[논문]조도계수와 유량의 불확실성을 고려한 청미천 유역의 홍수위 해석

신샛별; 박지훈; 송정헌; 강문성

doi:10.3741/jkwra.2017.50.10.661

조도계수와 유량의 불확실성을 고려한 청미천 유역의 홍수위 해석
Flood stage analysis considering the uncertainty of roughness coefficients and discharge for Cheongmicheon watershed 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.50 no.10, 2017년, pp.661 - 671

신샛별 (서울대학교 생태조경.지역시스템공학부) , 박지훈 (APEC 기후센터 응용사업본부) , 송정헌 (서울대학교 농업생명과학연구원) , 강문성 (서울대학교 농업생명과학연구원)

초록
AI-Helper

본 연구의 목적은 하천의 조도계수와 유량의 불확실성을 고려하여, 부정류 흐름에서 홍수위 해석에 미치는 영향을 정량적으로 분석하는 데 있다. 본 연구에서는 GLUE (Generalized Likelihood Uncertainty Estimation) 기법을 적용하여 조도계수와 유량의 불확실성이 홍수위 해석에 미치는 영향을 분석하고, 강우사상의 크기와 불확실성과의 관계를 분석하였다. 조도계수의 불확실성은 하천기본계획을 참고하여 0.025~0.040의 범위에서 분석하였다. 유량의 불확실성은 수위 h일 때의 유량을 Q라고 할 때, $Q=A(h-B)^C$로 표현되는 수위-유량관계식의 회귀계수 A, B, C를 통해 분석하였다. 수위-유량관계식의 회귀계수를 비선형 회귀분석을 통해 추정하였으며, 회귀계수는 t 분포를 가정하여 95% 신뢰도로 상한과 하한의 범위를 산정하였다. 산정된 회귀계수의 범위는 A는 5.138~18.442, B는 -0.524~0.104, C는 2.427~2.924로 산정되었다. 범위 내에서 10,000개의 매개변수 세트를 추출하여 HEC-RAS (Hydrologic Engineering Center's River Analysis System)에 적용하여 Monte Carlo 모의를 수행하였다. 강우사상 1~3에서 모의된 홍수위의 95% 신뢰구간의 평균적인 범위는 각각 0.39 m, 0.83 m, 0.96 m이며, 첨두 홍수위가 발생했을 때의 범위는 각각 0.52 m, 1.36 m, 1.75 m로 산정되었다. 또한 이천관측소의 1986~2015년의 일 강우에 대한 빈도해석을 수행하였으며, 수행 결과 GEV (Generalized Extreme Vlaue) 분포일 때 강우사상 1~3의 재현기간은 각각 1년, 10년, 25년 빈도에 해당되었다. 본 연구를 통해 강우사상의 크기와 불확실성의 관계를 분석하였으며, 향후 다양한 강우사상에 적용하여 검증한다면 홍수위의 불확실성을 예측하여, 하천관리 등을 위한 구조물의 계획 및 설계 시 의사 결정에 실질적인 도움이 될 수 있을 것으로 사료된다.

Abstract ▼ AI-Helper

The objective of this study was to analyze the flood stage considering the uncertainty caused by the river roughness coefficients and discharge. The methodology of this study involved the GLUE (Generalized Likelihood Uncertainty Estimation) to quantify the uncertainty bounds applying three different storm events. The uncertainty range of the roughness was 0.025~0.040. In case of discharge, the uncertainty stemmed from parameters in stage-discharge rating curve, if h represents stage for discharge Q, which can be written as $Q=A(h-B)^C$. Parameters in rating curve (A, B and C) were estimated by non-linear regression model and assumed by t distribution. The range of parameters in rating curve was 5.138~18.442 for A, -0.524~0.104 for B and 2.427~2.924 for C. By sampling 10,000 parameter sets, Monte Carlo simulations were performed. The simulated stage value was represented by 95% confidence interval. In storm event 1~3, the average bound was 0.39 m, 0.83 m and 0.96 m, respectively. The peak bound was 0.52 m, 1.36 m and 1.75 m, respectively. The recurrence year of each storm event applying the frequency analysis was 1-year, 10-year and 25-year, respectively.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 부정류 흐름조건으로 시간에 따른 홍수위 변화를 모의하였다. HEC-RAS의 입력 자료는 수문자료와 지형자료가 있으며, 출력 자료는 각 단면에서의 유량, 유속, 수위 등이다.
이에 본 연구에서는 하천의 조도계수와 유량의 불확실성을 고려하여, 부정류 흐름에서 홍수위 해석에 미치는 영향을 정량적으로 분석하는 데 있다. 홍수위의 불확실성을 분석하기 위해, 조도계수와 수위-유량관계식의 불확실성 범위를 추정하고, GLUE 기법을 이용하여 모형의 매개변수 불확실성을 고려한 홍수위의 범위를 산정하고, 강우사상의 크기에 따른 홍수위의 불확실성의 범위를 정량화하고자 한다.

가설 설정

, 2008; Kim and Lee, 2008b). 따라서 본 연구에서는 흐름이 0이 되는 유효수위 또한 불확실성을 가지는 것으로 가정하여, 비선형 회귀분석을 수행하였다. 회귀계수는 t 분포를 따른다고 가정하였으며, 불확실성 범위는 95% 신뢰구간의 범위로 나타내었다.
매개변수는 사전에 가정한 확률분포로부터 추출되며, 대부분의 경우 매개변수가 어떠한 확률 분포를 가지는지 모르기 때문에 균등하게 분포한다고 가정한다(Beven and Binley, 1992). 본 연구에서는 조도계수와 유량의 불확실성을 분석하기 위해 조도계수와 수위-유량관계식의 회귀계수를 매개변수로 선정하였으며, 10,000개의 매개변수 세트를 추출하였다.
장호원 지점의 유량수문곡선은 기수립된 수위-유량관계 식을 통해 산정된 유량 자료를 이용하였다. 원부 지점의 측방 유입수문곡선은 유량의 불확실성을 분석하기 위해 본 연구에서 생성한 수위-유량관계곡선으로 모의된 유량과 장호원 지점의 유량의 차이를 측방유입으로 가정하였다.
이천관측소의 1986~2015년까지의 연 최대치 계열의 지속 시간 24시간의 강우에 대한 빈도해석을 수행하였다. 일강우 사상의 분포형은 극치사상의 분석에 자주 사용되는 GEV (Generalized Extreme Value) 분포로 가정하였다. 분포의 적합도 검정 수행결과 Kolmogorov-Smirnov 검정, Anderson- Darling 검정, Chi-Squared 검정에서 모두 적합한 것으로 나타났다.
따라서 본 연구에서는 흐름이 0이 되는 유효수위 또한 불확실성을 가지는 것으로 가정하여, 비선형 회귀분석을 수행하였다. 회귀계수는 t 분포를 따른다고 가정하였으며, 불확실성 범위는 95% 신뢰구간의 범위로 나타내었다.

제안 방법

3) 이천관측소의 1986~2015년의 연 최대치 계열, 지속시간 24시간 강우에 대한 빈도해석을 수행하였다. GEV 분포일 때 강우사상 1~3의 재현기간은 각각 1년, 10년, 25년 빈도에 해당하는 것으로 나타났다.
4) 본 연구를 통해 조도계수와 유량의 불확실성이 홍수위 해석에 미치는 영향을 정량적으로 분석하였다. 또한 강우사상의 크기와 불확실성의 관계를 분석하였으며, 향후 다양한 강우사상에 적용하여 검증한다면 대규모의 강우사상에서의 홍수위 불확실성 예측 또한 가능할 것으로 사료된다.
GLUE 수행에 앞서, 조도계수와 유량의 변화가 모의 결과에 미치는 정도를 정량적으로 나타내기 위해 민감도 분석을 수행하였다. Fig.
각 강우사상 별로 추정된 조도계수와 수위-유량관계식의 회귀계수 A, B, C의 범위 내에서 10,000개의 매개변수 세트를 추출하고, HEC-RAS에 적용하여 Monte Carlo 모의를 수행하였다. 모의결과를 오름차순으로 정렬한 후 각각의 가중치를 누적하여 하나의 시간 간격에 대한 홍수위의 누적분포함수를 도출하였다.
강우사상 1의 수문곡선을 상· 하류의 경계조건으로 입력하였으며, 모의결과는 첨두 홍수위의 값을 비교하여 상대 민감도 및 민감도 지수를 산정하였다.
기 수립된 수위-유량관계식은 특정 기간 및 수위에 따라 달라지며, 고수위, 중수위, 저수위 관계식으로 나누어 적용된다. 따라서 각 강우사상별로 수문조사연보를 통해 해당 시기 및 특정 수위 조건에 따른 수위-유량관계식 을 수집하였으며, 하나의 실선으로 나타내었다. Fig.
HEC-RAS 시뮬레이션 과정에서는 추출 한 매개변수 세트를 통해 실제 모형의 구동을 위한 입력 자료를 생성하고, 모형을 구동하여 홍수위 데이터를 출력하였다. 마지막으로 GLUE 해석 과정에서는 모형의 구동 결과인 홍수위 추정치와 실측치를 비교하여 우도함수를 생성하고, 임계치 및 가중치를 계산한 후 최종적으로 홍수위의 불확실성 구간을 제시하였다.
먼저, 수문자료 구축을 위해 HEC-RAS에서 각 강우사상별로 부정류를 모의하기 위한 경계조건으로 상·하류단의 수문 곡선을 입력하였으며, 수위 관측소의 위치를 기준으로 하였다.
각 강우사상 별로 추정된 조도계수와 수위-유량관계식의 회귀계수 A, B, C의 범위 내에서 10,000개의 매개변수 세트를 추출하고, HEC-RAS에 적용하여 Monte Carlo 모의를 수행하였다. 모의결과를 오름차순으로 정렬한 후 각각의 가중치를 누적하여 하나의 시간 간격에 대한 홍수위의 누적분포함수를 도출하였다. 아래의 Fig.
본 연구에서 추정한 수위-유량관계식의 불확실성 범위가 적절한 것인지 검증하기 위해 실제 강우사상 1~3이 발생했던 시기의 실측 수위 및 기 수립된 수위-유량관계식을 적용한 결과와 함께 비교하였다. 기 수립된 수위-유량관계식은 특정 기간 및 수위에 따라 달라지며, 고수위, 중수위, 저수위 관계식으로 나누어 적용된다.
NSE의 범위는 -∞~1의 값을 가지며, 1에 가까울수록 모의결과와 실측치가 가까운 것을 의미한다(Nash and Sutcliffe, 1970). 본 연구에서는 NSE가 -1 과 1 사이의 값을 갖도록 표준화하여 사용하였다.
본 연구에서는 기준 매개변수 값으로 조도계수와 수위-유량관계식의 회귀계수(A, B, C)의 불확실성 범위의 중간값을 선정하였다. 또한 입력 매개변수 값으로는 기준 매개변수의 -50%, -25%, -10%, +10%, +25%, +50%를 선정하였다.
매개변수는 사전에 가정한 확률분포로부터 추출되며, 대부분의 경우 매개변수가 어떠한 확률 분포를 가지는지 모르기 때문에 균등하게 분포한다고 가정한다(Beven and Binley, 1992). 본 연구에서는 조도계수와 유량의 불확실성을 분석하기 위해 조도계수와 수위-유량관계식의 회귀계수를 매개변수로 선정하였으며, 10,000개의 매개변수 세트를 추출하였다. 각 매개변수의 추출범위는 조도계수의 경우 하천기본계획 및 문헌조사에 따라 0.
이때, 각 수문곡선을 생성하기 위해 수집한 수위 관측소의 자료는 10분 단위이다. 상류단 경계조건으로 장호원 지점에서 유량수문곡선(flow hydrograph)을 입력하였으며, 측방유입 경계조건으로 원부 지점에서 측방유입수문곡선(lateral flow hydrograph)을 입력하였으며, 하류단 경계조건으로 삼합 지점에서 수위수문곡선(stage hydrograph)을 입력하였다. 장호원 지점의 유량수문곡선은 기수립된 수위-유량관계 식을 통해 산정된 유량 자료를 이용하였다.
040의 범위로 선정하였으며, 유량은 원부 관측소의 유량측량성과 자료를 수집하여 비선형 회귀분석을 수행하여 수위-유량관계식의 회귀계수의 범위를 선정하였다. 선정된 범위 내에서 총 10,000개의 매개변수 세트를 추출하여 HEC-RAS 모형에 적용하였으며, 각 강우사상별로 10,000번의 Monte Carlo 모의를 수행하였다.
001 간격으로 추출하였다. 수위-유량관계식의 회귀계수는 유량 측정 성과를 통해 수위-유량관계곡선을 생성하여 95% 신뢰구간의 범위를 통해 산정하였다.
신뢰수준을 결정하여 누적분포함수의 상 · 하한을 정한 후, 전체 모의시간에 대해 적용하여 홍수위의 신뢰구간을 도출한다.
신뢰수준을 높일수록 불확실성의 범위는 좁아지게 되며, 본 연구에서는 상 · 하위 2.5%를 절삭한 95% 신뢰구간으로 표현하였다.
유량의 불확실성을 고려하기 위해 수위-유량관계식을 생성하여 회귀계수의 범위를 추정하였다. 수위-유량관계식을 생성하기 위해, 2005~2014년의 수문조사연보를 통해 원부 관측소의 유량측량성과를 수집하였으며, 자료가 없는 2009년을 제외한 나머지 연도에서 총 370개의 수위와 유량의 쌍을 수집하였다.
먼저, GLUE 기법을 적용하기 위한 사전 과정으로 매개변수 세트를 추출하기 위해서는 적절한 추출범위의 산정이 필요하다. 유량의 불확실성을 대표하는 수위-유량관계식의 회귀 계수의 불확실성 범위를 산정하기 위하여, 총 370개의 관측된 수위와 유량의 쌍을 수집하여 비선형 회귀분석을 수행하였 다. 회귀분석 결과 Eq.
이천관측소의 1986~2015년까지의 연 최대치 계열의 지속 시간 24시간의 강우에 대한 빈도해석을 수행하였다. 일강우 사상의 분포형은 극치사상의 분석에 자주 사용되는 GEV (Generalized Extreme Value) 분포로 가정하였다.
상류단 경계조건으로 장호원 지점에서 유량수문곡선(flow hydrograph)을 입력하였으며, 측방유입 경계조건으로 원부 지점에서 측방유입수문곡선(lateral flow hydrograph)을 입력하였으며, 하류단 경계조건으로 삼합 지점에서 수위수문곡선(stage hydrograph)을 입력하였다. 장호원 지점의 유량수문곡선은 기수립된 수위-유량관계 식을 통해 산정된 유량 자료를 이용하였다. 원부 지점의 측방 유입수문곡선은 유량의 불확실성을 분석하기 위해 본 연구에서 생성한 수위-유량관계곡선으로 모의된 유량과 장호원 지점의 유량의 차이를 측방유입으로 가정하였다.
조도계수와 유량의 변화에 따른 홍수위 모의 결과의 변화 정도를 정량적으로 산정하기 위해 민감도 분석을 수행하였다. Song et al.
청미천 유역의 강우자료를 수집하기 위해 Thiessen 망 분석을 통하여 유역 인근의 기상관측소를 선정하였다. 분석 결과 청미천 유역은 이천관측소의 지배면적에 완전히 속하는 것으로 나타나, 청미천 유역의 지배관측소로 이천관측소를 선정하였다.
추출한 매개변수를 통해 모의한 결과가 실측치를 잘 반영하는지 적합도(goodness of fit)를 평가하기 위해 우도함수를 선정한다. 우도함수는 모의치와 실측치와의 적합도에 따라 모의 결과와 실측값이 잘 맞을수록 커지는 함수를 사용한다.
홍수위의 불확실성 해석은 데이터 수집, GLUE 전처리, HEC-RAS (Hydrologic Engineering Center’s River Analysis System)를 이용한 홍수위 모형 구동 및 GLUE 해석 과정으로 나누어 수행하였다.
이에 본 연구에서는 하천의 조도계수와 유량의 불확실성을 고려하여, 부정류 흐름에서 홍수위 해석에 미치는 영향을 정량적으로 분석하는 데 있다. 홍수위의 불확실성을 분석하기 위해, 조도계수와 수위-유량관계식의 불확실성 범위를 추정하고, GLUE 기법을 이용하여 모형의 매개변수 불확실성을 고려한 홍수위의 범위를 산정하고, 강우사상의 크기에 따른 홍수위의 불확실성의 범위를 정량화하고자 한다.
4 km인 지점으로부터 200 m 간격으로 총 78개 지점에 대한 하천 단면자료를 구축하였다. 확대 및 축소계수는 각각 0.1과 0.3을 적용하였으며, 조도계수는 각 단면에서 main channel과 flood plain 모두 동일한 조도계수를 적용하였다.

대상 데이터

이천관측소의 강우자료를 수집하여 3가지 강우사상을 선정하였으며, 지속시간 24시간의 강우를 대상으로 하였다. Event 1은 평년 수준의 강우사상이며, Event 2와 3은 이천 관측소의 일강수량 최대치 중에서 유역 내 수위 관측소의 자료를 이용할 수 있는 기간의 사상으로 선정하였다. 선정한 강우사상은 Table 2와 같다.
홍수위의 불확실성 해석은 데이터 수집, GLUE 전처리, HEC-RAS (Hydrologic Engineering Center’s River Analysis System)를 이용한 홍수위 모형 구동 및 GLUE 해석 과정으로 나누어 수행하였다. 데이터 수집 과정에서는 하천의 수위 및 유량 자료 등의 수문 자료와 하천 단면 특성, 조도계수, 확대 및 축소 계수, 하천 수리 시설물 정보 등의 지형 자료 등을 수집하였다. GLUE 전처리 과정에서는 수집한 데이터를 바탕으로 불확실성을 분석하기 위한 매개변수를 선택하고, 선택한 매개변수의 불확실성 범위, 사전분포형, 추출 개수 및 추출 방법 등을 정의하고, 매개변수 세트를 생성하였다.
유량의 불확실성을 고려하기 위해 수위-유량관계식을 생성하여 회귀계수의 범위를 추정하였다. 수위-유량관계식을 생성하기 위해, 2005~2014년의 수문조사연보를 통해 원부 관측소의 유량측량성과를 수집하였으며, 자료가 없는 2009년을 제외한 나머지 연도에서 총 370개의 수위와 유량의 쌍을 수집하였다. 수위-유량관계식의 형태는 가장 일반적으로 사용되는 멱급수 형태로 Lambie (1978)가 제시하였으며, Eq.
연구대상지는 한강 권역 남한강 수계의 청미천 유역의 하류부로 선정하였다. 청미천 유역의 면적은 595.
분석 결과 청미천 유역은 이천관측소의 지배면적에 완전히 속하는 것으로 나타나, 청미천 유역의 지배관측소로 이천관측소를 선정하였다. 이천관측소의 강우자료를 수집하여 3가지 강우사상을 선정하였으며, 지속시간 24시간의 강우를 대상으로 하였다. Event 1은 평년 수준의 강우사상이며, Event 2와 3은 이천 관측소의 일강수량 최대치 중에서 유역 내 수위 관측소의 자료를 이용할 수 있는 기간의 사상으로 선정하였다.
본 연구에서는 하천 조도계수와 유량의 불확실성이 홍수위 해석에 미치는 영향을 분석하기 위해 GLUE 기법을 이용하여 3가지 강우사상에 대해 적용하였다. 조도계수의 범위는 하천설계기본계획을 참고하여 0.025~0.040의 범위로 선정하였으며, 유량은 원부 관측소의 유량측량성과 자료를 수집하여 비선형 회귀분석을 수행하여 수위-유량관계식의 회귀계수의 범위를 선정하였다. 선정된 범위 내에서 총 10,000개의 매개변수 세트를 추출하여 HEC-RAS 모형에 적용하였으며, 각 강우사상별로 10,000번의 Monte Carlo 모의를 수행하였다.
지형자료 구축을 위해 청미천 하천기본계획보고서(Ministry of Land, Transport and Maritime Affairs, 2011)를 참조하여 청미천 하구로부터의 거리가 19.4 km인 지점으로부터 200 m 간격으로 총 78개 지점에 대한 하천 단면자료를 구축하였다. 확대 및 축소계수는 각각 0.

데이터처리

1) 수위-유량관계식의 회귀계수 범위는 비선형 회귀분석을 통해 회귀계수를 추정하였으며, 각 회귀계수는 t분포를 가정하여 95% 범위로 산정하였다. Eq.
회귀계수의 추정을 위해 SPSS Statistics (IBM, Version 23.0, USA)를 이용하여 비선형 회귀분석을 수행하였으며, L-M (Levenberg-Marquardt) 최적화 알고리즘을 사용하였다. L-M 알고리즘은 비선형 방정식의 최적해를 최소자승으로 구하는 방법으로, 오차 제곱의 합을 줄이기 위해 반복적으로 계산하는 방법이다(Park and Kim, 2013).

이론/모형

(2015)는 수문 · 수질모형의 공간규모 (point, field, watershed)와 모의대상(유출량, 유사량, 영양물 질 등)별로 다양한 통계적 지표의 평가 기준을 제시하였다 (Song and Kang, 2016). 본 연구에서는 Moriasi et al. (2015)가 제시한 유역 단위의 모델을 통해 유량을 모의한 경우에서의 NSE 성능 평가 기준을 준용하였으며, 이는 Table 4와 같다. 이 때의 시간 규모는 일, 월, 연 단위의 구분 없이 사용이 가능하다.
본 연구에서는 하천 조도계수와 유량의 불확실성이 홍수위 해석에 미치는 영향을 분석하기 위해 GLUE 기법을 이용하여 3가지 강우사상에 대해 적용하였다. 조도계수의 범위는 하천설계기본계획을 참고하여 0.
우도함수의 기준치에 대한 명확한 기준은 없으며, 본 연구에서는 Moriasi et al. (2015)가 제시한 수문 · 수질 모델링의 통계적 성능평가 기준을 참고하였다.
조도계수의 불확실성을 고려하기 위해 청미천의 하천기본 계획을 참고하였다. 하천기본계획 상에서는 구간별로 하천의 흔적수위를 통해 역산한 방법과 하도형상 및 하상재료를 통한 조도계수 테이블을 이용한 두 가지 방법으로 산정하였으며, 아래의 Table 3과 같다(Ministry of Land, Transport and Maritime Affairs, 2011).
하천의 홍수위 해석을 위해서 1차원 수리모형인 HEC-RAS 모형을 사용하였다. HEC-RAS 모형은 미육군공병단의 수문 공학센터(Hydrologic Engineering Center, HEC)에서 개발한 모형으로 자연하천 혹은 인공하천의 1차원 정상류 해석을 위해 개발된 HEC-2 모형에 1차원 부정류 해석 모형인 UNET(Unsteady flow through a full NETwork of open channels) 모형을 탑재한 모형이다(United States Army Corps of Engineers, 2010).

성능/효과

2) 강우사상 1~3에서 산정된 홍수위의 95% 신뢰구간의 평균적인 범위는 각각 0.39 m, 0.83 m, 0.96 m이며, 첨두 홍수위가 발생했을 때의 신뢰구간의 범위는 각각 0.52 m, 1.36 m, 1.75 m로 산정되었다.
실제로 강우사상 2와 3은 이천관 측소의 일최대강수량 5순위와 2순위에 해당하는 값이다.GEV 분포를 이용한 빈도해석 결과에 따라 100년 빈도와 200년 빈도에 해당하는 총 강우량의 값을 추정하였으며, 각각 375.7 mm와 410.2 mm로 산정되었다. 빈도 해석을 이용한 결 과와 함께 각 강우사상별로 첨두 홍수위의 불확실성 범위를 나타내면 Fig.
3) 이천관측소의 1986~2015년의 연 최대치 계열, 지속시간 24시간 강우에 대한 빈도해석을 수행하였다. GEV 분포일 때 강우사상 1~3의 재현기간은 각각 1년, 10년, 25년 빈도에 해당하는 것으로 나타났다. 강우사상 1~3의 총 강우량은 각각 91.
07 m로 나타나 실측치를 잘 반영하는 것으로 나타났다. 각 강우 사상별로 첨두 발생 시간은 누적분위가 커짐에 따라 지연되는 모습을 보였으며, 첨두 수위의 지연시간은 각각 강우사상 1에 서 10~50분, 강우사상 2에서 -10~60분, 강우사상 3에서 0~60 분 정도의 차이를 보였다. 첨두 시간의 지연은 최상류단의 유량 수문곡선에 따른 영향으로 사료되며, 기 수립된 수위-유량 관계식을 통해 실측 수위를 직접적으로 변환하여 사용하였기 때문이다.
강우사상 1~3에서의 첨두 수위와 첨두 발생 시간은 Table 7과 같다. 각 강우사상별로 첨두 수위의 실측치는 모두 신뢰구간 95%내에 포함되며, 중앙값과의 차이는 강우사상 1에서 약 0.02 m, 강우사상 2에서 약 0.07 m, 강우사상 3에서 약 0.07 m로 나타나 실측치를 잘 반영하는 것으로 나타났다. 각 강우 사상별로 첨두 발생 시간은 누적분위가 커짐에 따라 지연되는 모습을 보였으며, 첨두 수위의 지연시간은 각각 강우사상 1에 서 10~50분, 강우사상 2에서 -10~60분, 강우사상 3에서 0~60 분 정도의 차이를 보였다.
강우사상 1~3의 불확실성 분석결과를 바탕으로 홍수위의 불확실성 범위를 첨두 홍수위의 누적분위 75%와 25%의 차이로 정의하였다. 강우사상의 크기가 클수록 첨두 홍수위가 증가하였으며, 이에 따른 홍수위의 불확실성 범위가 커지는 양상을 보였다.
GEV 분포일 때 강우사상 1~3의 재현기간은 각각 1년, 10년, 25년 빈도에 해당하는 것으로 나타났다. 강우사상 1~3의 총 강우량은 각각 91.0 mm, 250.5 mm, 304.0 mm이며, 강우사상의 크기가 클수록 홍수위의 불확실성이 증가하는 것으로 나타났다.
각 강우사상별로 산정된 95% 신뢰구간 범위의 최소, 최대, 평균 및 첨두 홍수위에서의 범위는 Table 8과 같다. 강우사상의 규모가 커질수록 홍수위의 불확실성의 범위도 함께 증가하는 것으로 나타났다.
강우사상 1~3의 불확실성 분석결과를 바탕으로 홍수위의 불확실성 범위를 첨두 홍수위의 누적분위 75%와 25%의 차이로 정의하였다. 강우사상의 크기가 클수록 첨두 홍수위가 증가하였으며, 이에 따른 홍수위의 불확실성 범위가 커지는 양상을 보였다. 강우사상의 크기와 불확실성 범위와의 관계는 선형적으로 증가하는 경향을 보이며, 이를 통해 100년 빈도 및 200년 빈도에 해당하는 강우량을 통한 홍수위의 불확실성 범위를 추정하면 각각 0.
강우사상의 크기가 클수록 첨두 홍수위가 증가하였으며, 이에 따른 홍수위의 불확실성 범위가 커지는 양상을 보였다. 강우사상의 크기와 불확실성 범위와의 관계는 선형적으로 증가하는 경향을 보이며, 이를 통해 100년 빈도 및 200년 빈도에 해당하는 강우량을 통한 홍수위의 불확실성 범위를 추정하면 각각 0.85 m, 0.93 m이다. 이는 강우사상 별로 홍수위의 불확실성을 정량화 한 방법의 하나의 예시로서, 대략적인 가정을 통한 추정치이다.
하지만 강우사상이 커질수록 유량의 불확실성 범위가 증가함에 따라 비교적 큰 차이를 보였다. 그러나 유량의 불확실성을 대표하는 중앙값에서의 수위-유량관계식은 기존의 식과 대체로 일치하였으며, 수위가 증가함에 따라 유량이 소폭 크게 나타나는 경향을 보였다.
각 강우사상별로 홍수위 모의 시간은 10분 간격의 24시간 강우 발생 시 나타나는 수위이다. 따라서 이를 모든 시계열로 확장하여 각 시간 간격에서의 누적분포함수를 생성할 수 있으며, 이를 통해 95% 신뢰수준에서의 홍수위의 불확실성 범위를 정량적으로 나타낼 수 있다.
, m의 차이를 나타내었다. 또한 강우 사상의 크기가 커질수록 누적분포함수곡선은 점차 완만해지고, 이에 따라 홍수위의 불확실성의 범위 역시 증가하는 것으로 나타났다. 강우사상 1~3에서 모의된 첨두 수위의 95% 신뢰구간은 각각 0.
청미천 유역의 강우자료를 수집하기 위해 Thiessen 망 분석을 통하여 유역 인근의 기상관측소를 선정하였다. 분석 결과 청미천 유역은 이천관측소의 지배면적에 완전히 속하는 것으로 나타나, 청미천 유역의 지배관측소로 이천관측소를 선정하였다. 이천관측소의 강우자료를 수집하여 3가지 강우사상을 선정하였으며, 지속시간 24시간의 강우를 대상으로 하였다.
일강우 사상의 분포형은 극치사상의 분석에 자주 사용되는 GEV (Generalized Extreme Value) 분포로 가정하였다. 분포의 적합도 검정 수행결과 Kolmogorov-Smirnov 검정, Anderson- Darling 검정, Chi-Squared 검정에서 모두 적합한 것으로 나타났다. 총 강우량 90.
원부 지점의 측방 유입은 장호원 지점과의 유량 차이로 입력되기 때문에 장호원의 유량 수문곡선의 영향이 비교적 크기 때문이다. 전체적으로 실측 수문사상에 비해 가파르게 상승하는 경향이 있으나, 첨두 수위 및 변곡점에서는 대체로 실측치를 잘 반영하였으며, 이후 하강부에서는 일치하거나 실측치 보다 소폭 크게 모의되는 경향을 보였다.

후속연구

4) 본 연구를 통해 조도계수와 유량의 불확실성이 홍수위 해석에 미치는 영향을 정량적으로 분석하였다. 또한 강우사상의 크기와 불확실성의 관계를 분석하였으며, 향후 다양한 강우사상에 적용하여 검증한다면 대규모의 강우사상에서의 홍수위 불확실성 예측 또한 가능할 것으로 사료된다. 이를 통해 하천 관리를 위한 각종 수공 구조물 등의 계획 및 설계 시, 설계 빈도에 따른 홍수위의 불확실성 범위를 제안할 수 있으며, 의사결정에 도움이 될 수 있을 것으로 사료된다.
한편, 기존의 수위-유량관계식을 이용한 유량은 수위의 범위에 따라 각각 다른 관계식을 제시하였지만, 최종적으로 유량의 값이 하나의 확정적인 값으로 제시되기 때문에 실측치를 정확히 반영하기에는 한계가 있다. 이를 고려할 때, 본 연구에서 생성한 수위-유량관계식의 불확실성 범위는 유량의 불확실성을 대표할 수 있을 것으로 사료된다.
또한 강우사상의 크기와 불확실성의 관계를 분석하였으며, 향후 다양한 강우사상에 적용하여 검증한다면 대규모의 강우사상에서의 홍수위 불확실성 예측 또한 가능할 것으로 사료된다. 이를 통해 하천 관리를 위한 각종 수공 구조물 등의 계획 및 설계 시, 설계 빈도에 따른 홍수위의 불확실성 범위를 제안할 수 있으며, 의사결정에 도움이 될 수 있을 것으로 사료된다.
이에 대한 보완을 위해서는 HEC-HMS (Hydrologic Engineering Center’s Hydrologic Modeling System) 등을 이용하여 유역의 유출량을 추정하여 사용하는 방법 등을 고려할 수 있으며, 도달시간 등 수문 곡선의 지연에 영향을 끼치는 인자 등을 조정한다면 최종적으로 홍수위 해석 모형에서 첨두 시간이 관측값과 가깝게 모의할 수 있을 것으로 사료된다.
이는 강우사상 별로 홍수위의 불확실성을 정량화 한 방법의 하나의 예시로서, 대략적인 가정을 통한 추정치이다. 향후 다양한 강우사상에 대한 홍수위의 불확실성 분석을 수행하여 두 인자 간의 관계를 정밀하게 규명한다면 빈도별 강우사상에 대한 홍수위의 불확실성을 정량적으로 나타낼 수 있을 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 연구에서 생성한 수위-유량관계식의 불확실성 범위가 유량의 불확실성을 대표할 수 있을 것으로 사료되는 이유는?	강우사상의 크기가 작을 때에는 유량의 불확실성 또한 작은 범위로 나타나 기존의 수위-유량관계식과 큰 차이가 없이 나타났다. 하지만 강우사상이 커질수록 유량의 불확실성 범위가 증가함에 따라 비교적 큰 차이를 보였다. 그러나 유량의 불확실성을 대표하는 중앙값에서의 수위-유량관계식은 기존의 식과 대체로 일치하였으며, 수위가 증가함에 따라 유량이 소폭 크게 나타나는 경향을 보였다. 한편, 기존의 수위-유량관계식을 이용한 유량은 수위의 범위에 따라 각각 다른 관계식을 제시하였지만, 최종적으로 유량의 값이 하나의 확정적인 값으로 제시되기 때문에 실측치를 정확히 반영하기에는 한계가 있다. 이를 고려할 때, 본 연구에서 생성한 수위-유량관계식의 불확실성 범위는 유량의 불확실성을 대표할 수 있을 것으로 사료된다.
	청미천 유역의 면적은?	연구대상지는 한강 권역 남한강 수계의 청미천 유역의 하류부로 선정하였다. 청미천 유역의 면적은 595.6 km2, 유로연 장은 60.7 km이다.
	조도계수를 추정하는 데 겪는 어려움은?	우선 조도계수는 하천의 수리계산을 실시할 때 가장 중요한 기본적 자료 중 하나로서 고려된다. 그러나 조도계수는 하천 내 수문량, 유사량, 인위적 활동 등에 의해 끊임없이 변하기 때문에 연속적인 관측과 검정이 필요하지만 현실적으로 측량을 통한 정확한 값을 얻기 어려워 대부분이 하천기본 계획에서 제시한 값을 사용하고 있는 실정이다. 다음으로 유량은 모형의 흐름조건으로서 일반적으로 수위-유량관계식을 통해 산정된다.

참고문헌 (33)

Abbaspour, K. C., Johnson, C. A., and Van Genuchten, M. T. (2004). "Estimating uncertain flow and transport parameters using a sequential uncertainty fitting procedure." Vadose Zone Journal, Vol. 3, No. 4, pp. 1340-1352.

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

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

상세보기
Chang, K. H., and Lee, J. H. (2005). "Stage-discharge rating curve model development and modification." Journal of Korea Water Resources Association, Vol. 38, No. 4, pp. 271-280.

원문보기 상세보기
Cho, J., and Mostaghimi, S. (2009). "Dynamic agricultural non-point source assessment tool (DANSAT): model application." Biosystems Engineering, Vol. 102, No. 4, pp. 500-515.

상세보기
Cho, M. S., Kim, S. H., Choi, H. S., and Park, J. S. (2004). "Uncertainty analysis of flow measurement data in sum river experimental watershed." Conference of Korean Society of Civil Engineers, KSCE, pp. 4114-4119.
Chow, V. T. (1959). Open channel hydraulics. McGraw-Hill Book Company, New York, USA.
Freer, J., Beven, K., and Ambroise, B. (1996). "Bayesian estimation of uncertainty in runoff prediction and the value of data: an application of the GLUE approach." Water Resources Research, Vol. 32, No. 7, pp. 2161-2173.

상세보기
James, L. D., and Burges, S. J. (1982). "Selection, calibration and testing of hydrologic models." Hydrologic Modeling of Small Watersheds, ASAE, St. Joseph, MI, Vol. 5, pp. 435-472.
Jung, Y. H., Yeo, K. D., Kim, S. Y., and Lee, S. O. (2013). "The effect of uncertainty in roughness and discharge on flood inundation mapping." Journal of the Korean Society of Civil Engineers, Vol. 33, No. 3, pp. 937-945.

원문보기 상세보기
Kang, M. S., and Park, S. W. (2003). "Short-term food forecasting using artificial neural networks." Journal of the Korean Society of Agricultural Engineers, Vol. 45, No. 2, pp. 45-57.
Kim, N. S., Kim, J. S., Jang, H. W. and Lee, J. H. (2015). "Hydrologic risk analysis based on extremer drought over the Korean peninsula unter climate change." Journal of Korean Society of Hazard Mitigation, Vol. 15, No. 4, pp. 45-52.
Kim, S. U., and Lee, G. S. (2008a). "Uncertainty, where ignorance is bliss, is it folly to be wise?" Water for Future, Vol. 41, No. 9, pp. 35-40.
Kim, S. U., and Lee, G. S. (2008b). "Identification of uncertainty in fitting rating curve with Bayesian regression." Journal of Korea Water Resources Association, Vol. 41, No. 9. pp. 943-958.

원문보기 상세보기
Kim, W. (2005). "Uncertainty and improvement in the calculation of flood stage." Conference of Korean Society of Civil Engineers, KSCE, Vol. 10, pp. 2942-2949.
Kim, Y. S., Kim, J. Y., An, H. U., and Jung, K. S. (2015). "Improvement of the method using the coefficient of variation for Automatic Multi-segmentation method of a rating curve." Journal of Korea Water Resources Association, Vol. 48, No. 10, pp. 807-816.

원문보기 상세보기
Korea Water Resources Association (2009). River design standard and explanation, KWRA, pp. 93-100.
Lambie, J. C. (1978). Measurement of flow-velocity-area methods. Hydrometry: Principles and Practices, first edition, edited by Herschy R.W., Wiley, Chichester, UK.
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, Vol. 41, No. 8, pp. 807-823.

원문보기 상세보기
Li, L., Xia, J., Xu, C. Y., and Singh, V. P. (2010). "Evaluation of the subjective factors of the GLUE method and comparison with the formal Bayesian method in uncertainty assessment of hydrological models." Journal of Hydrology, Vol. 390, No. 3, pp. 210-221.

상세보기
Matott, L. S., Babendreier, J. E., and Purucker, S. T. (2009). "Evaluating uncertainty in integrated environmental models: a review of concepts and tools." Water Resources Research, Vol. 45, No. 6, W06421.
Ministry of Land, Transport and Maritime Affairs (2011). Report of master plan (alteration) for Cheongmicheon river. pp. 4-126-4-136.
Moriasi, D. N., Gitau, M. W., Pai, N., and Daggupati, P. (2015). "Hydrologic and water quality models: performance measures and evaluation criteria." Transactions of the ASABE, Vol. 58, No. 6, pp. 1763-1785.

상세보기
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, No. 3, pp. 282-290.

상세보기
Pappenberger, F., Beven, K., Horritt, M., and Blazkova, S. (2004). "Uncertainty in the calibration of effective roughness parameters in HEC-RAS using inundation and downstream level observations." Journal of Hydrology, Vol. 302, No. 1, pp. 46-69.
Pappenberger, F., Matgen, P., Beven, K., Henry, J. B., Pfister, L., and Fraipont, P. (2006). "Influence of uncertain boundary conditions and model structure on flood inundation predictions." Advances in Water Resources, Vol. 29, No. 10, pp. 1430-1449.

상세보기
Park, J. E., and Kim, S. H. (2013). "Application of Levenberg Marquardt method for calibration of unsteady friction model for a pipeline system." Journal of Korea Water Resources Association, Vol. 46, No. 4, pp. 389-400.

원문보기 상세보기
Retian, T., and Petersen-Overleir, A. (2008). "Baysian power-law regression with a location parameter, with applications for construction of discharge rating curves." Stochastic Environmental Research and Risk Assessment, Vol. 22, No. 3, pp. 351-365.

상세보기
Song, J. H., and Kang, M. S. (2016). "Performance measures and valibration methods for hydrologic and water quality models." Rural Resources, Vol. 58, No. 2, pp. 11-22.
Song, J. H., Kang, M. S., Song, I. H., and Jun, S. M. (2016). "Water balance in irrigation reservoirs considering flood control and irrigation efficiency variation." Journal of Irrigation and Drainage Engineering, Vol. 142, No. 4, 04016003.

상세보기
United States Army Corps of Engineers (2010). HEC-RAS river analysis system: User's Manual 4.1. Institute for Water Resources, Hydrologic Engineering Center, USA.
Van Griensven, A., and Bauwens, W. (2003). "Multiobjective autocalibration for semidistributed water quality models." Water Resources Research, Vol. 39, No. 12, pp. SWC 9-1.
Yevjevich, V. (1972). Probability and statistics in hydrology. Water Resources publications, Fort Collins, Colorado, USA.

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