http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 장옥재 (검색결과 2 건)
-
의사결정자를 위한 가뭄 심각도 평가 및 예측 방법 : 물수지 분석과 다층신경망 활용
장옥재 서울시립대학교 일반대학원 2023 국내박사
가뭄이란 특정 지역에 단기간 동안 강우의 감소 또는 부족으로 인해 발생하는 자연재해이다. 가뭄 재해의 특성상 그 발생과 소멸을 인식하기 쉽지 않고, 과거의 발생한 피해를 평가하거나 또는 가까운 미래에 발생할 피해를 예측하는 것 또한 쉽지 않다. 그렇기 때문에 가뭄으로 인해 발생할 피해를 신뢰성 있게 예측하는 것은 의사결정자들이 그에 적합한 대책을 수립하는데 있어 필수적인 과정이다. 의사결정자들을 위한 가뭄피해 예측에는 다음과 같은 요구사항을 만족시키는 것이 필요하다고 판단된다. 첫 번째로 가뭄의 심각도는 통계적인 수치보다는 특정 지역의 생활, 공업, 농업용수 수요를 만족시키지 못해 발생하는 물부족량과 같이 정량적인 수치로 정의되어야 한다. 두 번째로 가뭄의 심각도 평가는 대상유역의 모든 용수공급원과 수요처를 모두 포함한 분석을 통해 물부족 발생지역과 그 심각도를 파악할 수 있도록 이루어져야 한다. 세 번째로는 가뭄의 심각도 예측에 있어서 제한된 정보와 다양한 시나리오에 대해 그 결과를 신속하게 의사결정자에게 전달할 수 있어야 한다. 이러한 요구사항을 만족시키기 위해 본 연구에서는 물수지 분석방법과 다층신경망 모형을 연속적으로 적용한 가뭄 예측방법을 제시하였다. 대상유역에서 연간 물부족량은 물수지 분석을 활용하여 평가하고, 산출된 물부족량과 기상자료를 다층신경망 모형의 종속변수와 독립변수로 각각 적용하는 방법으로 가뭄 심각도를 예측하였다. 물수지 분석을 통한 가뭄 심각도 평가는 국내의 수자원장기종합계획에서 적용한 방법을 수요량 산정 측면과 공급량 산정 측면에서 개선하여 대상유역의 가뭄 심각도 평가가 가능하도록 하였다. 먼저 수요량 산정 측면에서는 GIS format의 토지이용도 자료와 인구총조사 자료를 활용하여 각 대상유역의 용수 수요량을 산정하고, 비관개전의 농업용수 수요량을 수요량에 포함시킴으로써 실제 용수수요량이 물수지 분석에 포함될 수 있도록 개선하였다. 용수 공급량 산정 측면에서는 농업용 저수지와 암반층 지하수 등의 지역 용수 공급원과 취수원, 하수처리장 등을 분석에 포함시킴으로써 중권역 내에서 용수의 공급과 회귀를 모의에 포함하여 모의하였다. 본 연구의 대상유역(21개 중권역)에 해당 개선방안을 적용하여 기존에 산정된 용수 수요량과 비교하였을 때 11개 중권역에서 ‘다소 차이 (10 – 20% 차이)’ 또는 ‘상당한 차이 (20% 이상)’를 나타내었다. 다층신경망 모형을 활용한 가뭄 심각도 예측에 있어서는 과거 50여년의 관측자료로는 다층신경망 모형을 훈련시키기 부족하기 때문에 대안으로 RCP 기후변화 예측시나리오를 미래에 발생가능한 시나리오로 모형 훈련에 적용하였다. 4개의 RCP 시나리오부터 총 360개년의 물수지 분석 결과가 추가로 확보되었으며, 이중 32개년의 물부족량은 과거 50여년의 관측자료에서 발생한 최대갈수년의 물부족량보다 많은 양의 물부족이 발생하였다. 이렇게 극심한 가뭄의 경우가 모형의 훈련에 포함됨으로써 모형의 훈련과 검증 결과는 신뢰할만한 수준을 나타내었으며, 이를 토대로 각 중권역별로 최적화된 다층신경망 모형을 선정하였다. 과거 50여년의 관측자료만으로 훈련된 다층신경망에서는 검증 결과 상관계수가 0.52 – 0.63 밖에 나타나지 않았지만, RCP 시나리오를 적용한 경우에는 상관계수가 0.82 – 0.83 정도 나타내는 것을 볼 때 RCP 시나리오가 예측의 신뢰성을 크게 향상 시켰음을 알 수 있다. 선형 연구에는 가뭄 예측을 위해 신경망 모형이나 ARIMA (Autoregressive Integrated Moving Average) 모형과 같은 데이터 기반의 단일 모형을 적용하거나 기상학적 모형과 수문학적 모형을 결합하여 수문학적 가뭄을 예측한 사례가 있다. 하지만 물수지 분석과 다층신경망 모형을 결합하여 사용한 사례는 없었다. 이렇게 두 모형을 결합하는 방법을 통해 신뢰성 있는 가뭄 예측결과가 신속하게 전달됨으로써 의사결정자로 하여금 지속적으로 가뭄의 심각성을 모니터링 할 수 있고, 직관적으로 그 예상피해를 판단함으로써 적합한 가뭄 대책을 수립하도록 기여할 수 있으리라 판단된다. Droughts result from a decrease or deficiency in precipitation on a certain scale of the area during a short-term period. It is hard to recognize its onset and termination and to estimate the damage from the events which occurred in the past and are probably expected in near future. Therefore, reliable damage forecasting from droughts is critical for decision makers to formulate adaptive measures. The requirements of drought forecasting for decision makers are as follows: (1) the severity of drought should be defined as the amount of water shortage - the water supply cannot meet any form of water demand (residential, industrial, agricultural) and expressed quantitatively rather than statistically, (2) the assessment of drought severity should be conducted including all water systems (all the water consumptions and all sources of water supply) in the area to identify both the afflicted areas and their severity, (3) the forecasting of drought severity should be frequently performed with the limited information and numerous weather scenarios, and the result should be delivered to decision makers well before drought onset. To satisfy these requirements, this study developed a drought forecasting method that sequentially involves the water balance model and Deep Neural Network (DNN). The annual water shortage in the study area was estimated with the former, and meteorological data and the annual water shortage data were used as independent and dependent variables, respectively, for the latter model's training. In drought assessment for the water shortage estimation, based on the analysis method currently used in the National Plan, several improvements were proposed to examine the actual situation. In terms of demand estimation, the GIS format of land use and the population census data were applied, and the agricultural demand in the rainfed area was included to accurately estimate the actual water demand. In addition, for the improvement of the water supply, both agricultural reservoirs and confined aquifers as well as intake and sewage treatment facilities were included to simulate water supply and return flow within a sub-basin boundary. Due to these improvements, the affected areas and their water shortage were simulated in the model; thus, the model is suitable for drought forecasting at a sub-basin level. Especially, there was no previous study adopting the GIS format of land use and the population census data to estimate the water demand in each sub-basin area. Of the 21 sub-basins in the study area, the water demand in 11 sub-basin areas estimated by the current method and the improved method was at a level of significant or moderate difference. In drought forecasting with the DNN model, observation data from the past 50 years were not sufficient to train the model. As an alternative measure, representative concentration pathway scenarios (RCP scenarios) were adopted as future events to extend the available data for the model training. Of the 360 years of water shortage resulting from the four RCP scenarios, 29 cases of water shortage exceeded the value of the worst drought year obtained from the past observation data. When sufficient data from extreme drought cases were considered, the performance of the model training and validation was within an acceptable range, and optimal DNN models were derived for each sub-basin. Compared to the model trained with a limited number of past observed data (correlation coefficient = 0.52~0.63), the model trained with the RCP scenarios exhibited a significant increase in the correlation coefficient of 0.82~0.83. In the previous study, artificial neural networks and autoregressive integrated moving average models were commonly employed for drought forecasting and the meteorological and hydrological models were employed together for hydrological drought forecasting. However, none of these previous studies have considered coupling the water balance model and the DNN model. Since the coupled model proposed herein can deliver reliable and prompt predictions of drought damage, it can contribute to the continuous analysis of the expected water shortage and the amount of rainfall for the following period, which can assist in formulating proactive measures for forecasted droughts.
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
