$\require{mediawiki-texvc}$

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.

팔당댐 유역의 데이터 기반 수질 예측 모형 구성을 위한 사전 불확실성 분석
Preliminary Uncertainty Analysis to Build a Data-Driven Prediction Model for Water Quality in Paldang Dam 원문보기

Ecology and resilient infrastructure, v.9 no.1, 2022년, pp.24 - 35  

이은정 (청주대학교 환경공학과) ,  금호준 (국립재난안전연구원 안전연구실)

초록
AI-Helper 아이콘AI-Helper

수질분야에서 물재해 안정성 강화를 위해 과거와 현재의 수질을 분석하여 예측하는 기술을 지속적으로 고도화하는 것이 필요하며 데이터 기반의 예측 모형이 하나의 대안으로 대두되고 있다. 데이터 기반 모형은 복잡하고 광범위한 자료의 양을 기반으로 구축되기 때문에 보다 신뢰도 있는 결과를 얻을 수 있는 입력자료의 조합을 위한 상관관계 분석방법의 적용이 필수적이다. 본 연구에서는 보다 신속하고 정확한 데이터 기반의 수질 예측 모형을 구성하기 위한 선행단계로 Gamma Test를 적용하였다. 먼저 팔당댐의 다양한 수문조건에 따른 해당 유역의 복잡성과 정밀성이 재현된 과거와 현재의 일단위 수질을 최대한 확보하고자 물리적 기반 모형 (HSPF, EFDC)을 구동하였다. 팔당댐 수질예측지점과 팔당댐으로 유입되는 주요 하천의 수질을 대상으로 Gamma Test를 수행한 후 해석결과 (Gamma, Gradient, Standar Error, V-Ratio)를 통해 최적의 자료조합을 선정하는 방법을 제시하였다. 본 연구의 결과는 데이터 기반 모형 구축 시 반복적인 수행과정을 생략하여 시간을 단축하면서 보다 효율적으로 최적의 입력자료를 선정할 수 있는 정량적인 기준을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

For water quality management, it is necessary to continuously improve the forecasting by analyzing the past water quality, and a Data-driven model is emerging as an alternative. Because the Data-driven model is built based on a wide range of data, it is essential to apply the correlation analysis me...

주제어

#데이터 불확실성 분석   #수질   #물리적 기반 모델  

표/그림 (15)

참고문헌 (24)

  1. Chang, F.J., Tsai, Y.H., Chen, P.A., Coynel, A., and Vachaud, G. 2015. Modeling water quality in an urban river using hydrological factors-Data driven approaches. Journal of environmental management 151: 87-96. 

    상세보기

  2. Donigian, A.S. 2000. HSPF Training Workshop Handbook and CD, Lecture #19, Calibration and Verification Issues, Slide #L19-22, EPA Heaarters, Washington Information Center, Presented and prepared for U.S. EPA, Office of Water, Office of Science and Technology. 

  3. Faruk, D.O. 2010. A hybrid neural network and ARIMA model for water quality time series prediction. Engineering applications of artificial intelligence 23(4): 586-594. 

    상세보기

  4. Keum, H.J., Kim, H.I., and Kim, B. 2019. Uncertainty analysis of rainfall scenarios for the prediction of flood disasters in urban areas. Journal of the Korean Society of Hazard Mitigation 19(2): 255-264. (in Korean) 

  5. Khadr, M. and Elshemy, M. 2017. Data-driven modeling for water quality prediction case study: The drains system associated with Manzala Lake, Egypt. Ain Shams Engineering Journal 8(4): 549-557. 

    상세보기

  6. Kim, J.K., Lee, S.H., Bang, H.H., and Hwang, S.O. 2009. Characteristics of algae occurrence in Lake Paldang. Journal of Korean Society of Environmental Engineers 31(5): 325-331. (in Korean) 

  7. Kim, S.E. and Seo, I.W. 2015. Artificial neural network ensemble modeling with exploratory factor analysis for streamflow forecasting. Journal of Hydroinformatics 17(4): 614-639. 

    상세보기

  8. Kim, Y.S. and Lee, E.J. 2019. Establishment of Target Water Quality for TOC of Total Water Load Management System. Journal of Korean Society on Water Environment 35(6): 520-538. (in Korean) 

  9. Lee, E. and Kim, T. 2021. Predicting BOD under Various Hydrological Conditions in the Dongjin River Basin Using Physics-Based and Data-Driven Models. Water 13(10): 1383. 

  10. Lee, E.J. 2013. Application of total water load management system using watershed model and load duration curves. Doctor's thesis, Cheongju University, Choengju, Korea. (in Korean) 

  11. Lee, E.J., Kim, T.G., and Keum, H.J. 2018. Application of FDC and LDC using HSPF model to support total water load management system. Journal of Korean Society on Water Environment 34(1): 33-45. (in Korean) 

  12. Ministry Of Environment (MOE). 2015. Nam River Water Management Big Data Analysis to Prepare Water Quality Improvement Plan. (in Korean) 

  13. Najah, A., El-Shafie, A., Karim, O.A., and El-Shafie, A.H. 2013. Application of artificial neural networks for water quality prediction. Neural Computing and Applications 22(1): 187-201. 

  14. National Disaster Management Research Institute (NDMI), 2018, Developing an Analytic Framework for Real-time Inundated Hazard Area. (in Korean) 

  15. Niknia, N., Moghaddam, H.K., Banaei, S.M., Podeh, H.T., Omidinasab, F., and Yazdi, A.A. 2014. Application of gamma test and neuro-fuzzy models in uncertainty analysis for prediction of pipeline scouring depth. Journal of Water Resource and Protection 6(05): 514. 

    상세보기

  16. Oh, C.S. 2016. Notes on applying the EFDC model for simulating the water quality of Saemangeum watershed. Korean National Committee on Irrigation and Drainage 55: 42-48. (in Korean) 

  17. Park, J.D. and Oh, S.Y. 2012. Methodology for the identification of impaired waters using LDC for the management of total maximum daily loads. Journal of Korean Society on Water Environment 28(5): 693-703. (in Korean) 

  18. Poul, S., Manguerra, H., and Slawecki, T. 2019. A Watershed Management Perspective, Digest of water industry and business of Korean society on water environment. Big Data Anal 20-23. 

  19. Rauf, A., Ahmed, S., Ghumman, A.R., Ahmad, I., Khan, K.A., and Ahsan, M. 2016. Data Driven Modelling for Real-time Flood Forecasting. In Proceedings of the 2nd International Multi-Disciplinary Conference, Gujrat, Pakistan 19-20. 

  20. Sarkar, A. and Pandey, P. 2015. River water quality modelling using artificial neural network technique. Aquatic procedia, 4: 1070-1077. 

    상세보기

  21. Seo, I.W. and Choi, N.J. 2007. Water Quality Modeling and Water Quality Forecasting. Environmental Engineering Research 55(1): 57-84. (in Korean) 

  22. Stefansson, A., Koncar, N., and Jones, A.J. 1997. A note on the gamma test. Neural Computing & Applications 5(3): 131-133. 

    상세보기

  23. Tetra Tech, Inc. 2007. The Environmental Fluid Dynamics Code User Manual US EPA Version 1.01. 

  24. U.S.EPA. 2001. HSPF User's Manual. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

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