* 본 문서는 배포용으로 복사 및 편집이 불가합니다.
서지정보
ㆍ발행기관 : 한국습지학회
ㆍ수록지정보 : 한국습지학회지 / 16권 / 1호
ㆍ저자명 : 신현석, 노희성, 김연수, 이씨든, 김덕환, 김형수
ㆍ저자명 : 신현석, 노희성, 김연수, 이씨든, 김덕환, 김형수
목차
1. 서 론2. 지상 관측강우의 보정
3. 보정 강우를 이용한 유출 모의
4. 결과 및 고찰
5. 결 론
Reference
한국어 초록
본 연구에서는 우량계로 측정한 강우량이 실제 지표면에 떨어지는 강우 값에 근접하도록 보정함으로써, 유출해석 및 기타 수문분석에 적용할 경우 신뢰도 높은 결과를 얻는데 목적이 있다. 지상우량계로 관측한 강우량에 대한 바람의 영향을
분석하기 위하여, 표준기상관측소인 추풍령기상대에 설치된 바람막이의 유(有)·무(無)에 따른 우량계와 기준우량계의 자료
를 획득하였다. 획득한 강우를 단순선형회귀 모형과 신경망 모형을 이용하여 지상강우를 보정하였으며, VfloTM모형을 이
용한 유출모의를 통하여 자료의 신뢰도를 검증하였다. 단순선형회귀 모형을 사용한 보정 강우량은 실제 관측된 강우량보
다 5%~18%가 큰 강우량을 나타냈으며, 강우획득에 있어 바람의 영향은 1.6~3.3m/s의 풍속구간에서 가장 큰 것을 확인하
였다. 또한 회귀모형에서는 풍속구간 5.5? ?이상일 경우 자료의 개수가 전체자료의 0.7%로 매우 작고, 이상치가 획득됨
으로써 회귀모형 적용의 어려움이 있었다. 반면에 신경망 기법을 이용한 지상강우의 보정은 전체적으로 관측 값보다
10~20% 가량 강우가 적게 추정되었다. 통계분석결과, 전체적으로 편차가 크고 평균 강우획득량이 클수록 신경망 모형의
적용성이 높게 나타났으며, 획득한 강우량의 극치값이 크게 나타날수록 선형회귀 모형의 적용성이 높게 나타나는 것을
확인하였다. 본 연구결과로 신뢰성 높은 강우보정을 위해서는 지역별 강우 특성에 따른 적합한 보정방법을 선택해야 할
것으로 판단되며, 앞으로의 수문해석에 있어 본 논문에서 제시하는 강우 보정방법을 적용함으로써 신뢰도 높은 수문해석
결과를 기대할 수 있을 것으로 사료된다.
영어 초록
The purpose of this paper is to obtain reliable rainfall data for runoff simulation and other hydrological analysis by thecalibration of gauge rainfall. The calibrated gauge rainfall could be close to the actual value with rainfall on the ground. In
order to analyze the wind effect of ground rain gauge, we selected the rain gauge sites with and without a windshield and
standard rain gauge data from Chupungryeong weather station installed by standard of WMO. Simple linear regression model
and artificial neural networks were used for the calibration of rainfalls, and we verified the reliability of the calibrated rainfalls
through the runoff analysis using VfloTM. Rainfall calibrated by linear regression is higher amount of rainfall in 5%~18% than
actual rainfall, and the wind remarkably affects the rainfall amount in the range of wind speed of 1.6~3.3m/s. It is hard to
apply the linear regression model over 5.5? ? wind speed, because there is an insufficient wind speed data over 5.5? ?
and there are also some outliers. On the other hand, rainfall calibrated by neural networks is estimated lower rainfall amount in
10~20% than actual rainfall. The results of the statistical evaluations are that neural networks model is more suitable for
relatively big standard deviation and average rainfall. However, the linear regression model shows more suitable for extreme
values. For getting more reliable rainfall data, we may need to select the suitable model for rainfall calibration. We expect the
reliable hydrologic analysis could be performed by applying the calibration method suggested in this research.
참고 자료
없음태그
"한국습지학회지"의 다른 논문
- 물환경에서의 유기물질 지표 특성 및 효율적 이용방안 -낙동강수계 호소수를 대상으로-8페이지
- 하구폐색저감을 위한 도류제 제원에 관한 연구13페이지
- 홍수도달시간 산정방법이 설계홍수량에 미치는 영향13페이지
- 강우관측소의 설치고도를 고려한 강우관측망 평가방안12페이지
- 면적평균강우량 산정을 통한 강우관측망 평가 및 추정오차10페이지
- 홍수시 둔치구간의 수리해석을 위한 2차원 모형 비교10페이지
- 발신기 삽입시 발신기 무게가 쇠살모사(Gloydius ussuriensis)와 까치살모사(Gloyd..8페이지
- 영산강 하구역 수질환경 관리를 위한 GIS기반 통합정보시스템 개발에 관한 연구11페이지
- 대형정수식물을 활용한 높은 생산성의 인공습지 조성 및 관리12페이지
- 직렬연결 수직 및 수평 흐름 갈대 제올라이트 인공습지에 의한 생활하수 처리9페이지