[논문]Bayesian 기반 Multi-Segmented 곡선식을 활용한 수위-유량 곡선의 불확실성 분석

김진영; 김진국; 이재철; 권현한

doi:10.3741/jkwra.2016.49.3.253

[국내논문] Bayesian 기반 Multi-Segmented 곡선식을 활용한 수위-유량 곡선의 불확실성 분석
A development of rating-curve using Bayesian Multi-Segmented model 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.49 no.3, 2016년, pp.253 - 262

김진영 (전북대학교 토목공학과 방재연구센터) , 김진국 (전북대학교 토목공학과 방재연구센터) , 이재철 (충남도립대학교 건설정보과) , 권현한 (전북대학교 토목공학과 방재연구센터)

초록
AI-Helper

수위-유량 관계곡선(rating curve)은 수위표에서 관측된 수위 및 유량을 이용하여 만들어진 회귀분석식을 의미하며, 하천의 수위를 유량으로 환산하는 방법으로 일반적으로 활용되고 있다. 그러나 수위-유량 관계곡선식에서 저수위와 고수위와 분리 및 매개변수 추정에 있어 불확실성을 고려한 해석은 이루어지지 않고 있다. 이러한 이유로 본 연구에서는 수위-유량 관계곡선식에서 매개변수 추정 및 저 고수위 분리시 발생하는 문제점을 개선하기 위해 Bayesian 기법을 도입하였으며, 수위-유량 관계곡선식의 매개변수의 추정과 더불어 불확실성을 정량화 하는데 목적을 두었다. 이와 더불어 Bayesian 모형 기반 Multi-Segmented 수위-유량 관계곡선(Bayesian M-S)을 활용하여 저 고수위를 분리할 수 있는 새로운 수위-유량 관계곡선을 개발하고 기존 수위-유량 관계곡선과 비교 분석을 실시하였다. 그 결과 본 연구에서 개발한 Bayesian M-S 기법이 기존 수위-유량 관계곡선식 보다 개선된 결과를 도출할 수 있었으며, 수위-유량 관계곡선식의 신뢰구간을 제시하는데 유리한 것을 확인할 수 있었다.

Abstract ▼ AI-Helper

A Rating curve is a regression equation of discharge versus stage for a given point on a stream where the stream discharge is measured across the stream channel with a stage and discharge measurement. The curve is generally used to calculate discharge based on the stage. However, the existing approach showed problems in terms of estimating uncertainty associated with regression parameters including the separation parameter for low and high flow. In this regard, this study aimed to develop a new method for the aforementioned problems based on Bayesian approach, which can better estimate the parameter and its uncertainty. In addition, this study used a Bayesian Multi-Segmented (Bayesian M-S) model which is provided a comparison between the existing and proposed scheme. The proposed model showed better results for the parameter estimation than the existing approach, and provided better performance in terms of estimating uncertainty range.

주제어

AI 본문요약
AI-Helper

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

문제 정의

즉, 단순한 구간분리를 통해 수위-유량 관계곡선을 작성하는 경우 자료 전체의 분산을 고려하지 못하는 단점과 더불어 분리된 곡선간의 불연속성이 발생하는 문제점이 있다. 따라서 본 연구에서는 수위-유량 관계곡선식 매개 변수에 하도 및 단면통제를 기준으로 사전분포를 부여하여 추정된 매개변수의 불확실성을 정량화하고, 이에 따른 수위-유량 관계곡선식에 불확실성을 제시하고자 한다. 본 연구는 Reitan and Petersen-Øverleir (2008)이 제시한 방법론을 근간으로 모형 개발이 이루어졌으며, Gibbs 샘플링 기반의 계층적 Bayesian 모형을 직접 개발하여 적용하였다.
이와 더불어 유량자료와 같이 정규분포를 따르지 않는 경우 기존 최소자승법에 근거한 매개변수 추정은 곡선식의 불확실성을 정량적으로 해석하는데 어려움이 따른다. 따라서 본 연구에서는 이러한 문제점을 극복하고자 Bayesian 모형 기반의 Multi-Segmented 기법을 개발하여 기존 수위-유량 관계곡선식의 저수위 및 고수위 구분 시 발생하는 문제 및 추정되는 유량의 신뢰성을 높이고자 새로운 수위-유량 관계 곡선 모형을 개발하였다. 즉, 일반적으로 회귀분석시 사용되는 최소자승법은 매개변수의 불확실성을 고려하지 못하는 단점이 존재하였는데, 본 연구에서는 Bayesian 기법을 도입함으로써 매개변수의 불확실성을 정량화하고, 추정되는 유량에 대한 불확실성 구간 또한 정량적으로 산정하고자 한다.
본 연구는 기존 수위-유량 관계곡선식 작성에 있어 상대적으로 연구가 미진했던 불확실성 평가를 개선하는데 목적이 있으며, 향후 수위-유량 측정 성과에 대한 신뢰성을 평가하는 활용이 가능할 것으로 판단된다.
이러한 이유로 본 연구에서는 기존 연구의 단점을 개선하고자 Bayesian Multi-Segmented (Bayesian M-S)기법을 개발하였다. 본 연구에서 제안하는 Bayesian M-S 기법은 기존 저수위와 고수위를 분리하는 문제를 해결하기 위해 하천의 물리적 특성을 기준으로 확률통계적으로 접근이 용이하게 수위-유량 관계 곡선 추정 방법을 개발하였다. 또한 Bayesian 기법을 도입함으로써, 기존 수위-유량 관계곡선식의 매개변수들에 대한 불확실성을 정량적으로 산정할 수 있는 장점이 있다.
본 연구에서는 Bayesian 모형을 수위-유량 관계곡선식에 적용시키기 위해서 적합도 평가를 통하여 유량자료에 대해서 대수정규분포를 적용하였다. 대수정규분포의 확률밀도함수 및 누가확률밀도 함수는 다음 Eq.
즉, 저수위와 고수위를 구분하는 기준이 명확하지 않아 수위-유량 관계곡선 작성시 다수의 반복작업과 더불어 분리구간에서 불연속적인 형태의 관계 곡선식이 유도되는 경우가 존재하였다. 본 연구에서는 이러한 점을 개선하고자 단면 및 하도통제를 기준으로 사전확률분 포를 부여하고 활용할 수 있는 Bayesian M-S 기법을 개발하였으며, 분리구간에 합리적 결정과 더불어 연속성을 가지는 수위-유량 관계곡선식 유도가 가능하였다.
(4)로부터 고정된 m의 구간이 가정된다 하더라도 기존의 최우도법(maximum likelihood) 기반의 매개변수 추정방법은 수위-유량 관계곡선 적합시에 상대적으로 적은 자료 개수로 인해 추정되는 매개변수의 신뢰성이 결여된다는 문제점이 있는 것으로 알려져 있다 (Petersen-Øverleir and Reitan, 2005). 이러한 문제점을 극복하고자 본 연구에서는 매개변수의 사후분포(posterior distribution) 추정이 가능한 Bayesian 모형을 기반으로 연구를 진행하고자 하며, 복합 특성을 가지는 수위-유량 관계 곡선식의 신뢰성을 개선하고자 한다.
이러한 이유로 본 연구에서는 기존 연구의 단점을 개선하고자 Bayesian Multi-Segmented (Bayesian M-S)기법을 개발하였다. 본 연구에서 제안하는 Bayesian M-S 기법은 기존 저수위와 고수위를 분리하는 문제를 해결하기 위해 하천의 물리적 특성을 기준으로 확률통계적으로 접근이 용이하게 수위-유량 관계 곡선 추정 방법을 개발하였다.
기존 수위-유량 관계곡선식에서도 신뢰구간을 제시해주고 있지만, 자료의 분포를 정규분포로 가정한 결과로서 유량자료의 실제 특성을 효과적으로 반영하지 못한다고 할 수 있다. 이러한 이유로 본 연구에서는 하천특성의 중요한 기초자료인 수위-유량 관계곡선을 개발하는데 있어 불확실성을 정량화하고 단면 및 하도통제 특성을 기준으로 저수위 및 고수위 분리가 가능한 확률통계학적 모형을 개발하여 기존 수위-유량 관계곡선의 문제점을 개선하는데 중점을 두고 연구를 진행하였다. 본 연구에서 도출한 결과는 다음과 같이 요약할 수 있다.
앞서 언급하였듯이 Bayesian 기법은 기존 최소자승법 및 최우도법과는 다르게 모든 매개변수에 확률분포를 부여하고 최종적으로 사후분포를 추정이 가능하기 때문에 매개변수의 불확실성을 객관적으로 정량화 할 수 있다. 즉, 본 절에서는 Bayesian GLM기법을 이용한 수위-유량 관계곡선식의 실제 활용성을 검토하기 위해 수위-유량 관측자료를 대상으로 기존 수위-유량 관계곡선식과 본 연구를 통해 개발된 수위-유량 관계곡선식을 비교 분석 하였다.

가설 설정

즉, α , βi , hi의 경우 양과 음의 값을 모두 가질 수 있도록 평균은 정규분포로 가정하였으며, α , βi , hi의 분산의 경우 항상 양의 값을 가져야 하는 특성을 고려하여 Gamma 분포로 가정하였다.

제안 방법

그림에서 볼 수 있듯이 각 매개변수 별 사후분포는 사전분포에 가정한 형태를 동일하게 따르는 것을 볼 수 있다. Table 3은 도출된 사후분포로부터 최종적으로 매개변수의 불확실성 범위를 나타내며, 매개변수별 2.5%, 50%, 97.5%의 Quantile을 추출하여 매개변수의 불확실성 구간을 정량적으로 산정하였다. 매개변수들의 사후분포를 보면 양(+)과 음(-)의 값이 교차하는 구간이 상대적으로 적은 것을 확인할 수 있으며, 이는 매개변수들이 통계적인 유의성을 가지고 있음을 의미한다.
즉, 우도함수가 이항분포를 따르는 경우 Beta 분포를 사전분포로 사용하게 되면 공액분포가 된다. 그러나 본 연구에서는 추정할 매개변수가 다수이고 모든 분포에 대해서 공액사전분포를 적용하기가 어렵기 때문에 비공액사전분포를 이용하여 사후분포를 추정하였다.
따라서 앞서 언급된 문제를 극복하기 위해 일반화된 최소자승법(generalized least square method), 가중최소자승법(weighted least square method) 등을 활용하는 방안이 제안되었으며(Seber and Wild, 1989), 수위-유량 관계곡선식의 매개변수를 추정하는데 있어서 비등분산적인 오차를 등분산적으로 변환할 수 있는 HMLE(heteroscedastic maximum likelihood estimation) 방법을 제안하고 이를 이용하여 수위-유량 관계곡선식의 매개변수를 추정한 결과를 비선형 회귀분석 결과와 비교함으로써 HMLE 방법의 우수성을 입증하였다(Reitan and Petersen-Øverleir, 2006).
이를 통해 수위-유량 관계곡선식 매개변수들의 사후분포를 추정하고, 매개변수의 최적화 수행 및 불확실성을 평가하였다. 또한 변동점 분석을 연동시켜 기존의 저수위와 고수위를 구분하는 방법을 개선하였다.
본 연구는 Reitan and Petersen-Øverleir (2008)이 제시한 방법론을 근간으로 모형 개발이 이루어졌으며, Gibbs 샘플링 기반의 계층적 Bayesian 모형을 직접 개발하여 적용하였다.
(17)의 경우 모든 매개변수에 대한 적분을 통해 직접적으로 추정하는 것은 불가능하여, 본 연구에서는 Markov Chain Monte Carlo (MCMC) 방법을 도입하여 매개변수들의 사후분포를 추정하였다. 본 연구에서는 MCMC 방법 중 깁스표본법을 활용하여 수위-유량 관계곡선식의 회귀매개변수들을 추정하였으며, 모형의 수렴상태를 검증하기 위해 3개의 Chain 을 독립적으로 시행하여 Sampling이 효과적으로 혼합(mixing) 할 수 있도록 모형을 개발하였다.
본 연구에서는 각 매개변수별로 5,000번 모의를 수행하였으며 최종적으로 수위-유량 관계곡선식의 매개변수 별 사후 분포를 도출하였다. Fig.
본 연구에서는 수위-유량 관계곡선식의 회귀매개변수에 대해서 특성을 고려하여 사전확률분포를 할당하여 연구를 진행 하였다. 즉, α , β_i, h_i의 경우 양과 음의 값을 모두 가질 수 있도록 평균은 정규분포로 가정하였으며, α , β_i , h_i의 분산의 경우 항상 양의 값을 가져야 하는 특성을 고려하여 Gamma 분포로 가정하였다.
본 연구에서는 앞서 언급하였듯이 Bayesian M-S 모형을 적용하여 수위-유량 관계곡선식을 개발하였으며, 분리구간 산정을 포함해서 연속적인 수위-유량 관계곡선식으로 추정이 가능하였다. 이는 앞서 도출한 매개변수 별 사후분포 값을 활용하여 수위-유량 관계곡선식에서 발생하는 불확실성을 정량적으로 산정하였으며, 도출된 결과는 Fig.
본 장에서는 기존 수위-유량 관계곡선식의 모형 설명 및 저·고수위의 변동점 분석이 고려된 Bayesian M-S 수위-유량 관계곡선의 이론적인 배경을 수록하였다.
이러한 점에서 본 연구에서는 매개 변수 및 수위-유량 관계의 불확실성을 고려하기 위해 본 연구에서는 Bayesian M-S 기법을 적용하였다. 이를 통해 수위-유량 관계곡선식 매개변수들의 사후분포를 추정하고, 매개변수의 최적화 수행 및 불확실성을 평가하였다. 또한 변동점 분석을 연동시켜 기존의 저수위와 고수위를 구분하는 방법을 개선하였다.
이는 상대적으로 작은 범위 내에서 반복수행을 통해 모형오차가 최소가 되는 구간을 찾는 과정에서 나타나는 문제로 판단된다. 이에 반해 본 연구에서 제안한 방법의 경우 하도 및 단면 통제가 예상되는 변동구간을 사전분포로 할당하고 수위-유량 관계로부터 확률통계적으로 재현가능성이 가장 큰 상태 즉, 우도가 최대가 되도록 모형을 최적화하는 과정이 수행된다. 이를 통하여 수위-유량 관계곡선의 최적 매개변수의 추정과 더불어 불확실성을 동시에 정량화가 가능한 장점을 확인할 수 있었다.
따라서 본 연구에서는 이러한 문제점을 극복하고자 Bayesian 모형 기반의 Multi-Segmented 기법을 개발하여 기존 수위-유량 관계곡선식의 저수위 및 고수위 구분 시 발생하는 문제 및 추정되는 유량의 신뢰성을 높이고자 새로운 수위-유량 관계 곡선 모형을 개발하였다. 즉, 일반적으로 회귀분석시 사용되는 최소자승법은 매개변수의 불확실성을 고려하지 못하는 단점이 존재하였는데, 본 연구에서는 Bayesian 기법을 도입함으로써 매개변수의 불확실성을 정량화하고, 추정되는 유량에 대한 불확실성 구간 또한 정량적으로 산정하고자 한다.
최종적으로 Bayesian 회귀분석을 이용한 수위-유량 관계 곡선의 실제 활용성을 검토하기 위해 섬진강권역의 관촌 수위 관측소의 실측된 수위, 유량 관측자료를 대상으로 기존에 개발된 수위-유량 관계곡선식과 본 연구를 통해 개발된 Bayesian M-S곡선식을 비교분석하였으며, 사용된 매개변수는 Eq. (18)에서 사용된 일반적인 멱함수 형태의 다중구간 수위-유량 관계곡선을 이용하였다.

대상 데이터

본 연구에서는 Bayesian M-S 수위-유량 관계곡선의 검증을 위해 전라북도 유역 내 관촌 수위관측소를 대상으로 연구를 진행하였다. 본 장에서는 기존 수위-유량 관계곡선식의 모형 설명 및 저·고수위의 변동점 분석이 고려된 Bayesian M-S 수위-유량 관계곡선의 이론적인 배경을 수록하였다.
유역의 최남단은 북위 34°4 0′26″, 최북단은 북위 35°50′00″이며, 최동단은 동경 127°53′05″, 최서단은 동경 126°51′50″이다. 본 연구에서는 섬진강 유역 내 관촌 수위관측소를 대상으로 연구를 진행하였다. Fig.

이론/모형

Eq. (17)의 경우 모든 매개변수에 대한 적분을 통해 직접적으로 추정하는 것은 불가능하여, 본 연구에서는 Markov Chain Monte Carlo (MCMC) 방법을 도입하여 매개변수들의 사후분포를 추정하였다. 본 연구에서는 MCMC 방법 중 깁스표본법을 활용하여 수위-유량 관계곡선식의 회귀매개변수들을 추정하였으며, 모형의 수렴상태를 검증하기 위해 3개의 Chain 을 독립적으로 시행하여 Sampling이 효과적으로 혼합(mixing) 할 수 있도록 모형을 개발하였다.
최종적으로 Bayesian 회귀분석을 이용한 수위-유량 관계 곡선의 실제 활용성을 검토하기 위해 섬진강권역의 관촌 수위 관측소의 실측된 수위, 유량 관측자료를 대상으로 기존에 개발된 수위-유량 관계곡선식과 본 연구를 통해 개발된 Bayesian M-S곡선식을 비교분석하였으며, 사용된 매개변수는 Eq. (18)에서 사용된 일반적인 멱함수 형태의 다중구간 수위-유량 관계곡선을 이용하였다.
또한 Bayesian 기법을 도입함으로써, 기존 수위-유량 관계곡선식의 매개변수들에 대한 불확실성을 정량적으로 산정할 수 있는 장점이 있다. 본 연구에서는 전라북도 섬진강 유역 내 관촌 유역을 연구 대상 유역으로 선정하여 Bayesian M-S 모형을 적용한 수위-유량 관계곡선 모형을 적용하였다. 본 연구의 구성은 다음과 같다.
이때 저수위와 고수위를 나누는 데에 있어 하도 및 단면특성을 고려되고 있으나 최소자승법을 근간으로 반복시행을 통해 최적 분리구간을 추정하며, 불연속적 곡선식으로 추정이 이루어지는 등 분리구간 선정 및 매개변수 추정에 대한 불확실성 평가는 고려되지 않고 있다. 이러한 점에서 본 연구에서는 매개 변수 및 수위-유량 관계의 불확실성을 고려하기 위해 본 연구에서는 Bayesian M-S 기법을 적용하였다. 이를 통해 수위-유량 관계곡선식 매개변수들의 사후분포를 추정하고, 매개변수의 최적화 수행 및 불확실성을 평가하였다.

성능/효과

이러한 점에서 기존 최소자승법에 근거한 수위-유량관계곡선의 경우와 큰 차이를 나타내지 않은 것으로 판단된다. 그러나 본 연구에서 제시된 방법론의 신뢰성 있는 매개 변수 추정과 더불어 가장 큰 장점은 불확실성을 정량화 할 수있다는 점에서 기존 방법론과 차별성을 갖는다 할 수 있다.
이 기준은 무차원양으로서 자료의 개수에 관계없이 절대적 평가기준이 될 수 있다. 기본 통계치를 비교한 결과 기존 방법과 큰 차이는 없지만 대부분의 지표에서 다소 개선된 결과를 도출해 주고 있는 것을 확인 할 수 있었다. 모형의 잔차에 대해서 이등분산성(heteroscedasticity)을 유무를 White Test (White, 1980)를 통해 검토한 결과 유의수준 5%에서 통계적으로 유의하지 않는 것을 확인할 수 있었으며, 잔차의 자기상관성도 통계적으로 유의하지 않는 것으로 평가되었다.
그림에서 살펴 볼 수 있듯이 기존 수위-유량 곡선의 경우에도 관측 자료와 매우 유사한 거동을 하는 것을 확인할 수 있었다. 다만 본 연구의 경우 상대적으로 자료가 부족한 고유량 부분에서도 불확실성을 정량적으로 표현할 수 있는 장점을 확인할 수 있었다. 이와 더불어 기존 수위-유량 관계곡선 작성 시 분리구간을 설정하고 여러 번 반복시행을 통해 최적의 수위-유량 곡선을 작성하는 번거로움이 존재하며, 신뢰성이 다소 결여되는 문제가 있다.
둘째, 본 연구에서는 Bayesian 기법을 기반으로 기존 수위-유량 관계곡선 모형을 개발하였으며, 수위-유량 관계곡선식의 모든 매개변수의 사후분포를 정량적으로 유도할 수 있었다. 또한 추정되는 유량에 대한 불확실성 구간을 사후분포로부터 정량적으로 추정할 수 있는 장점을 확인할 수 있었다.
둘째, 본 연구에서는 Bayesian 기법을 기반으로 기존 수위-유량 관계곡선 모형을 개발하였으며, 수위-유량 관계곡선식의 모든 매개변수의 사후분포를 정량적으로 유도할 수 있었다. 또한 추정되는 유량에 대한 불확실성 구간을 사후분포로부터 정량적으로 추정할 수 있는 장점을 확인할 수 있었다.
5%의 Quantile을 추출하여 매개변수의 불확실성 구간을 정량적으로 산정하였다. 매개변수들의 사후분포를 보면 양(+)과 음(-)의 값이 교차하는 구간이 상대적으로 적은 것을 확인할 수 있으며, 이는 매개변수들이 통계적인 유의성을 가지고 있음을 의미한다.
기본 통계치를 비교한 결과 기존 방법과 큰 차이는 없지만 대부분의 지표에서 다소 개선된 결과를 도출해 주고 있는 것을 확인 할 수 있었다. 모형의 잔차에 대해서 이등분산성(heteroscedasticity)을 유무를 White Test (White, 1980)를 통해 검토한 결과 유의수준 5%에서 통계적으로 유의하지 않는 것을 확인할 수 있었으며, 잔차의 자기상관성도 통계적으로 유의하지 않는 것으로 평가되었다. 이러한 점에서 기존 최소자승법에 근거한 수위-유량관계곡선의 경우와 큰 차이를 나타내지 않은 것으로 판단된다.
4와 같다. 본 연구에서 개발된 Bayesian M-S 모형의 경우 저수위와 고수위가 구분되는 변곡점을 Bayesian 모형 내에서 추정할 수 있었으며, 추정되는 유량의 불확실성 구간을 정량적으로 제시할 수 있는 장점을 확인 할 수 있었다. 그림에서 살펴 볼 수 있듯이 수위-유량 관계곡선식의 경우 고수위로 갈수록 추정되는 유량값의 불확실성이 크게 증가하는 것을 확인할 수 있다.
이를 통하여 수위-유량 관계곡선의 최적 매개변수의 추정과 더불어 불확실성을 동시에 정량화가 가능한 장점을 확인할 수 있었다. 본 연구에서 개발한 Bayesian M-S 모형으로 산정된 중간값의 경우 기존 수위-유량 관계곡선식과 유사한 결과를 도출 할 수 있었으나, 불확실성 정량화 측면에서 매우 우수한 결과를 확인할 수 있었으며, 불확실성 범위내에 수위-유량 관측자료가 대부분 위치하고 있는 것도 확인할 수 있었다. 이와 더불어 수위-유량 관계곡선식으로 추정된 유량과 관측유량과의 적합성을 통계적 지표로 평가하여 다음 Table 4에 나타내었다.
이에 반해 본 연구에서 제안한 방법의 경우 하도 및 단면 통제가 예상되는 변동구간을 사전분포로 할당하고 수위-유량 관계로부터 확률통계적으로 재현가능성이 가장 큰 상태 즉, 우도가 최대가 되도록 모형을 최적화하는 과정이 수행된다. 이를 통하여 수위-유량 관계곡선의 최적 매개변수의 추정과 더불어 불확실성을 동시에 정량화가 가능한 장점을 확인할 수 있었다. 본 연구에서 개발한 Bayesian M-S 모형으로 산정된 중간값의 경우 기존 수위-유량 관계곡선식과 유사한 결과를 도출 할 수 있었으나, 불확실성 정량화 측면에서 매우 우수한 결과를 확인할 수 있었으며, 불확실성 범위내에 수위-유량 관측자료가 대부분 위치하고 있는 것도 확인할 수 있었다.
첫째, 기존 수위-유량 관계곡선식 산정시 저수위 및 고수위를 분리하는데 있어 단면 및 하도통제 특성을 기준으로 시행착오적 방법에 의해 결정되었다. 즉, 저수위와 고수위를 구분하는 기준이 명확하지 않아 수위-유량 관계곡선 작성시 다수의 반복작업과 더불어 분리구간에서 불연속적인 형태의 관계 곡선식이 유도되는 경우가 존재하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수위-유량 관계곡선식을 도출하여 유량을 간접적으로 산정하는 이유는 무엇인가?	하천의 시간과 그에 따른 유량을 알기 위해서는 지속적으로 수위와 유량측정을 수행하여야 하지만, 이를 정기적으로 수위와 유량을 계측하는 것은 기술적 및 경제적으로 매우 어려운 실정이다. 이러한 이유로 측정된 하천수위와 유량 자료를 활용하여 수위-유량 관계곡선식을 도출하고, 해당 식을 활용하여 특정 수위에 대한 유량을 간접적으로 산정하고 있다.
	수위-유량 관계곡선이란 무엇인가?	수위-유량 관계곡선(rating curve)은 수위표에서 관측된 수위 및 유량을 이용하여 만들어진 회귀분석식을 의미하며, 하천의 수위를 유량으로 환산하는 방법으로 일반적으로 활용되고 있다. 그러나 수위-유량 관계곡선식에서 저수위와 고수위와 분리 및 매개변수 추정에 있어 불확실성을 고려한 해석은 이루어지지 않고 있다.
	하천유량 자료는 어떤 목적으로 사용되는가?	하천유량(streamflow)이란 하천의 특정 지점을 흐르는 물의 양을 의미하며, 유량 일수에 따라 갈수량, 평수량, 풍수량 등으로 나뉘어 하천구조물의 설계 및 수자원 계획 수립을 위한 기초자료로서 활용된다. 이러한 하천유량 자료는 강우량 자료와 함께 수문설계에서 중요한 수문자료로서 사용되고 있으며 정확한 수문모형을 구축하는데 있어 필수적으로 요구되는 자료이다. 최근 선진국을 중심으로 새로운 수문 모형의 개발과 정확한 수문자료 취득 및 활용 측면에서 중요성이 강조 되고 있다(Li et al.

참고문헌 (20)

Block, P.J., Filho, F.A.S., and Kwon, H.-H. (2009). "A Streamflow Forecasting Framework using Multiple Climate and Hydrological Models." Journal of The American Water Resources Association, Vol. 45, No. 4, pp. 828-843.

상세보기
Kim, J.-Y., Kwon, H.-H., and Lim, J.-Y. (2014). "Development of Hierarchical Bayesian Spatial Regional Frequency Analysis Model Considering Geographical Characteristics." Journal of Korea Water Resources Association, KWRA, Vol. 47, No. 5, pp. 469-482.

원문보기 상세보기
Kim, S.U., and Lee,. K.S. (2008). "Identification of Uncertainty in Fitting Rating Curve with Bayesian Regression." Journal of Korea Water Resources Association, KWRA, Vol. 41, No. 9, pp. 943-958.

원문보기 상세보기
Kwon, H.-H., Filho, F., Block, P., Sun, L., Lall, U., and Reis Jr, D. S. (2012a). "Uncertainty Assessment of Hydrologic and Climate Forecast Models in Northeatern Brazil." Hydrological Processes, Vol. 26, pp. 3875-3885.

상세보기
Kwon, H.-H., Kim, J.-G., Lee, J.S., and Na, B.-K. (2012b). "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., 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 of Civil Engineer, Vol. 28 No. 4B, pp. 363-467.
Lee, W.S., Kim, S.U., Chung, E.-S., and Lee, K.S. (2008). "Improvement of Rating Curve Fitting Considering Variance Function with Pseudo-likelihood Estimation." Journal of Korea Water Resources Association, KWRA, Vol. 41, No. 8, pp. 807-823.

원문보기 상세보기
Li, P.-H., Kwon, H.-H., Sun, L., Lall, U., and Kao, J.-J. (2010). "A Modified Support Vector Machine based Prediction Model on Streamflow at the Shihmen Reservoir, Taiwan." International Journal of Climatology, Vol. 30, pp. 1256-1268.

상세보기
Ministry of Land, Infrastructure and Transport. (2010). "Korea Annual hydrological report."
Ministry of Land, Infrastructure and Transport. (2011). "Korea Annual hydrological report."
Ministry of Land, Infrastructure and Transport. (2012). "Korea Annual hydrological report."
Nash, J.E., and Sutcliffe, J.V. (1970). "River Flow Forecasting through Conceptual Models Part I-A Discussion of Principles." Journal of Hydrology, Vol. 10, pp. 282-290.

상세보기
Petersen-Overleir, A. (2005). "A Hydraulics Perspective on the Power-law Stage-discharge Rating Curve." NVE report 05-05, Norwegian Water Resources and Energy Directorate, pp. 28.
Petersen-Overleir, A. and Reitan, T. (2005) "Objective Segmentation in Compound Rating Curves." Journal of Hydrology, Vol. 311, Issues 1-4, pp. 188-201.

상세보기
Reitan, T., and Petersen-Overleir, A. (2006). "Existence of the Frequentistic Regression Estimate of a Power-law with a Location Parameter, with Applications for Making Discharge Rating Curves." Stoch. Environ. Res. Risk Asses/, Vol. 20, No. 6, pp. 445-453.

상세보기
Reitan, T., and Petersen-Overleir, A. (2008). "Bayesian methods for estimating multi-segment discharge rating curves", Stochastic Environmental Research and Risk Assessment, Vol. 23, No. 5, pp. 627-642.
Seber, G.A.F., and Wild, C.J. (1989). "Nonlinear Regression." New York: John Wiley and Sons.
White, H. (1980). "A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity." Econometrica, Vol. 48, No. 4, pp. 817-838.

상세보기
Xu, K., Brown, C., Kwon, H.-H., Lall, U., Zhang, J., Hayashi, S., and Chen, Z. (2007). "Climate Teleconnections to Yangtze River Seasonal Steamflow at the Three Gorges Dam, China." International Journal of Climatology, Vol. 27, pp. 771-780.

상세보기
Yoon, Y.N. (2007). "Hydrology - Basics and Application." CheongMoonGak

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