딥러닝 기반 미계측 지점 유량 예측 및 저수지 연계 운영 모형 개발
Development of Reservoir System Operation Model using Deep Learning-Based Streamflow Prediction in Ungauged Basin
- 주제(키워드) 딥러닝 , 저수지 시스템 , 가뭄대응 , 섬진강 유역
- 주제(DDC) 690
- 발행기관 아주대학교 일반대학원
- 지도교수 이재응
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 박사
- 학과 및 전공 일반대학원 건설시스템공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000034820
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
최근 기후변화로 인한 강수의 불확실성과 고온 현상의 심화로 인해 전 세계적으로 가 뭄 발생 빈도와 강도가 증가함에 따라 수자원 관리의 중요성이 크게 부각되고 있다. 우 리나라는 강수량의 계절적 편중과 강우 강도의 증가로 단기간의 홍수와 장기 가뭄이 반복되는 극단적인 수문현상이 빈번하게 발생하고 있으며, 수자원 공급의 불확실성과 리스크가 증가하고 있다. 섬진강 유역은 이러한 기후변화의 영향을 뚜렷하게 겪고 있으 며, 최근 가뭄으로 인해 섬진강댐과 주암댐의 저수율이 급격하게 저하되었고, 하류 지 역 주민들은 농업활동에 지장을 받고 있으며, 지역 생태계 또한 심각한 영향을 받고 있 다. 섬진강 하류 지역의 경우, 다압취수장의 증설 및 시설용량 확대와 지속적인 가뭄으 로 인해 하천 생태계의 균형이 악화되고 있는 실정이다. 하류 용수 부족 등 가뭄에 대응하기 위해 신규 댐 건설과 같은 추가 수원 확보를 위 한 구조적 방안은 환경적, 사회적 제약 등으로 인해 현실으로는 한계가 있으므로, 기존 수자원 시설물을 효율적으로 운영하기 위한 방안이 요구된다. 따라서 본 연구에서는 섬 진강 유역을 대상으로 농업용 저수지인 동화저수지를 활용한 저수지 연계 운영 방안을 제시하고자 한다. 농업용 저수지는 유입량 및 공급량 등 수문자료가 계측되지 않기 때 문에, 저수지 운영 방안 마련을 위해 딥러닝 기반의 미계측 지점 유량 예측 모형을 구 축하여 유입량 및 공급량 추정 방안을 개발하였다. 동화저수지의 유입량 및 공급량 추 정결과를 활용하여 다목적댐인 섬진강댐 및 주암댐과의 연계 운영 방안을 제안하고자 한다. 미계측 지점의 유량 예측을 위해서는 상류에 인위적으로 유량을 조절하는 시설물이 없는 54개의 유량 계측 지점을 활용하여 딥러닝 모델 중 시계열 예측에 특화되어 있는 LSTM 기반 예측 모형을 구축하였다. 예측 모형의 성능을 검증하기 위해서는 교차 기 법 중 LOOCV를 활용한 교차 검증을 통해 발생할 수 있는 모형의 과적합을 보완하고 자 하였다. 일 단위 유량 예측을 위해 강우자료와 지형자료, 기상자료 등을 활용하였으 며, 변수 조합에 따른 Case 구분을 통해 각 입력자료의 적용성을 검증하였다. 계측 지 점의 경우 54개 지점을 활용하여 예측한 모형과 군집분석을 통해 동화저수지와 유사한 지형특성을 갖는 지점을 구분하여 입력자료로 활용한 모형에 대해 검증하고, 최적 예측 모형을 선정하였다. 선정된 예측 모형을 통해 동화저수지의 일 단위 유입량 자료를 구 축하였으며, 월별 공급량의 경우 관측 수위와 모의 수위를 비교하여 추정하였다. 동화 저수지의 구축된 자료를 통해 섬진강댐과 주암댐의 단독 운영 모형 및 연계 운영 모형 을 개발하였으며, 모의 운영 결과에 따른 용수공급 조정기준에 대한 도달 일수를 산정 하여 비교하였다. 미계측 지점의 유량 예측 결과, 군집화 기반의 강우, 지형, 기상자료를 활용한 모형이 가장 합리적인 유량을 예측하는 것으로 판단하였다. 개발된 모형으로 동화저수지의 유 입량 및 공급량을 추정하여, 동화저수지와 유사한 규모의 댐의 계획 공급량과 비교하여 적합성을 평가하였다. 이를 활용한 저수지 단독 운영 결과, 섬진강댐이 주암댐과 동화 저수지에 비해 수위 안정성이 가장 낮은 것으로 분석되었으며, 생공용수 감축이 필요한 것으로 나타난다. 단독 운영 결과에 따라 연계 운영은 섬진강댐의 하류 공급량을 주암 댐과 동화저수지에서 대체 공급하는 방식으로 모형을 구축하였다. 그 결과, 동화저수지 를 활용하는 경우, 섬진강댐의 수위 안정성을 향상시킬 뿐만 아니라 주암댐의 대체 공 급량에 대한 부담을 저감시키는 것으로 분석되어, 동화저수지의 활용도가 높은 것으로 판단된다. 연계 운영 모형은 섬진강 하류의 생태 유지를 위해 필요한 최소 유량 확보에 대해서도 효과적인 것으로 분석되었다. 본 연구의 결과는 농업용 저수지의 유입량 및 공급량 추정 결과에 대한 불확실성을 해결하고, 신뢰도 향상을 위해 지속적으로 자료를 수집하여 예측 모형을 보완할 필요가 있다. 본 연구에서 제안한 농업용 저수지를 활용한 저수지 연계 운영 방안은 입력 자료 의 정밀도가 향상되고 모형이 개선되는 경우 수계 내 용수공급 안정성을 확보하는데 기여도가 높을 것으로 기대된다.
more초록/요약
Increasing climatic variability, including erratic precipitation and intensified heat extremes, has exacerbated the frequency and intensity of droughts globally, highlighting the growing importance of water resource management. In South Korea, distinct seasonal rainfall patterns and increased rainfall intensity have resulted in repeated occurrences of extreme hydrological phenomena such as short-term floods and prolonged droughts. These phenomena are exacerbating uncertainties and risks in water supply systems. The Seomjin River basin is one of the regions experiencing significant impacts from such climate changes. During recent droughts, water levels in the Seomjin and Juam Dams have declined rapidly, severely affecting downstream communities in terms of agriculture and ecosystems. Particularly in the lower Seomjin River, the expansion of the Daap intake facility, coupled with prolonged droughts, has disrupted the ecological balance of the river system. To address water shortages in downstream areas, structural measures such as the construction of new dams face practical limitations due to environmental and social constraints. Therefore, it is necessary to devise operational strategies that enhance the efficiency of existing water resources infrastructure. This study aims to present a reservoir linkage operation strategy using Donghwa Reservoir, an agricultural reservoir located in the Seomjin River basin. Given that hydrological data such as inflow and supply records are not monitored for agricultural reservoirs, a deep learning-based inflow prediction model for ungauged sites was developed to estimate both inflow and supply volume for Donghwa Reservoir. To predict streamflow in ungauged basins, data from 55 gauged stations where no upstream flow-regulating structures exist and basin areas are relatively small were used to train a Long Short-Term Memory(LSTM) model specialized in time-series forecasting. To validate the model's performance and mitigate overfitting due to limited data, Leave-One-Out Cross-Validation(LOOCV) was applied. Input variables included rainfall, topographical, and meteorological data. Several model cases were constructed depending on the combination of input data types. Cluster analysis was further conducted to identify sites with similar topographical characteristics to Donghwa Reservoir, and these clusters were used as training input for certain models. Among the models tested, the optimal one was selected based on performance evaluation, and used to generate daily inflow data for Donghwa Reservoir. Monthly supply volumes were estimated by comparing observed water levels with simulated levels from reservoir operation modeling. Using the developed dataset, both standalone and integrated reservoir operation models for Seomjingang Dam and Juam Dam were constructed. The models were evaluated by analyzing the number of days on which drought-based supply reduction thresholds were reached. Results indicated that the cluster-based model using rainfall, topographical, and meteorological data most reasonably predicted streamflow. The estimated inflow and supply volume of Donghwa Reservoir were compared with planned supply amounts of similarly sized dams, confirming its applicability. Simulations showed that Seomjingang Dam had the lowest stability in water levels among the three reservoirs, necessitating reductions in municipal and industrial water supply. A reservoir linkage operation model was established in which Juam Dam and Donghwa Reservoir jointly supplemented the downstream supply in case of drought at Seomjingang Dam. The results indicated that utilizing Donghwa Reservoir not only enhanced Seomjingang Dam's water level stability but also alleviated the supply burden on Juam Dam. Moreover, the integrated operation effectively ensured minimum flow required for downstream ecological preservation. Despite the effectiveness of the proposed approach, uncertainties remain due to the estimation of Donghwa Reservoir's inflow and supply volumes based on limited observed data. Continued data collection is necessary to improve the reliability and robustness of the predictive model. Nevertheless, the reservoir linkage operation strategy proposed in this study, which leverages agricultural reservoirs, is expected to contribute significantly to enhancing the stability of water supply systems particularly when the accuracy of input data and the predictive model are further refined.
more목차
제 1 장 서 론 1
1.1 연구배경 및 목적 1
1.2 연구내용 및 범위 5
제 2 장 연구 동향 8
2.1 미계측 지점 유량 예측 8
2.2 저수지 연계 운영 12
제 3 장 기본 이론 15
3.1 군집 분석 16
3.2 LSTM(Long Short-Term Memory) 18
3.3 교차 검증 22
3.4 저수지 모의 기법 23
3.4.1 일정량 공급 방식 24
3.4.2 부족분 공급 방식 27
제 4 장 딥러닝 기반 미계측 지점 유입량 예측 29
4.1 입력변수 자료 구축 31
4.1.1 유량 계측 지점 선정 31
4.1.2 지점별 입력변수 자료 구축 33
4.2 동화저수지 유입량 예측 모형 개발 37
4.2.1 유량 계측 지점을 활용한 예측 모형 구축 37
4.2.2 군집분석 방법을 적용한 예측 모형 구축 40
4.2.3 예측 모형 성능 평가 44
4.2.4 동화저수지 유입량 예측 자료 구축 59
제 5 장 저수지 연계 운영 모형 구축 66
5.1 입력자료 구축 68
5.1.1 섬진강댐 71
5.1.2 주암댐 및 주암조절지댐 77
5.1.3 동화저수지 88
5.1.4 지류 유입량 96
5.2 저수지 단독 운영 모형 구축 99
5.2.1 섬진강댐 단독 운영 101
5.2.2 주암댐 단독 운영 103
5.2.3 동화저수지 단독 운영 107
5.3 저수지 연계 운영 모형 구축 109
5.3.1 섬진강댐 및 주암댐 연계 운영 110
5.3.2 섬진강댐 및 주암댐, 동화저수지 연계 운영 112
제 6 장 저수지 연계 운영 결과 114
6.1 저수지 단독 운영 결과 116
6.1.1 섬진강댐 단독 운영 결과 116
6.1.2 주암댐 단독 운영 결과 121
6.1.3 동화저수지 단독 운영 결과 127
6.1.4 하류 유량 분석 130
6.2 저수지 연계 운영 결과 133
6.2.1 섬진강댐 및 주암댐 연계 운영 결과 133
6.2.2 섬진강댐 및 주암댐, 동화저수지 연계 운영 결과 145
6.3 최적 운영 방안 선정 및 추가 공급 가능량 평가 159
6.3.1 운영 모형별 결과 비교 및 최적 운영 방안 선정 159
6.3.2 하류 최소 유량 충족을 위한 추가 공급 가능량 평가 165
제 7 장 결 론 167
참 고 문 헌 171
부 록 176
Abstract 179
