레이더 강우 앙상블과 강우-유출 모형의 블랜딩 기법을 이용한 유출수문곡선의 불확실성 분석 및 추정 :Uncertainty Analysis and Estimation of Runoff Hydrograph Using Radar Rainfall Ensemble and Blending Techniques of Rainfall-Runoff Models

이명진

추천

검색

자료유형: 학위논문

저자정보: 이명진 (인하대학교, 인하대학교 대학원)

지도교수: 김형수

발행연도: 2018

저작권: 인하대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (5)

2018

강우의 불확실성을 고려한 강우 앙상블 생성 및 다양한 강우-유출 모형을 활용한 블랜딩 기법의 적용

이명진 , 유영훈 , 주홍준 외 1명 대한토목학회 학술대회 2018.10 학술대회자료

레이더 강우 앙상블과 강우-유출 모형의 블랜딩 기법을 이용한 유출수문곡선의 불확실성 분석 및 추정

이명진 토목공학과 2018.01 학위논문

레이더 강우 앙상블과 유출 블랜딩 기법을 이용한 최적 유출 수문곡선 산정

이명진 , 강나래 , 김종성 외 1명 한국수자원학회논문집 2018.01 학술저널

2017

레이더 강우 앙상블과 다양한 유출모형의 블랜딩을 활용한 최적 유출곡선 산정

이명진 , 주홍준 , 김형수 한국수자원학회 학술발표회 2017.01 학술대회자료

2016

지상강우와 레이더강우를 이용한 크리깅 기법의 적용과 유출해석

이명진 , 장홍석 , 주홍준 외 2명 한국수자원학회 학술발표회 2016.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 기후변화로 인한 국지성 호우 및 태풍피해가 자주 발생하고 있고, 이로 인한 피해를 예방하고 빠르게 대처하기 위해서는 정확한 강우량 추정 및 강우의 공간적 분포를 파악해야한다. 하지만 이러한 강우의 불확실성을 해결한다고 해도 유출 모형의 불확실성에 대한 문제가 존재한다. 즉, 동일한 강우사상을 다른 수문모형에 적용하여 유출해석을 실시하더라도 모두 다른 유출결과를 나타내어 수문 모형의 정확도에 대한 문제가 발생하고 있다. 이에 본 연구에서는 강우의 불확실성을 고려하기 위해 확률론적 방법을 이용하여 앙상블 강우를 생성하고, 4개의 강우-유출 모형으로 강우 자료별 유출해석을 실시하여 유출 모형별 불확실성을 확인한 뒤 블랜딩 기법을 이용하여 모형별 불확실성을 줄이고자 하였다. 대상 유역은 한강 하류에 위치한 중랑천 유역으로 선정하였고, 중랑천 유역의 지상 강우 및 레이더 강우자료의 시·공간적 오차를 모형화하였다. 시·공간적 오차를 통해 얻어진 섭동을 레이더 강우에 더하여 강우 앙상블을 생성하였다. 생성된 강우 앙상블은 강우강도 및 지형적인 영향으로 레이더가 과소 관측이 될 때, 불확실성이 크게 나타나는 것을 확인하였다. 다음으로 Tank 모형, SSARR 모형, 저류함수 모형, Vflo 모형에 대한 유출해석을 실시하였다. 같은 강우 자료를 사용하더라도 모형별 유출 해석 결과가 다르게 나타나는 것을 확인할 수 있었고, 이를 블랜딩 기법을 이용하여 하나의 최적 유출 수문곡선으로 표현하였다. 최적 블랜딩 유출 수문곡선은 MMSE 블랜딩 유출 수문곡선으로 관측 유량과 비교하여 약 5.1 ~ 9.2%로 오차가 작게 발생하는 것으로 나타났다. 본 연구를 통해 강우 및 강우-유출 모형의 불확실성을 확인할 수 있었고, 강우 앙상블 및 블랜딩 유출 수문곡선을 활용한다면 치수대책 및 홍수예경보와 같은 의사 결정에 유용하게 활용될 수 있을 것으로 판단된다.

Recently, the flood damage by the localized heavy rainfall and typhoon have been frequently occurred due to the climate change. It is necessary to estimate accurate rainfall and understand spatial distribution of rainfall to prevent such damage. However, even if the rainfall uncertainty is solved, there is a problem about the uncertainty of the runoff model. Although the same rainfall events are applied to different rainfall-runoff models, runoff results are all different, which means the problems about the accuracy of the rainfall-runoff model. In this study, the ensemble rainfall was generated using a probabilistic approach to consider the uncertainty of rainfall, and the runoff analysis was carried out with 4 rainfall-runoff models to confirm the uncertainty of each runoff model. Finally, blending techniques are used to reduce the uncertainty of runoff models. Study area is Jungrang- Cheon basin and the temporal and spatial errors between ground rainfall data and radar data were modeled. The rainfall ensemble was generated by adding the radar rainfall to the perturbation obtained from the spatial and temporal errors. The generated rainfall ensemble showed that the uncertainty was large when the radar is underestimated due to the rainfall intensity and topographical influence. Next, the runoff analysis was performed using Tank model, SSARR model, the storage function model and Vflo model. We confirmed that the runoff analysis results were different even if the same rainfall data were used and we could express as an optimal runoff hydrograph using blending technique. The optimal blending runoff hydrograph is MMSE, and it showed an error of 5.1 ~ 9.2% compared to the observed runoff. Though this study, uncertainty of rainfall and rainfall-runoff model could be confirmed, and this result could be used as the decision-making tool for flood forecasting and warning and also for the preparedness of flood control measures.

제 1 장 서 론 1
1.1 연구배경 및 목적 1
1.2 연구동향 4
1.2.1 레이더 강우 자료의 불확실성 및 강우 앙상블 생성 4
1.2.2 강우-유출 모형의 불확실성 및 블랜딩 유출 곡선 5
1.3 연구내용 및 범위 7
제 2 장 강우 앙상블 생성 기법 및 강우-유출 모형 9
2.1 레이더 강우의 오차구조 및 강우 앙상블 생성 기법 9
2.1.1 앙상블의 개념 및 확률론적 기법 9
2.1.2 레이더 강우의 불확실성 모형화 11
2.1.3 불확실성을 고려한 섭동 생성 13
2.2 강우-유출 모형의 이론 15
2.2.1 Tank 모형 16
2.2.2 SSARR 모형 22
2.2.3 저류함수 모형 27
2.2.4 Vflo 모형 31
2.3 블랜딩 기법 34
2.3.1 Multi-Model Super Ensemble(MMSE) 35
2.3.2 Simple Model Average (SMA) 35
2.3.3 Mean Square Error (MSE) 36
제 3 장 시·공간적 오차를 고려한 강우 앙상블 생성 38
3.1 대상지역 선정 및 수문 자료 수집 38
3.1.1 대상지역 38
3.1.2 강우사상 선정 40
3.2 레이더 강우의 오차구조를 반영한 강우 앙상블 생성 41
3.2.1 레이더 강우 및 지상 강우를 이용한 공간-시간 오차 모형 구축 41
3.2.2 공간-시간 오차 모형을 이용한 강우 앙상블 생성 45
제 4 장 유출 해석 및 블랜딩 기법을 이용한 최적유출 수문곡선 선정 49
4.1 강우-유출 모형별 유출해석 49
4.1.1 Tank 모형을 이용한 유출수문곡선 모의 및 해석 50
4.1.2 SSARR 모형을 이용한 유출수문곡선 모의 및 해석 51
4.1.3 저류함수 모형을 이용한 유출수문곡선 모의 및 해석 54
4.1.4 모형을 이용한 유출수문곡선 모의 및 해석 55
4.2 최적 유출 수문곡선 산정을 위한 블랜딩 기법의 적용 및 평가 60
4.2.1 블랜딩 기법의 적용 60
4.2.2 블랜딩 기법의 평가 및 최적 유출 수문곡선 선정 64
제 5 장 결 론 70

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (5)

초록· 키워드

목차

최근 본 자료

댓글(0)