$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

베이지안 기법 기반의 댐 예측유입량 산정기법 개발 및 평가
Development and evaluation of dam inflow prediction method based on Bayesian method 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.50 no.7, 2017년, pp.489 - 502  

김선호 (세종대학교 건설환경공학과) ,  소재민 (세종대학교 건설환경공학과) ,  강신욱 (한국수자원공사 국가가뭄정보분석센터) ,  배덕효 (세종대학교 건설환경공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 충주댐 유역에 대해 다목적 댐 예측유입량 산정기법 BAYES-ESP를 개발하고 평가하였다. BAYES-ESP 기법은 기존 ESP (Ensemble Streamflow Prediction) 기법베이지안 이론을 적용하여 개발하였으며, 수문모델은 ABCD를 활용하였다. 입력자료는 기온, 강수량 자료와 댐 관측유입량 자료를 활용하였으며, 기온 및 강수량은 기상청, 국토교통부, 한국수자원공사의 지점관측자료, 댐 관측유입량은 한국수자원공사의 자료를 이용하였다. 적용성 평가방법은 시계열 분석과 Skill Score를 활용하였으며, 평가기간은 1986~2015년이다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)는 매년 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. BAYES-ESP 댐 예측유입량(BAYES-ESP)는 ESP가 관측유입량에 비해 과소모의하는 경향을 보정하였으며, 특히 다우년에 개선효과가 있는 것으로 나타났다. 월별 평균 댐 관측유입량과의 Skill Score 비교분석결과 ESP는 1~3월에 SS가 비교적 높은 값을 보였으며, 나머지 월에는 음의 값을 나타내었다. BAYES-ESP는 ESP와 관측 값 간의 선형적 관계를 갖는 1~3월에 ESP의 정확도를 향상시키는 것으로 나타났다. ESP 기법은 국내 강수특성상 우리나라에 적용하기에는 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측연구에 가치가 있다고 판단된다.

Abstract AI-Helper 아이콘AI-Helper

The objective of this study is to propose and evaluate the BAYES-ESP, which is a dam inflow prediction method based on Ensemble Streamflow Prediction method (ESP) and Bayesian theory. ABCD rainfall-runoff model was used to predict monthly dam inflow. Monthly meteorological data collected from KMA, M...

주제어

질의응답

핵심어 질문 논문에서 추출한 답변
ESP 기법이 가지는 한계점은 무엇인가? 국내의 장기적인 댐 유입량 예측 기법은 ESP (Ensemble Streamflow Prediction) 기법을 활용하고 있다. 과거 기상자료와 수문모델을 활용하여 미래 댐 유입량을 예측하는 ESP 기법은 기상자료, 초기수문조건(Initial Hydrologic Condition, IHC), 매개변수 등에 불확실성을 가지고 있다(Hay et al., 2009; Kang et al.
베이지안 이론을 활용한 확률분포의 결정의 사전분포은 어떤 방법이 있는가? 베이지안 이론을 활용하여 수문예측을 할 때 이러한 확률 값들은 확률분포의 형태로 표현할 수 있으며, 확률분포의 결정에는 공액 사전분포(conjugate priori distribution)과 비공액 사전분포(non-conguate priori distribution)을 활용한다. 공액 사전분포는 계산의 편의성을 위해 사전분포와 사후분포를 동일한 확률분포로 활용하는 방법이며, 비공액 사전분포는 공액분포의 추정이 어려울 경우 활용하는 방법이다(Kim, 2013). 본 연구에서는 공액 사전분포를 활용하여 사전분포를 추정하였으며, 분포형으로 평균과 분산을 모수로 취하는 정규분포를 활용하였다.
ESP 기법은 어떤 기법인가? 본 연구에서는 다목적 댐의 월 단위 수문전망 방법으로 미국 기상청(National Weather Service, NWS)에서 개발한 ESP 기법을 활용하였다(Fread, 1998). ESP 기법은 과거의 기상현상이 미래에 재현될 수 있다는 전제하에 예측시점의 수문상태    (IHC)와 과거 기상자료를 강우-유출모델을 통해 결합하여 미래의 수문을 예측하는 경험적 장기수문예측기법이다. 즉, 예측시점의 수문상태인 IHC와 미래에 발생할 가능성이 있는 모든 기상시나리오를 활용하여 강우-유출모델으로부터 다수의 수문시나리오를 산정하고, 그 대푯값을 미래 수문 예측값으로 활용한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (24)

  1. Bradley, A. A., Habib, M., and Schwartz, S. S. (2016). "Climate index weighting of ensemble streamflow forecasts using a simple Bayesian approach." Water Resources Reserach, Vol. 51, pp. 7382-7400. 

  2. Coelho, C. A. S., Pezzulli, S., Balmaseda, M., Doblas-Reyes, E. J., and Stephenson, D. B. (2004). "Forecast calibration and combination: a simple Bayesian approach for ENSO." Journal of Climate, Vol. 17, pp. 1504-1516. 

  3. DeChant, C. M., and Moradkhani, H. (2011). "Improving the characterization of initial condition for ensemble streamflow prediction using data assimiliation." Hydrology and Earth System Science, Vol. 15, pp. 3399-3410. 

  4. Duan, Q., Sorooshian, S., and Gupta, V. K. (1992). "Effective and efficient global optimization for conceptual rainfall-runoff models." Water Resources Research, Vol. 28, No. 4, pp. 1015-1031. 

  5. Fang, L., Qing-Cun, Z., and Chao-Fan, L. I. (2009). "A Bayesian scheme for probabilistic multi-model ensemble prediction of summer rainfall over the Yangtze river valley." Atmospheric and Oceanic Science Letters, Vol. 2, No. 5, pp. 314-319. 

  6. Fread, P. L. (1998). "A perspective on hydrologic prediction trends. symposium on hydrology." American Meteorologic Society, Phoenix, Arizona, pp. J1-J6. 

  7. Harrison, B., and Bales, R. (2015). "Skill assessment of water supply outlooks in the Colorado river basin." Hydrology, Vol. 2, No. 3, pp. 112-131. 

  8. Hay, L. E., McCabe, G. J., Clark, M. P., and Risley, J. C. (2009). "Reducing streamflow forcast uncertainty: application and qualitative assessment of the upper Klamath river basin, Oregon." Journal of the American Water Resources Assocication, Vol. 45, No. 3, pp. 580-596. 

  9. Hwang, J. S. (2005). Investigating applicability of monthly water balance models for climate change impact assessments. Master D. dissertation, Seoul National University, Seoul, Korea. 

  10. Kang, M. S., Yu, M. S., and Yi, J. E. (2014). "Prediction of Andong reservoir inflow using ensemble technique." Journal of the Korean Society of Civil Engineers, Vol. 34, No. 3, pp. 795-804. 

  11. Kim, D. H. (2013). Bayesian Statistics using R and WinBUGS. Freeacademy, pp.101-144. 

  12. Kim, H. S., Kim, H. S., Jeon, G. I., and Kang, S. W. (2016). "Assessment of 2014-2015 drought events." Journal of Korea Water Resoureces, Vol. 49, No. 7, pp. 61-75. 

  13. Kim, W. S., Yoon, Y. N., and Choi, Y. B. (1991). "A study on the application of Thomas monthly runoff prediction model for ungauged watershed." Journal of Korea Water Resources Association, Vol. 24, No. 4. pp. 85-91. 

  14. Korea Institute of Construction Technology (2011). Water vision 2020, Goyang, Korea. 

  15. K-water (2017). Drought information analysis improvement and development direction. Report, K-water, Daejeon, Korea. 

  16. Lee, J. H., and Kim, C. J. (2012). "A multimodel assessment of climate change effect on the drought severity-duration-frequency relationship." Hydrological Process, Vol. 27, No.19, pp. 2800-2813. 

  17. Li, W., and Sankarasubramanian, A. (2012). "Reducing hydrologic model uncertainty in monthly streamflow predictions using multimodel combination." Water Resources Research, Vol. 48, doi: 10.1029/2011WR011380. 

  18. Luo, L., Wood, E. F., and Pan, M. (2007). "Bayesian merging of multiple climate model forecasts for seasonal hydrological predictions." Journal of Geophysical Research, Vol. 112, doi: 10.1029/2006JD007655. 

  19. Martinez, G. F., and Gupta, H. V. (2010). "Toward improved identification of hydrlogical models: a diagnostic evaluation of the "abcd" monthly water balance model for the conterminous United States." Water Resources Research, AGU, Vol. 46, No. 8, doi: 10.1029/2009WR008294. 

  20. Najafi, M. R., Moradkhani, H., and Piechota, Y. C. (2012). "Ensemble streamflow prediction: climate signal weighting methods vs. climate forecast system reanalysis." Journal of Hydrology, Vol. 442-443, pp.105-116. 

  21. National Emergency Management Agency (NEMA) (2013). Establishment of national drought disaster information system. Sejong, Korea. 

  22. Son, K. H. (2015). Enhancement of hydrological drought outllok accuracy using Bayesian method and their real-time prediction applicability. Ph. D. dissertation, Sejong University, Seoul, Korea. 

  23. Tang, Q., and Lettenmaier, D. P. (2010). "Use of satellite snow-cover data for streamflow prediction in the Feather river basin, California." International Journal of Remote Sensing, Vol. 31, pp. 3745-3762. 

  24. Thomas, H. A. (1981). Improved methods for national water assessment. Report, United States Water Resources Council, Washington, D.C. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로