선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 반면 입력자료 및 모델 매개변수에 따른 연구사례는 부족한 실정이다. 따라서 본 연구에서는 모델 매개변수, 입력 자료에 따른 불확실성 분석을 통해 앙상블 유량예측 기법의 특징을 보다 자세히 규명하고 오차의 원인을 분석하고자 한다.
- 앙상블 유량예측은 20년 이상의 관측 기상자료가 확보되었을 때 활용하는 것이 적절하였으며, BAYES-ESP는 ESP에 비해 불확실성을 감소시킬 수 있는 것으로 나타났다. 본 연구는 불확실성 분석을 통해 앙상블 유량예측기법의 특징과 오차 원인을 분석하였다는 점에서 가치가 있다고 판단된다. 추후 앙상블 유량예측 기법뿐만 아니라 다양한 수문전망 기법에 대한 불확실성 분석이 수행될 필요가 있으며, 이를 기반으로 정확도 개선 연구가 진행될 필요가 있다.
- 본 연구에서는 ABCD 모델 매개변수, 입력자료를 고려하여 앙상블 유량예측 기법의 불확실성 평가를 수행하였다. ABCD 모델 매개변수에 따른 불확실성은 앞서 산정한 반응변수에 따른 댐 유입량 예측의 변동을 평가하였으며, 입력자료에 따른 불확실성은 앙상블 유량예측 기법의 앙상블 멤버 선정에 따른 변동을 분석하였다.
- 본 연구에서는 모델 매개변수, 입력자료에 따른 불확실성 분석을 통해 앙상블 유량예측 기법의 특징을 규명하고 오차의 원인을 분석하고자 하였다. 대상유역으로 국내 대표적 다목적 댐인 충주댐 유역을 선정하였다.
- 본 연구에서는 충주댐 유역의 유입량 산정을 위해 ABCD 강우-유출 모델을 구축하고 모의능력을 평가하였다. 모의능력 평가는 대상지역에 대한 강우-유출 모델의 적정 매개변수를 산정하고 그에 따른 유출결과의 정확도 평가를 통해 수행 하였다.
가설 설정
- 따라서 앙상블 유량예측의 입력자료에 따른 불확실성은 기상관측 및 품질관리 방법, 면적평균값 산정을 위한 보간 방법, 앙상블 멤버 선정 방법에 따라 발생할 수 있다. 본 연구에서는 기상관측 방법 및 보간 방법에 따른 유량예측 값의 불확실성이 크지 않을 것이 라고 가정하고 앙상블 멤버 선정방법에 따른 불확실성 분석을 수행하였다.
제안 방법
- 1) 앙상블 유량예측을 위해 충주댐 유역에 대해 ABCD 강우-유출 모델을 구축하였으며, 모델 매개변수에 따른 불확실성 분석을 수행하였다. 모델 구축결과 관측 값과 모의 값의 상관계수는 0.
- 본 연구에서는 ABCD 모델 매개변수, 입력자료를 고려하여 앙상블 유량예측 기법의 불확실성 평가를 수행하였다. ABCD 모델 매개변수에 따른 불확실성은 앞서 산정한 반응변수에 따른 댐 유입량 예측의 변동을 평가하였으며, 입력자료에 따른 불확실성은 앙상블 유량예측 기법의 앙상블 멤버 선정에 따른 변동을 분석하였다.
- , 2016). ABCD 모델은 기본 이론으로 물수지 이론을 활용하여 토양 속에 함유된 수분이 강수와 증발산에 의해 변화하고 지표 및 지하로 유출되는 현상을 간단한 식으로 표현하였다. 모델의 이름으로 활용되는 A, B, C, D는 모델의 개념적 매개변수로 유출모의 능력에 지배적인 영향을 미친다.
- 무작위 매개변수 세트 산정에는 Monte Carlo 모의기법이 활용되었으며, 매개변수 A, B, C, D를 무작위로 추출하여 1,000개의 매개변수 세트를 구축하였다. 각 매개변수 세트를 활용하여 강우-유출 모의를 수행하고 모의 값과 관측 값의 NSE를 산정하였으며, 각 매개 변수에 따른 NSE 산정결과를 Fig. 4에 나타내었다.
- 본 연구에서는 기상시나리오 기간 선정에 따른 불확실성 평가를 위해 Monte Carlo 모의를 통해 30년 이상의 과거 관측 기상자료에서 5년, 10년, 15년, 20년, 25년, 30년 자료를 무작위로 1,000개씩 추출하고 앙상블 멤버로 활용하였다. 각각의 앙상블 멤버를 활용하여 ESP와 BAYES-ESP 유량예측을 수행하였으며, 유량예측의 상하위 5%를 제외한 구간을 불확실성 구간으로 선정하여 분석하였다.
- 90 이상으로 모의능력이 우수하게 나타났다. 매개변수에 따른 불확실성 분석은 GLUE 기법을 활용 하였으며, 불확실성 분석에 활용될 반응변수는 0.80 이상의 NSE를 갖는 매개변수 세트를 선정하였다. ABCD 모델 매개변수에 따른 유량모의 불확실성 분석 결과 불확실성 구간은 비교적 크지 않았으며, 대부분 관측 유량과 유사한 거동을 보이는 것으로 나타났다.
- 대상유역으로 국내 대표적 다목적 댐인 충주댐 유역을 선정하였다. 모델 매개변수에 따른 불확실성 분석은 ABCD 강우-유출 모델의 매개변수 조합을 무작위로 산정하여 수행하였으며, 입력자료에 따른 불확실성 분석은 앙상블에 활용될 기상시나리오의 기간을 무작위로 선정하여 수행하였다. 불확실성 평가에는 P-facotr와 R-factor를 활용하였으며, 본 연구의 결론을 요약하면 다음과 같다.
- 본 연구에서는 충주댐 유역의 유입량 산정을 위해 ABCD 강우-유출 모델을 구축하고 모의능력을 평가하였다. 모의능력 평가는 대상지역에 대한 강우-유출 모델의 적정 매개변수를 산정하고 그에 따른 유출결과의 정확도 평가를 통해 수행 하였다. 매개변수 추정방법으로는 국내에 다양한 적용사례가 있는 Duan et al.
- 무작위 매개변수 세트 추출은 난수발생기(random number generator)를 활용하여 무작위로 ABCD 모델의 매개변수 세트를 추출하는 과정으로 난수발생기로는 Monte Carlo 모의를 활용하였으며, 주요 수문 매개변수인 A, B, C, D의 최댓값과 최솟값 구간 내에서 1,000개의 값을 무작위로 추출하였다. 모델성능을 평가하기 위한 우도함수로는 Nash and Sutcliffe (1970)이 제안한 NSE (Nash-Sutcliffe Efficiency)를 선정하였다.
- (3)과 같으며, 1에 가까울수록 모델성능이 우수함을 뜻한다. 반응변수(behavioral variable) 은 최적의 유량예측과 유사한 결과를 만족시키는 매개변수를 뜻하며, 본 연구에서는 0.80 이상의 NSE를 갖는 매개변수 세트를 반응변수로 선정하였다. 반응변수들을 ABCD 모델에 활용하여 ESP와 BAYES-ESP 유량 예측을 수행하였으며, 각 유량예측 값의 상하위 5%를 제외한 구간을 불확실성 구간으로 선정하여 분석하였다.
- 80 이상의 NSE를 갖는 매개변수 세트를 반응변수로 선정하였다. 반응변수들을 ABCD 모델에 활용하여 ESP와 BAYES-ESP 유량 예측을 수행하였으며, 각 유량예측 값의 상하위 5%를 제외한 구간을 불확실성 구간으로 선정하여 분석하였다.
- (1)과 같다. 본 연구에서는 베이지안 이론을 활용하여 ESP를 개선하기 위해 BAYES-ESP의 사전정보 인자로 과거 관측 유량, 우도함수 인자로 과거 관측 유량과 ESP 예측 유량을 활용하였으며, 사후정보로 유량예측 값을 산정하였다. 최종적으로 유량예측에 활용되는 사후정보는 Eq.
- 불확실성 평가는 불확실성 구간 기반의 도시적 평가와 정량적 평가를 수행하였다. 도시적 평가는 유량 예측 불확실성 구간의 거동을 분석하는 방법으로 불확실성 구간의 시계열을 도시하여 수행하였다.
- 앙상블 유량예측기법의 강우-유출 모델 매개변수에 따른 불확실성을 평가하기 위해 무작위의 매개변수 세트를 산정한 후 반응(behavioral) 변수를 추출하고 ABCD 모델의 매개 변수에 따른 불확실성을 평가하였다. 무작위 매개변수 세트 산정에는 Monte Carlo 모의기법이 활용되었으며, 매개변수 A, B, C, D를 무작위로 추출하여 1,000개의 매개변수 세트를 구축하였다.
- ESP 기법은 과거에 발생했던 기상현상이 미래에 재현될 수 있다는 가정 하에 예측시점의 수문상태와 과거 기상자료를 강우-유출모델을 통해 결합하여 미래의 수문을 예측하는 장기 수문 예측기법이다. 즉, 예측시점의 수문상태와 미래에 발생할 가능성이 있는 모든 기상시나리오를 활용하여 강우-유출 모델로부터 다수의 수문시나리오를 산정하고, 그 대푯값을 미래 수문 예측 값으로 활용한다. ESP 기법은 예측시점의 IHC를 반영할 수 있다는 점에서 단순히 평년 평균 관측 값을 활용한 경험적 예측보다 우수하며, 산정방법이 간단하여 초기 투자비용이 큰 수치예보 모델 기반의 물리적 방법을 적용하기 어려운 경우 대안으로 활용할 수 있다는 장점이 있다.
대상 데이터
- 본 연구에서는 모델 매개변수, 입력자료에 따른 불확실성 분석을 통해 앙상블 유량예측 기법의 특징을 규명하고 오차의 원인을 분석하고자 하였다. 대상유역으로 국내 대표적 다목적 댐인 충주댐 유역을 선정하였다. 모델 매개변수에 따른 불확실성 분석은 ABCD 강우-유출 모델의 매개변수 조합을 무작위로 산정하여 수행하였으며, 입력자료에 따른 불확실성 분석은 앙상블에 활용될 기상시나리오의 기간을 무작위로 선정하여 수행하였다.
- 수문관측소로는 충주댐 유입량 관측소가 위치하고 있으며, 준공 이후로 약 30년 이상의 댐 유입량 자료가 구축되어 있다. 본 연구에서는 기상 관측자료로 기상청, 국토교통부의 자료를 활용하였으며, 수문자료로 한국수자원공사의 자료를 활용하였다.
- 다만, 대상유역의 자료 가용여부에 따라 활용 가능한 기상시나리오 기간이 제한적일 수 있으며, 기상시나리오 기간 선정에 대한 명확한 기준이 제시되어 있지 않아 사용자에 따라 바뀔 수 있다. 본 연구에서는 기상시나리오 기간 선정에 따른 불확실성 평가를 위해 Monte Carlo 모의를 통해 30년 이상의 과거 관측 기상자료에서 5년, 10년, 15년, 20년, 25년, 30년 자료를 무작위로 1,000개씩 추출하고 앙상블 멤버로 활용하였다. 각각의 앙상블 멤버를 활용하여 ESP와 BAYES-ESP 유량예측을 수행하였으며, 유량예측의 상하위 5%를 제외한 구간을 불확실성 구간으로 선정하여 분석하였다.
- 연구대상유역은 장기간의 수문, 기상 관측자료의 확보가 용이하며, 유량 예측의 필요성이 높은 충주댐 유역을 선정하였다. 충주댐은 1985년 10월에 준공된 국내 대표적 다목적 댐으로 유역면적은 6,705 km2 , 최대 저수용량은 2,750 백만m3이며, 국내 용수공급에 중요한 역할을 수행하고 있다.
데이터처리
- 1과 같다. Monte Carlo 모의를 통한 무작위의 매개변수 세트와 입력자료 세트(관측 기상자료)를 ESP, BAYES-ESP 기법에 적용함으로써 다수의 예측유량을 산정하고 도시적 및 통계적 방법을 활용하여 불확실성 분석을 수행하였다.
이론/모형
- ABCD 모델은 Thomas (1981)에 의해 개발된 집중형 강우-유출 모델이며, 본 연구에서는 기존 Thomas의 모델에 온도지 수법을 활용하여 융적설에 의한 지체효과를 반영할 수 있도록 개선한 모델을 활용하였다(Kim et al., 2016). ABCD 모델은 기본 이론으로 물수지 이론을 활용하여 토양 속에 함유된 수분이 강수와 증발산에 의해 변화하고 지표 및 지하로 유출되는 현상을 간단한 식으로 표현하였다.
- 모의능력 평가는 대상지역에 대한 강우-유출 모델의 적정 매개변수를 산정하고 그에 따른 유출결과의 정확도 평가를 통해 수행 하였다. 매개변수 추정방법으로는 국내에 다양한 적용사례가 있는 Duan et al. (1992)의 SCE-UA (Shuffled Complex Evolution method developed at The University of Arizona) 방법을 활용하였다.
- 무작위 매개변수 세트 추출은 난수발생기(random number generator)를 활용하여 무작위로 ABCD 모델의 매개변수 세트를 추출하는 과정으로 난수발생기로는 Monte Carlo 모의를 활용하였으며, 주요 수문 매개변수인 A, B, C, D의 최댓값과 최솟값 구간 내에서 1,000개의 값을 무작위로 추출하였다. 모델성능을 평가하기 위한 우도함수로는 Nash and Sutcliffe (1970)이 제안한 NSE (Nash-Sutcliffe Efficiency)를 선정하였다. NSE의 산정방법은 Eq.
- 앙상블 유량예측기법의 강우-유출 모델 매개변수에 따른 불확실성을 평가하기 위해 무작위의 매개변수 세트를 산정한 후 반응(behavioral) 변수를 추출하고 ABCD 모델의 매개 변수에 따른 불확실성을 평가하였다. 무작위 매개변수 세트 산정에는 Monte Carlo 모의기법이 활용되었으며, 매개변수 A, B, C, D를 무작위로 추출하여 1,000개의 매개변수 세트를 구축하였다. 각 매개변수 세트를 활용하여 강우-유출 모의를 수행하고 모의 값과 관측 값의 NSE를 산정하였으며, 각 매개 변수에 따른 NSE 산정결과를 Fig.
- 본 연구에서 앙상블 유량예측기법은 미국 기상청(National Weather Service, NWS)에서 개발한 ESP 기법과 이를 베이지안 이론을 활용하여 개선한 Kim et al. (2017)의 BAYES-ESP 기법을 활용하였다.
- 연속형 모델은 장기간에 대한 수문순환 변수들의 변동을 해석하는 것이 목적으로 일 단위 및 월 단위 모의를 수행하며, 계절 수문전망 및 기후변화 영향평가 등을 위해 많이 활용되고 있다. 본 연구에서는 계절 수문전망 기법의 불확실성 분석이 목적이므로 현업에서 댐유입량 예측에 활용하고 있으며, 비교적 유출 모의 능력이 우수하다고 알려진 연속형 모델 ABCD를 강우-유출 모델로 선정하였다.
- 모델 매개변수에 따른 불확실성 분석은 ABCD 강우-유출 모델의 매개변수 조합을 무작위로 산정하여 수행하였으며, 입력자료에 따른 불확실성 분석은 앙상블에 활용될 기상시나리오의 기간을 무작위로 선정하여 수행하였다. 불확실성 평가에는 P-facotr와 R-factor를 활용하였으며, 본 연구의 결론을 요약하면 다음과 같다.
- 앙상블 유량예측 기법의 강우-유출 모델 매개변수에 따른 불확실성 평가를 위해 대표적인 불확실성 평가 기법 중 하나인 GLUE를 적용하였다. GLUE 기법은 강우-유출 모델이 복잡한 자연 유역의 수문작용을 정확하게 모델링하는 것은 불가능하다는 현실적인 한계에서 출발한 방법이다.
성능/효과
- 2) ABCD 모델 매개변수에 따른 앙상블 유량예측의 불확실성 평가 결과 ESP 기법의 유량예측 불확실성 구간은 매우 크게 산정되어 유량예측에 매개변수의 영향을 많이 받는 것으로 나타났다. BAYES-ESP의 유량예측 불확실성 구간은 ESP 불확실성 구간의 약 35%로 BAYES-ESP 기법은 ESP의 모델 매개변수에 따른 불확실성을 현저하게 감소시킬 수 있는 것으로 나타났다.
- 3) 입력자료에 따른 앙상블 유량예측 불확실성 평가 결과, 매개변수에 따른 불확실성 구간에 비해 전반적으로 폭이 작았으며, 이는 앙상블 유량예측 기법이 입력자료 보다 매개 변수의 영향을 많이 받는 것을 뜻한다. 대부분의 관측 댐유입량은 매개변수와 입력자료에 따른 불확실성 구간에 포함되어 오차의 원인을 파악할 수 있었다.
- 80 이상의 NSE를 갖는 매개변수 세트를 선정하였다. ABCD 모델 매개변수에 따른 유량모의 불확실성 분석 결과 불확실성 구간은 비교적 크지 않았으며, 대부분 관측 유량과 유사한 거동을 보이는 것으로 나타났다.
- 특히 기상시나리오를 20년 이상 활용할 때부터 불확실성은 크게 감소하지 않는 것으로 나타나, ESP 적용 시 최소 20년 이상의 기상시나리오를 활용하는 것이 바람직하다고 판단된다. BAYES-ESP는 1개월 전망에서 기상시나리오의 기간이 길어질수록 불확실성 구간이 감소하는 것으로 나타났으며, ESP의 불확실성을 감소시킬 수 있는 것으로 나타났다. 다만 2개월 및 3개월 전망에서는 이러한 경향이 나타나지 않았으며, 이는 전술하였던 것과 같이 사전정보와 우도함수의 분산이 모두 커지기 때문인 것으로 판단된다.
- P-factor 산정결과 1~3개월 전망 ESP는 기상시나리오의 기간이 길어질수록 불확실성 구간이 작아지기 때문에 P-factor가 낮아지는 경향을 보였으며, 이는 기상시나리오의 기간이 길어질수록 ESP의 예측오차가 입력자료의 불확실성의 영향을 덜 받는다는 것을 의미한다. BAYES-ESP는 1개월 전망에서만 기상시나리오 의 기간이 길어질수록 P-factor가 감소하였으며, 2개월 및 3개월 전망에서는 이러한 경향을 보이지 않았다.
- 매개변수에 따른 불확실성 구간은 ESP의 경우 1~3개월 전망결과 모두 크게 나타났으며, 특히 여름철에 가장 큰 것으로 나타났다. BAYES-ESP는 ESP의 불확실성 구간을 현저하게 감소시켰으며, 선행시간이 길어질수록 불확실성 구간이 커지는 것으로 나타났다. 이는 Eq.
- ESP 기법의 입력자료에 따른 불확실성은 기상 시나리오의 기간이 길어질수록 감소하는 것으로 나타났으며, 여름철에 불확실성 구간이 가장 큰 것으로 나타났다. BAYES-ESP는 ESP의 입력자료에 따른 불확실성 구간을 전반적으로 감소시키는 것으로 나타났으며, ESP와 동일하게 여름철에 불확실성 구간이 가장 큰 것으로 나타났다. 또한 ESP와 BAYES-ESP의 입력자료, 매개변수에 따른 불확실성 구간에 대부분의 관측 댐 유입량이 포함되었으나 일부 여름철 관측 값이 포함되지 않는 것으로 나타났다.
- 2) ABCD 모델 매개변수에 따른 앙상블 유량예측의 불확실성 평가 결과 ESP 기법의 유량예측 불확실성 구간은 매우 크게 산정되어 유량예측에 매개변수의 영향을 많이 받는 것으로 나타났다. BAYES-ESP의 유량예측 불확실성 구간은 ESP 불확실성 구간의 약 35%로 BAYES-ESP 기법은 ESP의 모델 매개변수에 따른 불확실성을 현저하게 감소시킬 수 있는 것으로 나타났다.
- 6의 매개변수에 따른 불확실성 구간에 비해 전반적으로 작게 나타났으며, 이는 앙상블 예측기법의 특성 때문인 것으로 판단된다. ESP 기법의 입력자료에 따른 불확실성은 기상 시나리오의 기간이 길어질수록 감소하는 것으로 나타났으며, 여름철에 불확실성 구간이 가장 큰 것으로 나타났다. BAYES-ESP는 ESP의 입력자료에 따른 불확실성 구간을 전반적으로 감소시키는 것으로 나타났으며, ESP와 동일하게 여름철에 불확실성 구간이 가장 큰 것으로 나타났다.
- 6은 ABCD 모델 매개변수에 따른 ESP와 BAYES-ESP 댐 예측유입량 결과를 나타낸 것으로 좌측은 ESP 결과, 우측은 BAYES-ESP 결과를 나타낸다. ESP 댐 유입량 예측결과는 매년 예측 값의 큰 차이가 없는 것으로 나타났으며, 다우년과 과우년에 비교적 정확도가 떨어지는 것으로 나타났다. BAYESESP는 ESP의 과소모의하는 경향을 보정하는 것으로 나타났다.
- 다만 2개월 및 3개월 전망에서는 이러한 경향이 나타나지 않았으며, 이는 전술하였던 것과 같이 사전정보와 우도함수의 분산이 모두 커지기 때문인 것으로 판단된다. P-factor 산정결과 1~3개월 전망 ESP는 기상시나리오의 기간이 길어질수록 불확실성 구간이 작아지기 때문에 P-factor가 낮아지는 경향을 보였으며, 이는 기상시나리오의 기간이 길어질수록 ESP의 예측오차가 입력자료의 불확실성의 영향을 덜 받는다는 것을 의미한다. BAYES-ESP는 1개월 전망에서만 기상시나리오 의 기간이 길어질수록 P-factor가 감소하였으며, 2개월 및 3개월 전망에서는 이러한 경향을 보이지 않았다.
- 6 결과와 동일하게 ESP의 ABCD 모델 매개변수에 따른 불확실성을 감소시킬 수 있다는 것을 의미한다. P-factor 산정결과는 ESP가 BAYESESP에 비해 높게 나타났으며, 이는 ABCD 모델 매개변수에 따른 불확실성이 댐 유입량 모의 정확도에 미치는 영향을 뜻한다. 즉, ESP의 댐 유입량 예측 오차가 BAYES-ESP의 댐 유입량 예측 오차에 비해 매개변수에 따른 불확실성의 영향을 크게 받음을 의미한다.
- Table 1은 ABCD 모델 매개변수 불확실성에 따른 통계치 산정결과로 R-factor는 불확실성 구간을 정량적으로 나타내며, P-factor는 불확실성 구간에 관측 값이 얼마나 포함되어 있는지를 나타낸다. R-factor 산정결과는 BAYES-ESP 방법이 ESP에 비해 낮게 나타났으며, 이는 Fig. 6 결과와 동일하게 ESP의 ABCD 모델 매개변수에 따른 불확실성을 감소시킬 수 있다는 것을 의미한다. P-factor 산정결과는 ESP가 BAYESESP에 비해 높게 나타났으며, 이는 ABCD 모델 매개변수에 따른 불확실성이 댐 유입량 모의 정확도에 미치는 영향을 뜻한다.
- 80을 활용하였으며, 빨간색 점은 반응변수의 분포를 나타낸다. 각 매개변수 세트별 NSE 산정결과 매개변수 A와 D는 넓게 퍼지는 분포형을 나타내었으며, 매개변수 B와 C는 NSE 가 높아질수록 일정구간에 분포가 모이는 것으로 나타났다. 분포형이 넓을 경우 같은 NSE를 갖는 여러 개의 매개변수 값이 존재하므로 최적변수 선정에 어려움이 있으며, 반대로 NSE가 높아질수록 일정구간에 모이는 경우에는 최적변수 선정에 용이하다.
- 다만 일부 여름철 관측 값은 포함되지 않았으며, 오차의 원인이 모델 구조 자체의 한계 때문인 것으로 판단된다. 기상시나리오 기간에 따른 불확실성 구간 산정결과 기간이 길어질수록 폭이 감소하였으며, 20년 이상부터 감소폭이 크지 않아 ESP 산정 시 20년 이상의 기상시나리오를 활용하는 것이 바람직할 것으로 판단된다. 또한 BAYES-ESP는 1개월 전망 ESP 의 입력자료에 따른 불확실성 구간을 감소시킬 수 있는 것으로 나타났다.
- 기상시나리오 기간에 따른 불확실성 구간 산정결과 기간이 길어질수록 폭이 감소하였으며, 20년 이상부터 감소폭이 크지 않아 ESP 산정 시 20년 이상의 기상시나리오를 활용하는 것이 바람직할 것으로 판단된다. 또한 BAYES-ESP는 1개월 전망 ESP 의 입력자료에 따른 불확실성 구간을 감소시킬 수 있는 것으로 나타났다.
- BAYES-ESP는 ESP의 입력자료에 따른 불확실성 구간을 전반적으로 감소시키는 것으로 나타났으며, ESP와 동일하게 여름철에 불확실성 구간이 가장 큰 것으로 나타났다. 또한 ESP와 BAYES-ESP의 입력자료, 매개변수에 따른 불확실성 구간에 대부분의 관측 댐 유입량이 포함되었으나 일부 여름철 관측 값이 포함되지 않는 것으로 나타났다. 이는 유량 예측 오차의 원인이 입력자료 및 매개변수에서 발생하는 것이 아니라 모델 구조 자체의 한계 때문에 발생하는 것으로 판단된다.
- (2)와 같이 BAYES-ESP의 예측 값이 사전정보의 분산과 우도함수의 분산의 가중평균으로 산정되며, 예측 값의 불확실성이라고 할 수 있는 분산이 감소하는 효과가 발생하기 때문이다. 또한 선행시간이 길어짊에 따라 사전정보와 우도함수의 분산이 모두 커질 경우 BAYES-ESP의 불확실성을 감소시키는 효과가 줄어드는 것으로 판단된다.
- BAYESESP는 ESP의 과소모의하는 경향을 보정하는 것으로 나타났다. 매개변수에 따른 불확실성 구간은 ESP의 경우 1~3개월 전망결과 모두 크게 나타났으며, 특히 여름철에 가장 큰 것으로 나타났다. BAYES-ESP는 ESP의 불확실성 구간을 현저하게 감소시켰으며, 선행시간이 길어질수록 불확실성 구간이 커지는 것으로 나타났다.
- 매개변수의 보정기간 및 검정기간의 댐 유입량 분포도 모두 검정색 실선에 근접하였으며, 모의 유입량과 관측 유입량의 상관계수는 0.90 이상으로 ABCD 모델의 모의능력이 우수한 것으로 나타났다.
- 1) 앙상블 유량예측을 위해 충주댐 유역에 대해 ABCD 강우-유출 모델을 구축하였으며, 모델 매개변수에 따른 불확실성 분석을 수행하였다. 모델 구축결과 관측 값과 모의 값의 상관계수는 0.90 이상으로 모의능력이 우수하게 나타났다. 매개변수에 따른 불확실성 분석은 GLUE 기법을 활용 하였으며, 불확실성 분석에 활용될 반응변수는 0.
- 4의 반응변수를 기반으로 강우-유출 모의를 수행한 결과를 나타낸 것으로 검정색 점은 관측 댐 유입량, 빨간색 점은 모의 댐 유입량, 회색 음영은 반응변수에 따른 불확실성 구간을 뜻한다. 모델 매개변수에 따른 불확실성 구간은 대부분의 관측 유입량과 유사한 거동을 보이는 것으로 나타났다. 다만 일부 여름철 구간에 관측 값이 불확실성 구간에서 크게 벗어나는 것으로 나타났으며, 이는 강우-유출 모델 구조 또는 입력자료의 불확실성 때문인 것으로 판단된다.
- 본 연구결과 앙상블 유량예측 기법은 입력자료 보다 모델 매개변수의 영향을 크게 받았으며, 일부 여름철에 발생하는 예측오차는 모델 구조의 한계 때문인 것으로 나타났다. 앙상블 유량예측은 20년 이상의 관측 기상자료가 확보되었을 때 활용하는 것이 적절하였으며, BAYES-ESP는 ESP에 비해 불확실성을 감소시킬 수 있는 것으로 나타났다.
- 본 연구결과 앙상블 유량예측 기법은 입력자료 보다 모델 매개변수의 영향을 크게 받았으며, 일부 여름철에 발생하는 예측오차는 모델 구조의 한계 때문인 것으로 나타났다. 앙상블 유량예측은 20년 이상의 관측 기상자료가 확보되었을 때 활용하는 것이 적절하였으며, BAYES-ESP는 ESP에 비해 불확실성을 감소시킬 수 있는 것으로 나타났다. 본 연구는 불확실성 분석을 통해 앙상블 유량예측기법의 특징과 오차 원인을 분석하였다는 점에서 가치가 있다고 판단된다.
- Table 2는 입력자료의 불확실성에 따른 통계치 산정결과 로 R-factor 산정결과 1~3개월 전망 ESP의 불확실성 구간은 기상시나리오의 기간이 길어질수록 감소하는 것으로 나타났다. 특히 기상시나리오를 20년 이상 활용할 때부터 불확실성은 크게 감소하지 않는 것으로 나타나, ESP 적용 시 최소 20년 이상의 기상시나리오를 활용하는 것이 바람직하다고 판단된다. BAYES-ESP는 1개월 전망에서 기상시나리오의 기간이 길어질수록 불확실성 구간이 감소하는 것으로 나타났으며, ESP의 불확실성을 감소시킬 수 있는 것으로 나타났다.
후속연구
- 본 연구는 불확실성 분석을 통해 앙상블 유량예측기법의 특징과 오차 원인을 분석하였다는 점에서 가치가 있다고 판단된다. 추후 앙상블 유량예측 기법뿐만 아니라 다양한 수문전망 기법에 대한 불확실성 분석이 수행될 필요가 있으며, 이를 기반으로 정확도 개선 연구가 진행될 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.