댐 위험도 해석시 수문학적 변량(강수, 유출 및 수위)들의 상호관계를 고려한 체계적인 분석과정이 요구된다. 그러나 기존 댐 위험도 해석 연구에서는 변량간의 체계적인 관계 평가를 수행하는데 있어서 한계점을 나타내고 있다. 이러한 점에서, 본 연구에서는 수리 수문학적 변량간의 관계를 효과적으로 평가하고자 Bayesian Network 기반의 댐 위험도 해석 기법을 개발하였다. 실제 댐에 대해서 제안된 모형을 적용한 결과 파괴인자간의 상호관계 규명 및 불확실성을 평가하는데 있어서 기존 연구보다 쉽게 가장 큰 파괴인자를 파악할 수 있는 장점이 있었다. 이와 더불어 다양한 시나리오에 따른 댐의 안정성을 파괴확률 및 예상피해의 함수인 위험도로 평가할 수 있도록 하였다. 즉, 기존 댐 위험도 기법으로 수행한 결과에서는 월류 확률이 도출 되지 않았지만, Copula 함수를 도입하여 댐 초기수위를 고려한 결과 댐 월류 확률이 발생하였으며, 피해결과 역시 크게 증가하고 있는 것을 확인할 수 있었다. 이러한 결과를 기반으로 향후 댐의 보수보강 등의 우선순위 결정을 위한 도구로서 활용이 가능할 것으로 판단된다.
댐 위험도 해석시 수문학적 변량(강수, 유출 및 수위)들의 상호관계를 고려한 체계적인 분석과정이 요구된다. 그러나 기존 댐 위험도 해석 연구에서는 변량간의 체계적인 관계 평가를 수행하는데 있어서 한계점을 나타내고 있다. 이러한 점에서, 본 연구에서는 수리 수문학적 변량간의 관계를 효과적으로 평가하고자 Bayesian Network 기반의 댐 위험도 해석 기법을 개발하였다. 실제 댐에 대해서 제안된 모형을 적용한 결과 파괴인자간의 상호관계 규명 및 불확실성을 평가하는데 있어서 기존 연구보다 쉽게 가장 큰 파괴인자를 파악할 수 있는 장점이 있었다. 이와 더불어 다양한 시나리오에 따른 댐의 안정성을 파괴확률 및 예상피해의 함수인 위험도로 평가할 수 있도록 하였다. 즉, 기존 댐 위험도 기법으로 수행한 결과에서는 월류 확률이 도출 되지 않았지만, Copula 함수를 도입하여 댐 초기수위를 고려한 결과 댐 월류 확률이 발생하였으며, 피해결과 역시 크게 증가하고 있는 것을 확인할 수 있었다. 이러한 결과를 기반으로 향후 댐의 보수보강 등의 우선순위 결정을 위한 도구로서 활용이 가능할 것으로 판단된다.
Dam risk analysis requires a systematic process to ensure that hydrologic variables (e.g. precipitation, discharge and water surface level) contribute to each other. However, the existing dam risk approach showed a limitation in assessing the interdependencies across the variables. This study aimed ...
Dam risk analysis requires a systematic process to ensure that hydrologic variables (e.g. precipitation, discharge and water surface level) contribute to each other. However, the existing dam risk approach showed a limitation in assessing the interdependencies across the variables. This study aimed to develop Bayesian network based dam risk analysis model to better characterize the interdependencies. It was found that the proposed model provided advantages which would enable to better identify and understand the interdependencies and uncertainties over dam risk analysis. The proposed model also provided a scenario-based risk evaluation framework which is a function of the failure probability and the consequence. This tool would give dam manager a framework for prioritizing risks more effectively.
Dam risk analysis requires a systematic process to ensure that hydrologic variables (e.g. precipitation, discharge and water surface level) contribute to each other. However, the existing dam risk approach showed a limitation in assessing the interdependencies across the variables. This study aimed to develop Bayesian network based dam risk analysis model to better characterize the interdependencies. It was found that the proposed model provided advantages which would enable to better identify and understand the interdependencies and uncertainties over dam risk analysis. The proposed model also provided a scenario-based risk evaluation framework which is a function of the failure probability and the consequence. This tool would give dam manager a framework for prioritizing risks more effectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
기존 위험도 분석에서는 수문변량간의 관계를 독립적으로 간주하여 해석하는 단편적인 모형이므로 실제 수문현상을 재현하는데 단점이 존재하였다. 따라서 본 연구에서는 이러한 문제점을 극복하고자 BN 기법을 도입하여 수문학적 관점에서 각 파괴인자들이 모두 연관성을 가지고 댐 위험도 해석을 수행할 수 있는 모형을 개발하였다. BN 모형은 2변량 이상의 다변량 파괴인자들이 가지는 관계를 규명하고 각 변량 간의 조건부 확률을 추정하는데 매우 효율적이다.
본 연구에서는 BN 모형 기반의 댐 위험도 적용을 위해 실증댐에 적용하여 분석을 수행하였다. 본 장에서는 댐파괴에 큰 영향을 미치는 수문학적 파괴인자를 도출하고 도출된 수문학적 변량을 이용하여 BN 모형을 구축한 이론적인 배경을 수록하였다.
그러나 기존 연구에서는 수문학적 댐 위험도 해석시 각 변량에 대한 해석기법은 다수 존재하였으나, 이들 관계를 효과적으로 해석할 수 있는 기법은 상대적으로 미비하였다. 이러한 단점을 개선하고자 본 연구에서는 BN 모형기반의 댐 위험도 해석기법을 개발하여 수문학적 파괴 인자간 인과관계를 정량적으로 파악할 수 있었으며, 기존 모형과의 비교를 통해 모형의 우수성을 입증하였다.
다시 말해서 대부분의 위험도 해석과정에서 요구되는 매개변수들의 불확실성이 매우 크다는 점과 각 매개변수들의 불확실성이 전체 해석결과에 영향을 준다는 점을 고려해야 한다. 이러한 점에서 본 연구에서는 구조물의 신뢰성을 저해시키는 복합적인 위험요소들을 동시에 고려할 수 있는 BN 모형 기반 댐 위험도 해석 모형을 활용한 댐 위험도 해석 모형을 개발하였다.
이러한 점에서 본 연구에서는 수리·수문학적 변량들의 연관성을 효과적으로 고려함과 동시에 불확실성을 정량적으로 평가할 수 있는 Bayesian Network (BN) 개념의 위험도 해석 모형을 개발하고, 국내 댐에 대해서 모형의 적합성을 검토하고자 한다.
그러나 기존 댐 위험도 해석시 수문학적 변량간의 관계를 효과적으로 고려하지 못하며, 댐 초기수위는 상시만수위 혹은 홍수기 제한수위로 가정한 연구가 진행되어 왔다. 이에 본 연구에서는 Network 기반의 댐 위험도 해석 기법을 개발하는데 목적이 있으며, 변량간의 불확실성 정량화와 함께 수문학적 변량간의 연계성을 고려한 해석을 위해 BN 모형을 구축하여 연구를 진행하였다. 본 연구를 통해서 얻은 결론은 다음과 같다.
가설 설정
00El.m (b)로 가정하였다. 그 결과 댐 수위는 각각 204 ± 0.
이중 댐의 초기수위와 강수간의 상관성을 예시로 설명하면 다음과 같다. 기존 댐 운영모의 분석시 초기수위는 상시만수위 혹은 홍수기 제한수위로 가정하여 댐 위험도 분석을 수행하였다. 즉, PMF (probability maximum flood)를 댐 최대유입량으로 가정하고, 댐 초기수위는 홍수기 제한수위로 고정하여 댐 운영룰을 기준으로 월류 여부를 판단하고 있다.
이에 본 연구에서는 Copula 함수를 이용하여 사전강수특성에 따른 초기수위를 결정하였으며, 이를 HEC-5 모형의 초기수위로 가정하여 댐 월류 수위를 산정하였다. 즉, 연구대상 댐의 연 최대 강우사상을 추출하고, 다음날의 댐수위 값을 추출하였다.
기존 댐 운영모의 분석시 초기수위는 상시만수위 혹은 홍수기 제한수위로 가정하여 댐 위험도 분석을 수행하였다. 즉, PMF (probability maximum flood)를 댐 최대유입량으로 가정하고, 댐 초기수위는 홍수기 제한수위로 고정하여 댐 운영룰을 기준으로 월류 여부를 판단하고 있다. 그러나 실제 홍수기 댐 운영 상황과는 상당히 괴리감이 존재한다.
제안 방법
1) 실증댐에 영향을 미치는 수문학적 파괴인자를 도출하고 이를 활용하여 댐 위험도 해석을 위한 BN 모형을 구축하였다. 앞서 언급하였듯이 노드에 사용된 변량에 적합한 확률분포형을 부여하여 댐 위험도 해석 BN 모형을 구축하였다.
2) 앞서 언급하였듯이 구축된 BN 모형의 노드간의 관계는 Copula 함수를 활용하였으며, 기존 댐 위험도 해석을 기반으로 한 BN모형과 댐 초기수위의 변동성을 고려한 댐 위험도 해석 모형 2가지 모형을 개발하여 댐 위험도 해석을 수행하였다. 이때 두 가지 모형의 비교를 위해 강우량 및 초기수위에 강제임계값(hard threshold)을 부여하여 모형 간 비교 결과를 제시하였다.
3) 마지막으로 댐 붕괴로 인한 피해액은 다차원 홍수피해액 산정기법을 활용하였으며, 피해금액의 단위는 민감한 사항으로 작용할 수 있으므로 본 연구에서는 unit 단위를 사용하여 결과를 도출하였다.
둘째, BN 모형에 구축된 노드간의 조건부 확률은 상관계수를 활용하여 인자 간의 상호의존도를 부여하였으며, 피해액 산정 기법은 다차원 홍수피해액 산정기법(multi dimensional flood damage assessment, MD-FDA)을 활용하였다. 마지막으로, 기존 댐 위험도 해석에서는 초기수위를 상시만수위 혹은 홍수기 제한수위로 댐 위험도 해석을 수행하였지만, 본연구에서는 댐 초기수위의 변동성을 고려한 댐 위험도 해석 평가를 수행하였다. 이때 초기수위의 변동성은 Copula 함수를 도입하여 모의하였다.
본 연구에서는 댐 위험도 해석을 위해 BN 모형을 구축하고 불확실성을 고려한 댐 위험도 해석을 수행하였으며, 본 연구에서 수행한 방법은 다음과 같이 요약할 수 있다.
본 연구에서는 첫째, 기존 보고서 및 논문 조사를 바탕으로 수리·수문학적 파괴인자를 도출하였으며, BN 모형구축을 위해 각 수문변량별 주변확률분포(marginal distribution)를 노드 구축에 활용하였다.
본 연구에서는 BN 모형 기반의 댐 위험도 적용을 위해 실증댐에 적용하여 분석을 수행하였다. 본 장에서는 댐파괴에 큰 영향을 미치는 수문학적 파괴인자를 도출하고 도출된 수문학적 변량을 이용하여 BN 모형을 구축한 이론적인 배경을 수록하였다.
본 절에서는 BN 모형 구축시 기존 댐 위험도 해석 수행방법과 본 연구에서 제안하는 댐 위험도 해석 두 가지 모형을 비교하였다. 다시 말해서, 일반적으로 기존에 수행 되고있는 댐 위험도 해석 기법은 초기수위를 상시만수위 혹은 홍수기 제한수위로 가정하여 댐 월류 여부를 판단하였다.
앞서 산정된 결과를 기반으로 댐의 정상운영 상태일 때 기존에 이용되고 있는 홍수기제한수위로 고정한 위험도 해석과 Copula 함수를 통해 산정된 댐 초기수위의 변동성을 고려하여 댐 월류 확률을 비교하였다. 먼저 홍수기제한수위로 가정한 댐 운영 모의 시 월류 사상은 발생하지 않았지만, 초기수위 변동성을 고려한 결과 댐 월류 확률이 3.
1) 실증댐에 영향을 미치는 수문학적 파괴인자를 도출하고 이를 활용하여 댐 위험도 해석을 위한 BN 모형을 구축하였다. 앞서 언급하였듯이 노드에 사용된 변량에 적합한 확률분포형을 부여하여 댐 위험도 해석 BN 모형을 구축하였다.
앞서 언급하였듯이 본 연구에서는 수문변량의 확률분포간의 상관성을 고려하기 위하여 Copula 함수를 고려하였다. 이중 댐의 초기수위와 강수간의 상관성을 예시로 설명하면 다음과 같다.
2) 앞서 언급하였듯이 구축된 BN 모형의 노드간의 관계는 Copula 함수를 활용하였으며, 기존 댐 위험도 해석을 기반으로 한 BN모형과 댐 초기수위의 변동성을 고려한 댐 위험도 해석 모형 2가지 모형을 개발하여 댐 위험도 해석을 수행하였다. 이때 두 가지 모형의 비교를 위해 강우량 및 초기수위에 강제임계값(hard threshold)을 부여하여 모형 간 비교 결과를 제시하였다.
, 2014). 이러한 이유로 본 연구에서 개발하고자 하는 BN 모형은 각 노드간 효과적인 연계분석이 가능한 모형이 개발될 수 있도록 주안점을 두었다. 기존 위험도 분석에서는 수문변량간의 관계를 독립적으로 간주하여 해석하는 단편적인 모형이므로 실제 수문현상을 재현하는데 단점이 존재하였다.
그러나 이러한 댐 위험도 해석기법의 경우 변동하는 댐 수위를 현실적으로 고려하지 못하는 단점이 존재하였다. 이러한 이유로 본 연구에서는 Copula 함수를 도입하여 댐 초기수위를 모의하였으며, BN 모형 구축시 이를 반영한 연구를 수행하였다. 기존에 수행되었던 연구결과와 비교해 본 결과 초기수위는 댐 위험도 분석에 가장 민감한 변량임을 확인할 수 있었으며, 다양한 수문학적 시나리오에 따른 댐 위험도 분석이 가능하였다.
그러나 이러한 해석 방법은 댐의 현재 상태를 효과적으로 재현하지 못하고, 실제 댐 현상을 묘사하기에는 현실적이지 않다. 이러한 이유로 본 연구에서는 댐 초기 수위의 변동을 고려한 BN 모형을 구축하여 기존 연구와 비교 결과를 제시하였으며, 구축된 모형은 Fig. 5에 도시하였다.
이와 더불어 본 연구에서는 초기수위의 변동성을 고려할 수 있는 BN 모형을 Fig. 8과 같이 구축하였으며, Fig. 7과 동일하게 강우량의 임계값을 부여하여 댐 위험도 분석을 수행하였다. 이때 댐 초기 수위는 각각 192.
즉, 발생 위험도를 정확히 인지하는 것이 전체적인 위험도 해석 결과의 신뢰성을 결정짓는 가장 중요한 사항이며 본 연구에서는 수문학적 위험도를 정량적으로 해석할 수 있도록 조사·분석을 통해 파괴인자를 도출하였다.
7은 극한 강우사상이 발생하였을 때로 가정하여 댐위험도 분석을 수행하였다. 즉, 본 연구대상 유역에서 모의 발생된 강우량 중 가장 큰 강우(714 mm)를 임계값으로 부여하고 댐 위험도 분석을 수행하였다. 기존 댐 위험도 해석 모형으로 분석한 결과 월류 수위는 200 ± 0.
이에 본 연구에서는 Copula 함수를 이용하여 사전강수특성에 따른 초기수위를 결정하였으며, 이를 HEC-5 모형의 초기수위로 가정하여 댐 월류 수위를 산정하였다. 즉, 연구대상 댐의 연 최대 강우사상을 추출하고, 다음날의 댐수위 값을 추출하였다. 이러한 이유는 앞서 언급하였듯이 댐 초기수위는 항상 변동하는 값이며, 큰 호우 사상 특성에 따라 얼마든지 변할 수 있는 값이다.
이론/모형
BN 노드 중 홍수량의 경우 Kwon et al. (2012)이 제안한 Bayesian기법과 연계한 HEC-1 (BHEC-1) 모형을 활용하여 산정하였다. BHEC-1은 Bayesian 기법을 기존 HEC-1 모형에 연계하여 강우-유출 매개변수의 불확실성을 정량적으로 평가할 수 있는 모형으로서 홍수빈도곡선 등을 유도하는데 신뢰성을 개선할 수 있는 방법이라 할 수 있다.
본 연구에서는 첫째, 기존 보고서 및 논문 조사를 바탕으로 수리·수문학적 파괴인자를 도출하였으며, BN 모형구축을 위해 각 수문변량별 주변확률분포(marginal distribution)를 노드 구축에 활용하였다. 둘째, BN 모형에 구축된 노드간의 조건부 확률은 상관계수를 활용하여 인자 간의 상호의존도를 부여하였으며, 피해액 산정 기법은 다차원 홍수피해액 산정기법(multi dimensional flood damage assessment, MD-FDA)을 활용하였다. 마지막으로, 기존 댐 위험도 해석에서는 초기수위를 상시만수위 혹은 홍수기 제한수위로 댐 위험도 해석을 수행하였지만, 본연구에서는 댐 초기수위의 변동성을 고려한 댐 위험도 해석 평가를 수행하였다.
본 연구에서는 댐 월류확률을 산정하는 전반적인 과정은 Na et al. (2014)이 제안한 위험도 해석 과정을 따랐다. 우선적으로 강우량의 경우 극치분포에 널리 이용되는 Gamma 분포를 대표 확률분포형으로 선택하여 극치강수량을 무작위로 모의발생 하였으며, Gamma 분포의 확률밀도함수와 누가확률밀도 함수는 다음 Eqs.
본 연구에서는 댐 위험도 분석 시 수문학적 변량간의 연관성을 토대로 다변량 분석을 수행하기 위해서 Copula 함수를 적용하였으며, 최종적으로 댐 위험도 분석시 BN 노드 간에 연계성을 정량적으로 평가하는데 활용하였다. 일반적으로 두 개 이상의 변량간 관계성을 파악하는데 있어 상관계수를 활용하지만 변량간의 확률분포를 다루는 경우에는 Copula 함수를 사용하여 그 의존성 구조를 파악하는 것이 타당하다고 알려진 바 있다.
BN 모형의 입력인자는 연속변량의 경우 노드별 파괴 인자의 확률분포형으로 입력되며, 각 노드별 의존도를 산정하여 모형을 구성하게 된다. 이때 각 노드별 의존도는 노드간 상관계수를 활용하였으며, BN 모형으로 구축한 수문학적 댐 위험도 해석 모형의 예시는 Fig. 2와 같다.
마지막으로, 기존 댐 위험도 해석에서는 초기수위를 상시만수위 혹은 홍수기 제한수위로 댐 위험도 해석을 수행하였지만, 본연구에서는 댐 초기수위의 변동성을 고려한 댐 위험도 해석 평가를 수행하였다. 이때 초기수위의 변동성은 Copula 함수를 도입하여 모의하였다. 본 논문의 구성은 다음과 같다.
5의 FN_1∼FN_3의 노드는 함수노드로써 댐의 작용 하는 하중에 따른 반응확률(system response probability, SRP)과 피해액을 산정하는 노드이다. 즉, 사력댐의 경우 월류 높이에 따라 댐 하류부에 영향을 댐 붕괴 위험이 달라지므로 댐 위험도 해석시 월류높이에 따른 파괴위험도를 고려할 필요가 있으며, 본 연구에서 사용한 Srivastava(2008)가 제시한 SRP를 채택하여 분석을 수행하였다. 즉,FN_1, FN_2는 월류 높이에 따라 SRP값이 곱해져 피해액을 산정해주며, FN_3의 경우 FN_1과 FN_2에서 도출된 피해액 결과의 합으로써 이는 최종 댐 파괴 피해액이 도출되는 것이다.
성능/효과
그 결과 댐 수위는 각각 204 ± 0.317, 205 ± 0.318El.m로 산정되었으며, 이러한 결과는 앞서 분석한 기존 댐 위험도 해석 결과보다 약 4∼5 m 증가하는 결과를 보여주고 있다.
이러한 이유로 본 연구에서는 Copula 함수를 도입하여 댐 초기수위를 모의하였으며, BN 모형 구축시 이를 반영한 연구를 수행하였다. 기존에 수행되었던 연구결과와 비교해 본 결과 초기수위는 댐 위험도 분석에 가장 민감한 변량임을 확인할 수 있었으며, 다양한 수문학적 시나리오에 따른 댐 위험도 분석이 가능하였다.
또한 댐 붕괴로 인한 하류부 피해 금액을 Unit 단위로 나타내본 결과 각각 31,200∼ 123,400 Unit에서 115,650∼126,350 Unit으로 증가하고 있는 것을 확인할 수 있었다.
앞서 산정된 결과를 기반으로 댐의 정상운영 상태일 때 기존에 이용되고 있는 홍수기제한수위로 고정한 위험도 해석과 Copula 함수를 통해 산정된 댐 초기수위의 변동성을 고려하여 댐 월류 확률을 비교하였다. 먼저 홍수기제한수위로 가정한 댐 운영 모의 시 월류 사상은 발생하지 않았지만, 초기수위 변동성을 고려한 결과 댐 월류 확률이 3.00E-04로 증가하고 있는 것을 확인할 수 있었다. 즉, 동일 유입량이 부여 될지라도 댐 초기수위에 따라 댐 월류 사상이 상당히 다른 결과를 도출하고 있으므로, 댐 위험도 해석시 초기수위의 변동성을 보다 효과적으로 고려 한 해석이 필요할 것으로 사료된다.
따라서 앞서 Gamma 분포로 도출된 극치강수량은 BHEC-1 모형의 입력자료로 활용되며, BHEC-1을 통해 도출된 홍수량은 BN 노드의 변량으로 입력된다. 본 연구에서는 수문학적 불확실성 변량에 대해서 적합도 검정을 통해 적용된 확률분포가 유의수준 내에 모두 위치하는 것을 확인할 수 있었으며, 각 수문학적 변량들의 적용된 분포형 및 기본 통계치는 Table 2와 같다.
501 m (댐 제체높이 : 203 m)로 월류 사상은 발생하지 않았다. 즉, 홍수기 제한수위를 초기수위로 지정할 경우 댐의 월류는 발생하지 않는 것으로 분석되었으며, 이에 따른 SRP 값 역시 0이므로 피해액 또한 발생하지 않은 것을 확인할 수 있다.
또한 댐 붕괴로 인한 하류부 피해 금액을 Unit 단위로 나타내본 결과 각각 31,200∼ 123,400 Unit에서 115,650∼126,350 Unit으로 증가하고 있는 것을 확인할 수 있었다. 최종적으로 앞서 가정된 초기 수위와 더불어 풍속에 대해서도 임계값(c,d)을 적용하여 댐 위험도를 산정한 결과 바람에 대한 영향은 상대적으로 미미한 것으로 확인할 수 있었다. 이때 부여한 풍속에 대한 임계값의 경우 추정된 풍속값 중에서 가장 큰 값을 부여한 결과이다.
후속연구
마지막으로 본 연구에서 개발한 BN 모형을 활용하여 특정 노드에 임계값을 부여한 후 각 수문학적 노드의 확률 변화를 이용하여 댐 보수·보강시 실무자에게 의사결정에 대한 지원이 가능할 것으로 판단된다.
마지막으로 본 연구에서 개발한 BN 모형을 활용하여 특정 노드에 임계값을 부여한 후 각 수문학적 노드의 확률 변화를 이용하여 댐 보수·보강시 실무자에게 의사결정에 대한 지원이 가능할 것으로 판단된다. 즉, 각 변량간의 의존관계를 실무자가 BN 결과를 기반으로 보다 쉽게 댐위험 상태를 효과적으로 파악할 수 있을 것으로 사료되며, 여러 댐들에 대해서 적용한다면 댐의 위험도를 저감하기 위한 우선순위를 결정하는 데에도 유용하게 사용될 수 있을 것으로 판단된다.
00E-04로 증가하고 있는 것을 확인할 수 있었다. 즉, 동일 유입량이 부여 될지라도 댐 초기수위에 따라 댐 월류 사상이 상당히 다른 결과를 도출하고 있으므로, 댐 위험도 해석시 초기수위의 변동성을 보다 효과적으로 고려 한 해석이 필요할 것으로 사료된다. 초기수위 변화에 따른 댐 월류 확률을 산정한 결과는 Fig.
향후 연구로서는 지반공학적 및 구조적 파괴인자간의 고려를 통해 댐 파괴인자를 모두 고려한 댐 위험도 해석이 가능한 모형으로 확장이 필요할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
수공구조물의 치수능력부족은 무엇으로 직결되는가?
댐과 같은 수공구조물의 치수능력부족은 구조물의 파손이나 붕괴로 직결되며, 대규모 재산피해와 인명피해가 불가피하다(Sin et al., 2007).
댐 위험도 해석에 있어 신뢰성 있는 수문학적 변량 선정 및 해석 기법의 선정이 가장 중요한 요소인 이유는 무엇인가?
댐 위험도 해석에 있어 신뢰성 있는 수문학적 변량 선정및 해석 기법의 선정은 가장 중요한 요소이다. 이러한 이유는 예상치 못한 댐 파괴시 하류부에 막대한 영향을 끼칠수 있으며, 이는 댐 붕괴로 그치는 것이 아닌 2차, 3차 피해가 이어질 수 있는 것이다. 그러나 기존 댐 위험도 해석시 수문학적 변량간의 관계를 효과적으로 고려하지 못하며, 댐 초기수위는 상시만수위 혹은 홍수기 제한수위로 가정한 연구가 진행되어 왔다.
위험도 해석 평가 수행 중 가장 중요한 부분은 무엇인가?
위험도는 확률과 파괴결과로서 정의될 수 있으며, 위험도 해석은 시스템의 기능 또는 재난과 재난을 유발시키는 요소들에 대한 잠재성을 검증하고 위험도를 감소시키는 수단을 찾기 위한 일환으로 사용되어지고 있다. 위험도 해석 평가 수행 중 가장 중요한 부분은 위험요소를 인지하고 각 위험요소로 인해 발생하는 위험도를 정량적으로 추정하는 것이다. 즉, 발생 위험도를 정확히 인지하는 것이 전체적인 위험도 해석 결과의 신뢰성을 결정짓는 가장 중요한 사항이며 본 연구에서는 수문학적 위험도를 정량적으로 해석할 수 있도록 조사·분석을 통해 파괴인자를 도출하였다.
참고문헌 (22)
Bowles, D.S. (1988). "Verde River Risk Assessment: an Interim Solution Study." paper presented at the 8th annual USCOLD Meeting, Phoenix, AZ, January.
Digest DG471 (2002). "Low-rise building foundations on soft ground, Building Research Establishment."
Gelman, A., Carlin, J.B., Stern, H.S., and Rubin, D.B. (2004). Bayesian Data Analysis. CHAPMAN&HALL/CRC.
Haimes, Y.Y. (1988). "Alternatives to the precommensuration of costs, benefits, risk. and time." Journal of Water Resources Planning and management, ASCE, New York.
Hsu, Y.C., Tung, Y.K., and Kuo, J.T. (2011). "Evaluation of dam overtopping probability induced by flood and wind." Stochastic Environmental Research and Risk Assessment, Vol. 25, No. 1, pp. 35-49.
Jan C. Grygier, and Jery R. Stedinger (1985). "Algorithms for Optimizing Hydropower System Operation." Journal ofWater Resources Research, Vol. 21, No. 1, pp. 1-10.
Kreuzer, H., and Bury, K. (1984). "A probability based evaluation of the safety and risk of existing dams, Proceedings of the International Conference on Safety of Dams." Coimbra, April 23-28, Edited by J. Laginha Serafim, University of Coimbra, Portugal.
Kuo, J.T., Hsu, Y.C., Tung, Y.K., Yeh, K.C., and Wu, J.D. (2008). "Dam overtopping risk assessment considering inspection program." Stochastic Environmental Research and Risk Assessment, Vol. 22, No. 3, pp. 303-313.
Kwon, H.H., and Moon, Y.I. (2006). "Improvement of Overtopping Risk Evaluations Using Probabilistic Concepts for Existing Dams, Stochastic Environmental Research and Risk Assessment." Springer-Verlag, Vol. 20, No. 4, pp. 223-237.
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 AmericanWater Resources Association, Vol. 43, No. 5, pp. 1316-1328.
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.
Lee, J.Y., Lee, J.S., and Kim, K.Y. (2014). "Prediction of Loss of Life in Downstream due to Dam Break Flood." Journal of Korea Water Resources Association, Vol. 47, No. 10, pp. 879-889.
Na, B.K., Kim, J.Y., Kwon, H.H., and Lim, J.Y. (2014). "Improvement of Hydrologic Dam Risk Analysis Model Considering Uncertainty of Hydrologic Analysis Process." Journal of Korea Water Resources Association, KWRA, Vol. 47, No. 10, pp. 853-865.
Nelsen, R.B. (2006). "An Introduction to copulas." Springer, New York, pp. 109-155.
Pearl, J. (1988). "Probabilistic Reasoning in Intelligence Systems." Morgan Kaufmann, San Mateo, CA, 1988
Prendergast, J.D. (1979). "Probabilistic Concept for Gravity Dam Analysis." Special Rep, M-265, Construction Engineering Research Lab, U.S. Army Corps of Engineers, Champaign.
Sin, C.S., Ryu, G.J., Jo, K.S., and Bae, B.W. (2007). "Improvement of Hydrological Safety Evaluation Gideline for Existing Dams." Journal of Korea Water Resources Association, KWRA, Vol. 40, No. 10, pp. 44-52.
Sklar, K. (1959). "Fontions de reprartition a n dimensions et leurs marge." Publ. Inst. Statis. Univ. Paris 8, pp. 11.
Srivastava, A. (2008). "Generalized event tree algorithm and software for dam safety risk analysis." Utah State University.
Thompson, K.D., Stedinger, J.R., and Heath, D.C. (1997). "Evaluation and presentation of dam failure and flood risks." Journal of Water Resources Planning and Management, Vol. 123. No. 4, pp. 216-227.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.