curves from rainfall." Journal of Hydrology, Vol. 256, pp. 196-210.

상세보기
Rosenblatt Murray (1956). "On the Estimation of Regression Coefficients of a Vector-Valued Time Series with a Stationary Residual." The Annals of Mathematical Statistics, Vol. 27, No. 1, pp. 99-121.

상세보기
Shin, H.-S., and Yoon, Y.-N. (1998). "An Uncertainty and Sensitivity Analysis in Estimating Annual Reservoir Sediment Deposition Based on MCS and LHS Methods." Journal of Korean Society Civil Engineering, KSCE, Vol. 18, No. 2-2, pp. 141-152.
Srikanthan, R. (2005). Stochastic Generation of Daily Rainfall at a Number of Sites. Cooperative Research Centre for Catchment Hydrology. Technical report 05/7.
Yu, P.S., Yang, T.C., and Chen, S.J. (2001). "Comparison of uncertainty analysis methods for a distributed rainfall-runoff model." Journal of Hydrology, Vol. 244, pp. 43-59.

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