[논문]Shot Noise Process 기반 강우-유출 모형을 이용한 유출 앙상블 멤버 생성

강민석; 조은샘; 유철상

doi:10.3741/jkwra.2019.52.9.603

Shot Noise Process 기반 강우-유출 모형을 이용한 유출 앙상블 멤버 생성
Generation of runoff ensemble members using the shot noise process based rainfall-runoff model 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.9, 2019년, pp.603 - 613

강민석 (고려대학교 공과대학 건축사회환경공학부) , 조은샘 (고려대학교 공과대학 건축사회환경공학부) , 유철상 (고려대학교 공과대학 건축사회환경공학부)

초록
AI-Helper

본 연구에서는 shot noise process 기반 강우-유출 모형(이하 강우-유출 모형)을 이용하여 유출 앙상블 멤버를 생성하는 방법을 제안하였다. 아울러 제안된 방법을 적용하여 대림 2, 구로 1, 중동 빗물펌프장 등 3개 배수유역에 대한 유출 앙상블 멤버를 생성하고, 이를 관측 유출량과 비교해 보았다. 강우-유출 모형의 매개변수는 Kerby 공식, Kraven II 공식, Russel 공식 및 수정합리식의 개념을 이용하여 추정하였다. 강우-유출 모형 매개변수의 난수 발생을 위해서는 감마분포와 지수분포를 이용하였다. 특히, 감마분포의 경우에는 평균과 표준편차의 관계를 어떻게 설정하느냐에 따라 다양한 난수 발생이 가능함을 확인하였다. 생성된 유출 앙상블과 관측 유출량과의 비교 결과, 표준편차가 평균의 두 배인 감마 분포를 이용하여 만든 유출 앙상블이 관측 유출량을 가장 적절히 포괄함을 확인하였다.

Abstract ▼ AI-Helper

This study proposes a method to generate runoff ensemble members using a rainfall-runoff model based on the shot noise process (hereafter the rainfall-runoff model). The proposed method was applied to generate runoff ensemble members for three drainage basins of Daerim 2, Guro 1 and the Jungdong, whose results were then compared with the observed. The parameters of the rainfall-runoff model were estimated using the empirical formulas like the Kerby, Kraven II and Russel, also the concept of modified rational formula. Gamma and exponential distributions were used to generate random numbers of the parameters of the rainfall-runoff model. Especially, the gamma distribution is found to be useful to generate various random numbers depending on the pre-assigned relationship between mean and standard deviation. Comparison between the generated runoff ensemble members and the observed shows that those runoff ensemble members generated using the gamma distribution with its standard deviation twice of the mean properly cover the observed runoff.

주제어

표/그림 (8)

그림 Fig. 1. Comparison of the structure of general rainfall-runoff model and that in this study
그림 Fig. 2. Location of the three basins considered in this study and their major conduit networks
표 Table 1. Storm events considered in this study
그림 Fig. 3. Result of sub-basin division for each basin considered in this study
표 Table 2. Parameters of rainfall-runoff model for each sub-basin in Daerim 2 pumping station basin
그림 Fig. 4. Histogram of storage coefficient for conduit in Daerim 2 pumping station basin (Lines in the graph represent the mean)
그림 Fig. 5. Pumping station observation data, runoff ensemble members and conventional runoff result
그림 Fig. 6. Pumping station observation data and range of runoff ensemble members

AI 본문요약
AI-Helper

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

문제 정의

이런 문제를 해결하기 위한 방편으로 도입된 것인 확률적 홍수예측이다. 발생 가능한 여러 시나리오를 생성하고(즉, 유출 앙상블) 이를 이용하여 확률적으로 발생 가능한 미래 유출량을 예측하는 것이다. 이 방법은 예측치에 대한 불확실성도 함께 제공할 수 있는 장점이 있다.
본 연구에서는 shot noise process 기반 강우-유출 모형(이하 강우-유출 모형) 매개변수의 난수를 발생하기 위해 감마분포 (gamma distribution)와 지수분포(exponential distribution) 를 고려하였다. 감마분포는 연속형 확률분포이고, 대기시간의 모델링에서 사건이 n번 발생하기까지의 대기 시간을 모의하는데 이용된다.
본 연구에서는 특히 도시유역에서 강우-유출 모형의 불확실성을 반영하는 앙상블 멤버 생성의 필요성을 증명하고자 한다. 이를 위해 본 연구에서는 도시유역 강우-유출 해석에 적용성이 검증된 Kang and Yoo (2018)의 shot noise process 기반의 강우-유출 모형을 선택하여 유출 앙상블 멤버 생성에 이용하였다.
배수유역별 생성된 유출 앙상블 멤버의 개수는 난수의 개수와 동일한 100개이다. 아울러, 유출 앙상블 멤버를 기존 유출 해석 결과와 비교하기 위해 유출 모형의 매개변수를 그대로 적용한 결과도 확인해보았다. Fig.

가설 설정

먼저 대상유역에 대한 유출 해석을 수행하기 위해 대상 유역을 소유역으로 분할하고, 소유역별 매개변수를 추정하였다. 소유역의 분할은 대상유역의 관망 자료를 이용하여 관거가 소유역의 측면에 위치한다는 가정 하에 수행하였다. 그 결과, 대림2 빗물펌프장 배수유역의 경우 15개 소유역으로 분할되었으며, 구로1 빗물펌프장 배수유역과 중동 빗물펌프장 배수유역의 경우 각각35개, 16개 소유역으로 분할되었다.

제안 방법

0을 적용할 수 있다(Jeong and Yoon, 2007). 감쇄상수는 각 소유역별 출구점에서 전체유역 출구점을 연결하는 관로에서의 감쇄 특성을 고려하기 위해 유역 감쇄상수와 하도 감쇄상수를 구분하여 산정하였다.
다음으로 유출 해석을 수행하기 위해 필요한 모형의 매개 변수를 추정하였다. Shot noise process 기반 강우-유출 모형 (이하 강우-유출 모형)의 매개변수는 지체시간, 감쇄상수, 첨두치이다.
빗물펌프장으로의 유입량은 측정하고 있지 않다. 따라서 저류지의 수위변화량과 펌프토출량을 합산하여 관측 유출량을 산정하였다.
먼저 대상유역에 대한 유출 해석을 수행하기 위해 대상 유역을 소유역으로 분할하고, 소유역별 매개변수를 추정하였다. 소유역의 분할은 대상유역의 관망 자료를 이용하여 관거가 소유역의 측면에 위치한다는 가정 하에 수행하였다.
강우-유출 모형을 이용한 유출 앙상블 멤버 생성 방법은 다음과 같다. 먼저, 감마분포와 지수분포를 이용하여 강우-유출 모형 매개변수의 통계적 특성을 따르는 난수를 발생시켰다. 난수발생을 위해 감마분포의 매개변수를 결정해야 하는데, 평균은 경험식으로 구한 값을, 분산은 n 값에 따른 평균과 표준편차의 관계를 이용하여 결정하였다.
본 연구에서는 θ가 0.5, 1.0, 2.0, 4.0일 때의 감마분포의 평균과 표준편차의 관계를 이용하여 소유역 별 표준편차를 추정하였다.
본 연구에서는 shot noise process 기반 강우-유출 모형을 이용하여 유출 앙상블 멤버를 생성하고 이를 서울특별시 소재 3개 빗물펌프장 배수유역(대림 2, 구로 1, 중동)에 적용하여 평가하였다. 강우-유출 모형의 매개변수는 Kerby 공식, Kraven II 공식, Russel 공식 및 수정합리식을 이용하여 추정하였다.
본 연구에서는 강우-유출 모형 매개변수(지체시간, 감쇄상수)에 대한 난수를 생성하기 위해 감마분포와 지수분포를 이용하였다. 감마분포와 지수분포를 이용하여 모형 매개변수에 대한 난수를 생성하기 위해서는 소유역별 매개변수의 평균과 표준편차를 추정하는 과정이 필요하다.
수정 합리식은 강우의 실제 지속기간이 유역의 도달시간보다 작을 경우, 같을 경우 및 유역의 도달시간 보다 더 긴 경우에 대한 수문곡선의 형태를 제시한다. 본 연구에서는 소유역별 도달시간이 1시간 미만, 분 단위인 것을 고려하여 수정합리식을 이용해 첨두유량을 산정하였다. 수정합리식을 이용하여 첨두유량을 산정하기 위해 이용한 강우 조건은 강우강도는 10 mm/hr, 강우 지속기간은 1분이다.
본 연구에서는 지수분포와 감마분포로 생성한 난수를 강 우-유출 모형에 적용하여 실제 호우 사상에 대한 유출 앙상블 멤버를 생성하였다. 배수유역별 생성된 유출 앙상블 멤버의 개수는 난수의 개수와 동일한 100개이다.
추정된 평균과 표준편차를 지수분포와 감마분포를 적용하여 강우-유출 모형 매개변수(지체시간, 감쇄상수)에 대한 난수를 발생시켰다. 생성한 난수의 개수는 충분한 유출 앙상블 멤버를 만들기 위해 각 배수유역별로 100개로 결정하였다. 다음 Fig.
소유역별 모형 매개변수의 평균은 앞서 경험식을 적용하여 추정한 값을 그대로 이용하였으며, 표준편차는 지수분포와 감마분포의 이론적인 배경을 고려하여 추정하였다. 본 연구에서는 θ가 0.
강우-유출 모형의 매개변수는 Kerby 공식, Kraven II 공식, Russel 공식 및 수정합리식을 이용하여 추정하였다. 유출 앙상블 멤버는 강우-유출 모형의 매개변수를 다양화하는 방법으로 생성하였으며, 이를 위해 지수분포와 감마분포를 고려하였다. 특히, 감마분포를 이용하면 평균과 표준편차의 관계를 조정하여 다양한 앙상블 멤버를 생성할 수 있는 것으로 확인되었다.
이에 본 연구에서는 감마분포의 표준편차를 평균의 # 배에서 2.0배까지 바꾸어 가며 유출 앙상블 멤버를 생성하고, 생성된 결과를 관측 유출량과 비교해 보았다.
Shot noise process 기반 강우-유출 모형 (이하 강우-유출 모형)의 매개변수는 지체시간, 감쇄상수, 첨두치이다. 지체시간은 유역 지체시간과 하도 지체시간으로 구분하여 결정하였다. 유역 지체시간은 Kerby 공식을 이용하여 결정하였으며, 하도 지체시간은 Kraven Ⅱ 공식을 이용하여 결정하였다.
첨두치는 수정합리식의 개념을 이용하여 추정하였다. 수정 합리식은 강우의 실제 지속기간이 유역의 도달시간보다 작을 경우, 같을 경우 및 유역의 도달시간 보다 더 긴 경우에 대한 수문곡선의 형태를 제시한다.
추정된 평균과 표준편차를 지수분포와 감마분포를 적용하여 강우-유출 모형 매개변수(지체시간, 감쇄상수)에 대한 난수를 발생시켰다. 생성한 난수의 개수는 충분한 유출 앙상블 멤버를 만들기 위해 각 배수유역별로 100개로 결정하였다.
유역 지체시간은 Kerby 공식을 이용하여 결정하였으며, 하도 지체시간은 Kraven Ⅱ 공식을 이용하여 결정하였다. 하도 지체시간은 각 소유역별 출구점에서 전체유역의 출구점까지 연결된 각각의 관거들의 지체시간을 산정한 후 모두 합하여 소유역별 하도 지체시간을 추정하였다.

대상 데이터

대상 유역의 강우 자료는 대상 유역 인근에 위치한 기상청 AWS 지점의 강우 자료를 이용하였다. 중동 빗물펌프장 배수유역의 경우 마포(411)지점, 구로1 빗물펌프장 배수유역과 대림2 빗물펌프장 배수유역의 경우 구로(423)지점의 1분 강우 자료를 이용하였다.
본 연구에서는 shot noise process 기반 강우-유출 모형(이하 강우-유출 모형)을 이용한 앙상블 멤버 생성을 위한 대상유역으로 대림2 빗물펌프장 배수유역, 구로1 빗물펌프장 배수 유역, 중동 빗물펌프장 배수유역을 선정하였다. 세 배수유역은 모두 서울에 위치해 있으며, 대림2 빗물펌프장 배수유역은 영동포구, 구로1 빗물펌프장 배수유역은 구로구, 중동 빗물펌프장 배수유역은 마포구에 위치해 있다.
, 2016). 본 연구에서는 연구의 대상 유역으로 서울특별시 소재 3개의 빗물펌프장 배수유역을 선정하였다. 이들 3개 유역은 유입량 자료 형식으로 관측자료가 있어 적용성 평가가 가능한 곳이다.
대상 유역의 강우 자료는 대상 유역 인근에 위치한 기상청 AWS 지점의 강우 자료를 이용하였다. 중동 빗물펌프장 배수유역의 경우 마포(411)지점, 구로1 빗물펌프장 배수유역과 대림2 빗물펌프장 배수유역의 경우 구로(423)지점의 1분 강우 자료를 이용하였다. 본 연구에서 분석한 호우사상의 기본 특성을 정리하면 Table 1과 같다.

데이터처리

먼저, 감마분포와 지수분포를 이용하여 강우-유출 모형 매개변수의 통계적 특성을 따르는 난수를 발생시켰다. 난수발생을 위해 감마분포의 매개변수를 결정해야 하는데, 평균은 경험식으로 구한 값을, 분산은 n 값에 따른 평균과 표준편차의 관계를 이용하여 결정하였다. 예를 들어, n = 1인 경우 감마분포의 평균과 표준편차가 같고, n = 2일 경우에는μ2 = 2σ2의 관계가 유도된다.

이론/모형

감쇄상수는 우리나라 실무에서 많이 이용되고 있는 Russel 공식을 이용하여 추정하였다. 이때 상수 α는 1.
본 연구에서는 shot noise process 기반 강우-유출 모형을 이용하여 유출 앙상블 멤버를 생성하고 이를 서울특별시 소재 3개 빗물펌프장 배수유역(대림 2, 구로 1, 중동)에 적용하여 평가하였다. 강우-유출 모형의 매개변수는 Kerby 공식, Kraven II 공식, Russel 공식 및 수정합리식을 이용하여 추정하였다. 유출 앙상블 멤버는 강우-유출 모형의 매개변수를 다양화하는 방법으로 생성하였으며, 이를 위해 지수분포와 감마분포를 고려하였다.
지체시간은 유역 지체시간과 하도 지체시간으로 구분하여 결정하였다. 유역 지체시간은 Kerby 공식을 이용하여 결정하였으며, 하도 지체시간은 Kraven Ⅱ 공식을 이용하여 결정하였다. 하도 지체시간은 각 소유역별 출구점에서 전체유역의 출구점까지 연결된 각각의 관거들의 지체시간을 산정한 후 모두 합하여 소유역별 하도 지체시간을 추정하였다.
수정합리식을 이용하여 첨두유량을 산정하기 위해 이용한 강우 조건은 강우강도는 10 mm/hr, 강우 지속기간은 1분이다. 이때, 유출계수는 Ponce (1989)가 정리한 토지이용도에 따른 합리식의 유출계수 범위를 참고하였으며, 토지이용상태는 국토지리정보원에서 제공하는 토지 이용도를 이용하였다. 다음 Table 2는 대림2 빗물펌프장 배수 유역의 소유역별 강우-유출 모형의 매개변수를 정리한 내용이다.
본 연구에서는 특히 도시유역에서 강우-유출 모형의 불확실성을 반영하는 앙상블 멤버 생성의 필요성을 증명하고자 한다. 이를 위해 본 연구에서는 도시유역 강우-유출 해석에 적용성이 검증된 Kang and Yoo (2018)의 shot noise process 기반의 강우-유출 모형을 선택하여 유출 앙상블 멤버 생성에 이용하였다. Shot noise process는 Bernier et al.

성능/효과

결과적으로 대림 배수구역의 유출자료에 약간의 문제가 있다고 가정하면, 적절한 θ값은 4.0정도인 것으로 판단된다.
0인 경우를 살펴보면 중동 배수유역의 유출 앙상블은 60% 이상의 관측값을 포괄하고 있는 것으로 나타난다. 구로 배수유역의 유출 앙상블 또한 50% 이상의 관측값을 포괄하는 것으로 나타나나, 대림 배수유역의 유출 앙상블은 상대적으로 작은 약40%의 관측값 만을 포괄하는 것으로 나타난다. 이러한 결과는 적절한 θ값이 어느 정도인지를 판단하는데 도움이 된다.
구로와 중동 배수유역 또한 θ = 2.0일 때 유출 앙상블의 일부가 관측 유출량을 모의하고 있는 것으로 나타났다.
소유역의 분할은 대상유역의 관망 자료를 이용하여 관거가 소유역의 측면에 위치한다는 가정 하에 수행하였다. 그 결과, 대림2 빗물펌프장 배수유역의 경우 15개 소유역으로 분할되었으며, 구로1 빗물펌프장 배수유역과 중동 빗물펌프장 배수유역의 경우 각각35개, 16개 소유역으로 분할되었다. 다음 Fig.
그 적용도 대부분 중규모 이상의 유역으로 되어 있는 특징이 있다. 그 이유는 첫째, 대상 유역에 관측자료가 충분하여 강우-유출 모형을 검보정 하기 유리하다는 점이다. 즉, 대상 유역을 대표하는 강우-유출 모형을 고정할 수 있다는 장점이 있다.
0인 경우부터 유출 앙상블 멤버와 기존 유출해석 결과와의 차이점이 확인되기 시작했다. 그리하여, 기존 유출 해석 결과와 값의 차이가 큰 관측 유출량을 모의하는 유출 앙상블 멤버도 발견되었다. 특히, 대림 배수유역의 경우 기존 유출 해석 결과는 관측 유출량과 확연히 차이가 있으나, 이에 대한 유출 앙상블의 일부는 관측 유출량과 동일한 값을 가지는 것으로 확인되었다.
마지막으로 θ = 4.0인 경우에는 앙상블 멤버의 최대값과 최소값이 크게 차이나며 세 배수유역에서 대부분의 관측값이 유출 앙상블의 범위 내에 존재하는 것으로 나타났다.
마지막으로, θ = 4.0인 경우를 살펴보면, 세 배수유역 모두 유출 앙상블 멤버가 대부분의 관측 유출량을 모의할 수 있는 것으로 확인되었다.
특히, 구로 배수유역과 중동 배수유역의 관측값은 앙상블 범위 안에 대부분 존재할 뿐만 아니라 앙상블 평균값 근처에 분포하는 것으로 확인되었다. 반면, 대림 배수유역의 결과를 보면, 관측값이 앙상블 범위 안에는 있지만, 앙상블 평균과는 여전히 차이가 큰 것으로 나타났다. 이러한 결과의 원인을 정확히 한정하기는 어려우나, 대림 빗물펌프장의 수위 변동 자료를 이용하여 유출량으로 역산정하는 과정에서 유출량이 실제 보다 과대하게 산정된 것이 아닌가 추측된다.
본 연구에서 확인해보았듯이 적절한 확률분포의 매개변수를 이용하여 유출 앙상블 멤버를 생성하면 기존 유출 해석 방법으로 모의하기 어려운 극단적인 유출량에도 대비할 수 있을 것으로 판단된다. 아울러, 본 연구에서 제시한 앙상블 멤버 생성 방법을 홍수 예·경보 시스템에 활용한다면 돌발적으로 발생하는 홍수에 대한 피해를 저감하는데 도움이 될 것으로 판단된다.
생성된 유출 앙상블과 관측 유출량과의 비교 결과, 표준편차가 평균의 두 배인 감마 분포를 이용하여 만든 유출 앙상블이 관측 유출량을 가장 적절히 포괄함을 확인하였다. 이 경우 유출 앙상블이 관측 유출량을 포괄하는 비율은 중동 배수유역에서 60% 이상, 구로 1 배수유역에서 50% 이상, 대림2 배수유역에서 40% 이상으로 나타나 유출 앙상블을 활용하기에 적절한 것으로 판단되었다.
생성된 유출 앙상블과 관측 유출량과의 비교 결과, 표준편차가 평균의 두 배인 감마 분포를 이용하여 만든 유출 앙상블이 관측 유출량을 가장 적절히 포괄함을 확인하였다. 이 경우 유출 앙상블이 관측 유출량을 포괄하는 비율은 중동 배수유역에서 60% 이상, 구로 1 배수유역에서 50% 이상, 대림2 배수유역에서 40% 이상으로 나타나 유출 앙상블을 활용하기에 적절한 것으로 판단되었다.
이상의 결과는 각 유출 앙상블이 관측 유출량을 얼마나 포괄하는지를 평가하는 과정에서도 확인되었다. 특히 θ가 4.
먼저 θ 값에 따른 히스토그램의 차이를 살펴보면, θ 값이 커질수록 난수의 범위가 넓어지는 것을 확인할 수 있다. 즉, 표준편차가 커질수록 평균과 차이가 큰 난수가 생성되고, 표준편차가 작아질수록 평균 주변의 값으로 난수가 생성되는 것을 알 수 있다. 대림2 빗물펌프장 배수유역의 히스토그램뿐만 아니라 구로1, 중동 빗물펌프장 배수유역의 히스토그램 또한 θ 값에 따른 히스토그램의 차이가 유사하게 나타났다.
유출 앙상블 멤버는 강우-유출 모형의 매개변수를 다양화하는 방법으로 생성하였으며, 이를 위해 지수분포와 감마분포를 고려하였다. 특히, 감마분포를 이용하면 평균과 표준편차의 관계를 조정하여 다양한 앙상블 멤버를 생성할 수 있는 것으로 확인되었다. 이에 본 연구에서는 감마분포의 표준편차를 평균의 # 배에서 2.
0인 경우에는 앙상블 멤버의 최대값과 최소값이 크게 차이나며 세 배수유역에서 대부분의 관측값이 유출 앙상블의 범위 내에 존재하는 것으로 나타났다. 특히, 구로 배수유역과 중동 배수유역의 관측값은 앙상블 범위 안에 대부분 존재할 뿐만 아니라 앙상블 평균값 근처에 분포하는 것으로 확인되었다. 반면, 대림 배수유역의 결과를 보면, 관측값이 앙상블 범위 안에는 있지만, 앙상블 평균과는 여전히 차이가 큰 것으로 나타났다.
그리하여, 기존 유출 해석 결과와 값의 차이가 큰 관측 유출량을 모의하는 유출 앙상블 멤버도 발견되었다. 특히, 대림 배수유역의 경우 기존 유출 해석 결과는 관측 유출량과 확연히 차이가 있으나, 이에 대한 유출 앙상블의 일부는 관측 유출량과 동일한 값을 가지는 것으로 확인되었다. 구로와 중동 배수유역 또한 θ = 2.

후속연구

본 연구에서 확인해보았듯이 적절한 확률분포의 매개변수를 이용하여 유출 앙상블 멤버를 생성하면 기존 유출 해석 방법으로 모의하기 어려운 극단적인 유출량에도 대비할 수 있을 것으로 판단된다. 아울러, 본 연구에서 제시한 앙상블 멤버 생성 방법을 홍수 예·경보 시스템에 활용한다면 돌발적으로 발생하는 홍수에 대한 피해를 저감하는데 도움이 될 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Shot noise란 무엇인가?	Shot noise는 다이오드나 트랜지스터와 같은 전자장치에서 발생하는 잡음(noise)의 한 형태이다. 이 noise는 발생시점에서 최댓값을 가지고 발생 시점 이후부터는 지수적으로(exponentially) 감소하는 특징을 가진다.
	강우-유출 해석과정의 불확실성을 해결하기 위한 방편은?	결과적으로 유출해석 결과는 상당한 오차를 보일수밖에 없는 구조적인 문제를 안게 된다. 이런 문제를 해결하기 위한 방편으로도입된 것인 확률적홍수예측이다. 발생 가능한 여러 시나리오를 생성하고(즉, 유출 앙상블) 이를 이용하여 확률적으로 발생가능한 미래 유출량을 예측하는 것이다.
	도시유역의 침수피해가 가중되어 나타나는 이유는?	,2018a). 특히, 도시유역의 경우에는 불투수면의 비율이 높기 때문에 짧은 도달시간, 첨두 유량의 증가 등의 현상이 나타나고, 이로 인한 침수피해가 가중되어 나타난다(Konrad, 2003;MLTMA, 2009; Jo, 2014; Song et al., 2015; Hofmann and Schüttrumpf, 2019). 침수로 인한 피해를 저감하기 위해서는근본적으로 예측 강우의 정확성이 개선되어 효과적인 예경보가 가능할 수 있어야 한다(MLTMA, 2009; Kim et al.

참고문헌 (33)

Bae, D., and Kim, J. (2007). "Development of Korea flash flood guidance system: (I) theory and system design." Journal of Korean Society of Civil engineering, KSCE, Vol. 27, No. 3B, pp. 237-243.
Bernier, J., Morlat, G., O'Connell, P. E., O'Donnell, T., Sneyers, R., Delaporte, P. J., Elston, D., and Borgman, L. E. (1970). "Inventaire des modeles de processus stochastiques applicables a la description des debits journaliers des rivieres." Revue de l'institut International de Statistique, ISI, Vol. 38, No. 1, pp. 49-104.

상세보기
Claps, P., and Murrone, F. (1994). "Optimal parameter estimation of conceptually-based streamflow models by time series aggregation." In Stochastic and Statistical Methods in Hydrology and Environmental Engineering, pp. 421-434.
Claps, P., Giordano, A., and Laio, F. (2005). "Advances in shot noise modeling of daily streamflows." Advances in water resources, Vol. 28, No. 9, pp. 992-1000.

상세보기
Cowpertwait, P. S. P., and O'Connell, P. E. (1992). "A Neyman-Scott shot noise model for the generation of daily streamflow time series." Advances in Theoretical Hydrology-A Tribute to James Dooge, pp. 75-94.
Gouweleeuw, B. T., Thielen, J., Franchello, G. D., De Roo, A. P. J., and Buizza, R. (2005). "Flood forecasting using medium-range probabilistic weather prediction." Hydrology and Earth System Sciences Discussions, European Geophysical Society, Vol. 9, No. 4, pp. 365-380.
Hofmann, J., and Schuttrumpf, H. (2019). "Risk-based early warning system for pluvial flash floods: approaches and foundations." Geoscience, MDPI, Vol. 9, No. 3.
Hutton, J. L. (1990). "Non-negative time series models for dry river flow." Journal of Applied Probability, APT, Vol. 27, No. 1, pp. 171-182.

상세보기
Jeong, J. H., and Yoon, Y. N. (2007). Water resources design practice. Goomibook, Seoul.
Jo, D. (2014). "Application of the urban flooding forecasting by the flood nomograph." Journal of the Korean Society Hazard Mitigation, KOSHAM, Vol. 14, No. 6, pp. 421-425.

원문보기 상세보기
Kang, M., and Yoo, C. (2018). "Development of a shot noise process based rainfall-runoff model for urban flood warning system." Journal of Korea Water Resources Association, KWRA, Vol. 51, No. 1, pp. 19-33.
Kim, H., Hwang, J., Ahn, J., and Jeong, C. (2018a). "Analysis of rate discharge change on urban catchment considering climate change." Journal of Korean Society of Civil Engineering, KSCE, Vol. 38, No. 5, pp. 645-654.
Kim, H., Keum, H., and Han, K. (2018b). "Application and comparison of dynamic artificial neural networks for urban inundation analysis." Journal of Korean Society of Civil Engineering, KSCE, Vol. 38, No. 5, pp. 671-683.
Kneis, D., Abon, C., Bronstert, A., and Heistermann, M. (2017). "Verification of short-term runoff forecasts for a small Philippine basin (Marikina)." Hydrological Sciences Journal, Vol. 62, No. 2, pp. 205-216.

상세보기
Komma, J., Reszler, C., Bloschl, G., and Haiden, T. (2007). "Ensemble prediction of floods? catchment non-linearity and forecast probabilities." Natural Hazards and Earth System Science, EGU, Vol. 7, No. 4, pp. 431-444.

상세보기
Konrad, C. P. (2003). Effects of urban development on floods. USGS, Reston, Virginia.
Lee, H., Ryu, S., Won, S., Jo, E., Kim, S., and Joe, G. (2016). "A study on model of heavy rain risk prediction using influencing factors of flood damage." Journal of the Korean Society Hazard Mitigation, KOSHAM, Vol. 16, No. 3, pp. 39-45.

원문보기 상세보기
Lee, M., Jung, I., and Bae, D. (2011). "Korean flood vulnerability assessment on climate change." Journal of Korea Water Resources Association, KWRA, Vol. 44, No. 8, pp. 653-666.

원문보기 상세보기
Lee, M., Kang, N., Kim, J., and Kim, H. S. (2018). "Estimation of optimal runoff hydrograph using radar rainfall ensemble and blending technique of rainfall-runoff models." Journal of Korea Water Resources Association, KWRA, Vol. 51, No. 3, pp. 221-233.
Lee, S. J., Kim, J. C., Hwang, M. H., and Maeng, S. J. (2010). "Forecasting monthly runoff using ensemble streamflow prediction." Journal of the Korean Society of Agricultural Engineers, KSAE, Vol. 52, No. 1, pp. 13-18.

원문보기 상세보기
Ministry of Land, Transport and Maritime Affairs (MLTMA) (2009). A Study on an application of urban runoff model for urban flood forcasting. Ministry of Land, Transport and Maritime Affairs.
Morlando, F., Cimorelli, L., Cozzolino, L., Mancini, G., Pianese, D., and Garofalo, F. (2016). "Shot noise modeling of daily streamflows: A hybrid spectral-and time-domain calibration approach." Water Resources Research, Vol. 52, No. 6, pp. 4730-4744.

상세보기
Murrone, F., Rossi, F., and Claps, P. (1997). "Conceptually-based shot noise modeling of streamflows at short time interval." Stochastic Hydrology and Hydraulics, Vol. 11, No. 6, pp. 483-510.

상세보기
Najafi, M. R., and Moradkhani, H. (2015). "Multi-model ensemble analysis of runoff extremes for climate change impact assessments." Journal of Hydrology, Vol. 525, pp. 352-361.

상세보기
Nester, T., Komma, J., Viglione, A., and Bloschl, G. (2012). "Flood forecast errors and ensemble spread-A case study." Water Resources Research, American Geophysical Union, Vol. 48, No. 10.
O'Connell, P. E., and Jones, D. A. (1979). "Some experience with the development of models for the stochastic simulation of daily flows." Inputs for Risk Analysis in Water Resources, pp. 287-314.
Ponce, V. M (1989). Engineering hydrology: Principles and practices. Prentice-Hall, New Jersey.
Schreider, S. Y., Smith, D. I., and Jakeman, A. J. (2000). "Climate change impacts on urban flooding." Climatic Change, Vol. 47, No. 1-2, pp. 91-115.

상세보기
Song, Y., Song, Y., Park, M., and Lee, J. (2015). "Preliminary feasibility study on alert standard rainfall for urban mid and small rivers." Journal of the Korean Society Hazard Mitigation, KOSHAM, Vol. 15, No. 1, pp. 315-326.

원문보기 상세보기
Todorovic, P., and Woolhiser, D. A. (1987). "A shot-noise model of streamflow." In Flood Hydrology,pp. 143-163.
Weiss, G. (1973). Filtered poisson processes as models for daily streamflow data. Ph. D. dissertation, Imperial College London, London, United Kingdom.
Weiss, G. (1977). "Shot noise models for the generation of synthetic streamflow data." Water Resources Research, Vol. 13, No. 1, pp. 101-108.

상세보기
Yu, W., Choi, M., Jeong, A., and Jung, K. (2017). "Ensemble rainfall estimation and flood forecast by considering spatial prediction uncertainty of numerical weather prediction." Journal of the Korean Society of Hazard Mitigation, KOSHAM, Vol. 17, No. 5, pp. 43-55.

상세보기

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