KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Parameter Optimization and Uncertainty Analysis of the NWS-PC Rainfall-Runoff Model Coupled with Bayesian Markov Chain Monte Carlo Inference Scheme

Bayesian Markov Chain Monte Carlo 기법을 통한 NWS-PC 강우-유출 모형 매개변수의 최적화 및 불확실성 분석

  • 권현한 (한국건설기술연구원 수자원연구실) ;
  • 문영일 (서울시립대학교 토목공학과) ;
  • 김병식 (한국건설기술연구원 수자원연구실) ;
  • 윤석영 (한국건설기술연구원 정책연구실)
  • Received : 2008.02.12
  • Accepted : 2005.05.28
  • Published : 2008.07.31
Download PDF
⟨ Previous Next ⟩

Abstract

It is not always easy to estimate the parameters in hydrologic models due to insufficient hydrologic data when hydraulic structures are designed or water resources plan are established. Therefore, uncertainty analysis are inevitably needed to examine reliability for the estimated results. With regard to this point, this study applies a Bayesian Markov Chain Monte Carlo scheme to the NWS-PC rainfall-runoff model that has been widely used, and a case study is performed in Soyang Dam watershed in Korea. The NWS-PC model is calibrated against observed daily runoff, and thirteen parameters in the model are optimized as well as posterior distributions associated with each parameter are derived. The Bayesian Markov Chain Monte Carlo shows a improved result in terms of statistical performance measures and graphical examination. The patterns of runoff can be influenced by various factors and the Bayesian approaches are capable of translating the uncertainties into parameter uncertainties. One could provide against an unexpected runoff event by utilizing information driven by Bayesian methods. Therefore, the rainfall-runoff analysis coupled with the uncertainty analysis can give us an insight in evaluating flood risk and dam size in a reasonable way.

수공구조물을 설계하거나 수자원계획을 수립할 때 제한된 수문자료로 인해 수문모형의 매개변수를 추정하는데 어려움이 따르며 추정된 결과에 신뢰성을 부여하기 위해서 필수적으로 불확실성 분석이 필요하다 하겠다. 이러한 관점에서 본 연구에서는 국내외에서 주로 이용되고 있는 NWS-PC 강우-유출 모형을 대상으로 보다 진보된 매개변수 추정과 불확실성 분석이 가능한 Bayesian Markov Chain Monte Carlo 기법과 결합하여 국내 소양강댐 유역 일유입량 모의에 적용하였다. 실측 일유입량 자료를 대상으로 모형의 검정과정을 수행하였으며 NWS-PC 모형의 총 13개의 매개변수에 대한 사후분포를 추정하여 유출수문곡선의 불확실성 구간을 추정하였다. 검정 및 검증 모두에서 Bayesian Markov Chain Monte Carlo 기법이 모형의 적합성 측면에서 기존 방법론과 비교해보면 다소 우수하거나 비슷한 결과를 나타내었다. 실제로 유역에 발생하는 유출은 다양한 요인에 따라 변화될 수 있으며 이러한 점에서 Bayesian 방법은 강우-유출 관계에서 발생하는 이러한 불확실성을 매개변수의 불확실성으로 인지함으로서 우리가 예상치 못한 유출 사상에 대한 형태를 고려할 수 있는 장점이 있다. 따라서 댐 설계와 같은 대규모 수공 구조물 설계 시에 이러한 불확실성이 접목된 강우-유출 분석이 이루어진다면 보다 합리적인 방법으로 홍수 위험도 분석이 가능하며 더욱이 댐 규모 결정에 있어서 신뢰성 있는 의사 결정 수단을 제공할 수 있을 것으로 사료된다.

Keywords

References

  1. 국가수자원관리 종합정보시스템, 국토해양부 한강홍수통제소, http://www.wamis.go.kr/
  2. 강경석, 서병하(1998) SAC-SMA 모형을 이용한 일 유출량 산정, 한국수자원학회 학술발표회 논문집, 한국수자원학회, pp. 146-152
  3. 강민구, 박승우, 임상준, 김현준(2002) 전역최적화 기법을 이용한 강우-유출모형의 매개변수 자동보정. 한국수자원학회논문집, 한국수자원학회, 제35권, 제5호, pp. 541-552
  4. 권현한, 문영일(2007) 기상정보 및 태풍특성을 고려한 계절 강수량의 확률론적 모형 구축, 대한토목학회논문집, 대한토목학회, 제27권, 제1-B호, pp. 45-52
  5. 김운중, 김민환, 전일권(2002) 감수곡선을 이용한 탱크 모형과 매개변수 자동보정에 의한 유출 예측, 대한토목학회논문집, 대한토목학회, 제22권, 제6-B호, pp. 777-784
  6. 배덕효, 정일원, 강태호(2002) 유역 유출특성을 고려한 매개변수 추정에 관한 연구", 대한토목학회 학술발표회 논문집, 대한토목학회, pp. 38-41
  7. 서영제(1997) 탱크모형의 매개변수 검정에 관한 연구, 한국수자원학회논문집, 한국수자원학회 제30권, pp. 327-334
  8. 신성철, 강경석, 서병하(2001) Tank Model의 매개변수 최적화에 관한 연구, 한국수자원학회 학술발표회 논문집, 한국수자원학회, pp. 158-163
  9. 윤용남, 유철상, 안재현, 양인태, 고덕구(1998) 댐건설전후 유역의 장기유출특성변화의 분석 1. GIS를 이용한 NWS-PC 모형의 매개변수추정, 대한토목학회논문집, 대한토목학회, 제18권, 제II-5호, pp. 449-459
  10. Box, G.E.P. and Tiao, G.C. (1973) Bayesian Inference in Statistical Analysis, Addison-Wesley-Longman, Reading, MA
  11. Duan, Q., Gupta, V.K., and Sorooshian, S. (1992) Effective and efficient global optimization for conceptual rainfall-runoff models, Water Resour. Res. Vol. 28, No. 4, pp. 1015-1031 https://doi.org/10.1029/91WR02985
  12. Gelman, A. and Rubin, D.B. (1992). Inference from iterative simulations using multiple sequences (with discussion). Statistical Science 7, pp. 457-472 https://doi.org/10.1214/ss/1177011136
  13. Hastings, W.K. (1970) Monte carlo sampling methods using markov chains and their applications, Biometrika, Vol. 57, pp. 97-109 https://doi.org/10.1093/biomet/57.1.97
  14. Kwon, H.-H. and Moon, Y.-I. (2006) Improvement of overtopping risk evaluations using probabilistic concepts for existing dams, Stochastic Environmental Research and Risk Assessment, Vol. 20, No. 4, pp. 223-237 https://doi.org/10.1007/s00477-005-0017-2
  15. Kwon, H.-H., Casey, B., and Lall, U. (2008a) Climate informed flood frequency analysis and prediction in montana using hierarchical bayesian modeling, Geophys. Res. Lett., Vol. 35, L05404, doi:10.1029/2007GL032220
  16. Kwon, H.-H., Khalil, A.F., and Siegfried, T. (2008b) Prediction of extreme rainfall events using teleconnections and typhoon characteristics, Journal of the American Water Resources Association(JAWRA), Vol. 44, No. 2, pp. 436-448 https://doi.org/10.1111/j.1752-1688.2008.00173.x
  17. Kwon, H-H, Casey, B., Xu, K., and Lall, U. (2008c) Seasonal and annual maximum streamflow forecasting using climate information: application to the three gorges dam in the yangtze river basin, Hydrological Sciences Journal, in press
  18. Metropolis, N., Rosenbluth, A.W., Rosenbluth, M.N., Teller, A.H., and Teller, E. (1953) Equations of state calculations by fast computing machines, J. Chem. Phys., Vol. 21, pp. 1087-1091 https://doi.org/10.1063/1.1699114
  19. Nash, J.E. and Sutcliffe, J.V. (1970) River flow forecasting conceptual models Part I - A discussion of principles, J. Hydrol., Vol. 10, pp. 282-290 https://doi.org/10.1016/0022-1694(70)90255-6
  20. Tabios III, G., Obeysekera, J.T., and Salas, J.D. (1986) National weather service model -PC version. Colorado State Univ., Ft. Collins, Colorado
  21. Vrugt, J.A., Gupta, H.V., Bouten, W., and Sorooshian, S. (2003) A shuffled complex evolution metropolis algorithm for optimization and uncertainty assessment of hydrologic model parameters, Water Resour. Res., Vol. 39, No. 8, doi:10.1029/2002WR001642
  22. Willmott, C.J. (1981) On the validation of models. Phys. Geog., 2, pp. 184-194