• 한국수자원학회논문집
• /
• 제53권8호
• /
• pp.597-604
• /
• 2020

하도홍수추적을 위한 수문학적 방법인 머스킹검 방법은 유입량, 유출량 그리고 저류량의 관계를 활용하여 유출량을 예측하는 방법이다. 머스킹검 방법에 관한 많은 연구가 진행되면서 필요한 매개변수들은 점점 늘어나게 되었고, 많은 매개변수로 인해 계산과정이 복잡해졌다. 이러한 문제를 해결하기 위해 최적화 알고리즘을 머스킹검 방법의 매개변수 산정에 적용하였다. 본 연구는 Advanced Nonlinear Muskingum Model considering continuous flow (ANLMM-L)를 Wilson 홍수자료와 Sutculer 홍수자료에 적용하여 Linear Munsingum Model incorporating Lateral flow (LMM-L)과 Kinematic Wave Model (KWM)의 결과와 비교하였다. 관측 유출량과 모의 유출량과의 비교를 위한 지표로 Sum of Squares (SSQ)를 사용하였다. Exponential Bandwidth Harmony Search with Centralized Global Search (EBHS-CGS)가 ANLMM-L의 매개변수 산정에 적용되었다. Wilson 홍수자료에 적용한 결과 LMM-L보다 ANLMM-L이 정확한 결과를 나타냈다. Sutculer 홍수자료에서는 ANLMM-L이 KWM보다 좋은 결과를 보이긴 했으나, Sutculer 홍수자료의 유량이 크기 때문에 Wilson 홍수자료의 경우에 비해 SSQ가 크게 나타났다. EBHS-CGS는 본 연구에서 적용한 머스킹검 홍수추적뿐만 아니라 다양한 수자원 공학 문제에 적용할 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.29-37
• /
• 2020

과거 자연현상에서 발생하는 복잡한 비선형성에 따른 문제를 해결하기 위해 메타 휴리스틱 최적화 알고리즘들이 개발되었고 개발된 알고리즘의 적용성을 검토하기 위해 다양한 연구들이 진행되었다. Self-adaptive vision correction algorithm (SAVCA)는 수학 문제에서는 우수한 성능을 보여주었지만 복잡한 공학 문제들에 적용되지 않았을 뿐만 아니라 SAVCA의 적용과정에 대한 검토가 필요하다. SAVCA의 공학 문제에 대한 적용 및 적용과정에 대한 검토를 위해 최근 개발되어 우수한 성능을 보여주었던 advanced nonlinear Muskingum flood routing model (ANLMM-L)에 적용하였다. 먼저 SAVCA에 의해 초기 해집합을 생성한 후 ANLMM-L을 통해 적합도를 산출하였다. 국지탐색 및 전역탐색에 의해 선택된 새로운 값을 SAVCA에 넣고 새로운 해를 생성한 후 다시 ANLMM-L을 적용하여 적합도를 계산하였다. 새로운 해와 기존 해집합의 결과를 비교하여 개량하는 방법을 통해 마지막 연산이 진행되었다. 관측 유출량과 계산된 유출량과의 오차를 계산하기 위해 sum of squares (SSQ)가 사용되었으며 적용한 결과는 기존 방법들과 비교하였다. Muskingum 홍수추적에서 우수한 성능을 보여준 SAVCA는 다양한 공학 문제들에 적용되어 우수한 성능을 보여줄 것으로 예상된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.388-388
• /
• 2019

하도 홍수추적의 방법은 크게 수리학적 방법과 수문학적 방법으로 구분할 수 있다. 수리학적 홍수추적 방법은 정확하지만 대량의 자료가 필요하고 시간이 오래 걸린다. 이와 반대로 수문학적 홍수추적 방법은 정확성은 떨어지지만 소량의 자료만 있으면 되고 시간이 적게 걸린다. 여러 수문학적 홍수추적에 관한 연구들이 있으며 대표적으로 Muskingum 방법이 있다. Muskingum 방법 중 Linear Muskingum Model(LMM)은 방정식의 구조적 한계 때문에 정확한 홍수추적이 어려웠고, 이를 개선하기위하여 Nonlinear Muskingum Model(NLMM), Nonlinear Muskingum Model Incorporation Lateral Flow(NLMM-L) 및 Advanced Nonlinear Muskingum Model Incorporating Lateral Flow(ANLMM-L)이 제안되었다. 본 연구는 수문학적 홍수추적 중 Muskingum 방법의 결과 차이가 어떤 요인으로 인해 발생하는지 검토하였다. 최적화 알고리즘으로 화음탐색법(Harmony Search, HS)을 사용하였으며 LMM, NLMM, NLMM-L 및 ANLMM-L의 매개변수를 산정하였다. 각 방법에 적용 시 HS의 매개변수에 변화를 주어 민감도 분석을 실시하였으며, 분석을 위한 홍수자료는 The Willson Flood data (1947)를 선택하였다. 오차비교방법은 Sum of Squares(SSQ), Root Mean Square Errors(RMSE), Nash-Sutcliffe Efficiency(NSE)를 비교하였다. 비교 결과 알고리즘의 성능에 의한 차이보다 홍수추적 방법의 차이가 더 영향이 큰 것으로 나타났다.