KR101770153B1 - Riverbed variation prediction method using effective discharge - Google Patents
Riverbed variation prediction method using effective discharge Download PDFInfo
- Publication number
- KR101770153B1 KR101770153B1 KR1020160049193A KR20160049193A KR101770153B1 KR 101770153 B1 KR101770153 B1 KR 101770153B1 KR 1020160049193 A KR1020160049193 A KR 1020160049193A KR 20160049193 A KR20160049193 A KR 20160049193A KR 101770153 B1 KR101770153 B1 KR 101770153B1
- Authority
- KR
- South Korea
- Prior art keywords
- time information
- data
- simulation
- flow rate
- abbreviated
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 75
- 238000007781 pre-processing Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000013049 sediment Substances 0.000 abstract description 2
- 230000015556 catabolic process Effects 0.000 abstract 1
- 238000006731 degradation reaction Methods 0.000 abstract 1
- 238000012876 topography Methods 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 239000000463 material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 238000013215 result calculation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000013515 script Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06F17/30716—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
-
- G06F17/50—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
Description
본 발명은 하천의 유사(流砂) 이송에 따른 하상변동을 수치모형(Numerical Model)을 이용하여 예측하는 방법에 관한 것으로, 수치모형의 입력자료를 수립함에 있어서 시계열 유량자료 중 유효유량 미만의 유량자료를 생략하고, 모의 기간을 축약함으로써, 모의 결과의 정확성은 유지하되 모의 소요시간은 단축할 수 있도록 한 것이다.
The present invention relates to a method for predicting river bed variation due to the transport of a river stream using a numerical model. In establishing the input data of the numerical model, the flow rate data less than the effective flow rate data By omitting the simulation period and shortening the simulation period, the accuracy of the simulation result is maintained, but the simulation time is shortened.
하상변동(河床變動)이란 그 사전적 의미에서와 같이 하천의 수역측 지형이 경시적(經時的)으로 변동하는 현상으로서, 하천 지반을 구성하는 토립자가 수류에 의하여 침식, 이송 및 퇴적됨에 따라 발생되며, 이러한 하상변동의 예측은 이수 및 치수를 비롯한 각종 수자원 계획의 수립은 물론, 수공구조물의 계획 및 설계 등 다양한 하천관련 사업 수행에 있어서 중요한 기초 자료로 활용된다.The river bed fluctuation is a phenomenon in which the topography of the river's water area varies with time, as in the dictionary meaning. As the soil particles constituting the river bed are eroded, transported and deposited by water currents This prediction of river bed variation is used as an important basic data for various river-related projects such as planning and design of water-related structures as well as establishment of various water resources plans including canals and dimensions.
유량, 하상재료, 지형 등 다양한 요소가 하상변동의 인자(因子)로 작용할 수 있으나, 하상변동을 주도하는 독립 요소로는 단연 유량을 들 수 있으며, 유량의 증감에 따라 유사(流砂)의 이송량 및 이송 양태 역시 변화되면서 하천 지형이 변화하게 된다.Various factors such as flow rate, bed material and topography can act as factors of river bed variation. However, the independent factor leading to river bed variation is the minimum flow rate. As the transport mode also changes, the river topography changes.
하상변동 현상의 예측은 통상 수치해석 기법을 통하여 수행되는데 관련 종래기술로는 특허 제980574호를 들 수 있다.Prediction of river bed fluctuation phenomenon is usually carried out through a numerical analysis technique. The related art is disclosed in Patent No. 980574.
특히, 실제 하천에서의 중장기 하상변동의 예측은 상용 수치모형인 CCHE3D 또는 Delft-3D 등을 통하여 수행될 수 있으며, CCHE3D 모형은 미국 미시시피대학교의 CCHE(Center for Computational Hydroscience and Engineering)에서 개발된 3차원 유한요소모형이고, Delft-3D 모형은 네덜란드 델타레스(Deltares) 연구소에서 개발된 3차원 유한체적모형으로서, 이들 하상변동 수치모형의 입력자료는 그 형식에 미차는 있으나 기본적으로 하천의 지형자료, 시계열 유량자료, 유량-유사량 곡선 및 하상특성 등으로 구성된다.
In particular, the prediction of mid- and long-term river bed variations in actual streams can be performed through commercial numerical models such as CCHE3D or Delft-3D, and the CCHE3D model can be implemented using three-dimensional (2D) model developed by Center for Computational Hydrology and Engineering (CCHE) The Delft-3D model is a three-dimensional finite volume model developed by the Deltares Institute in the Netherlands. The input data of the river bed variation numerical model is basically similar to the type of the input data, Flow data, flow - similarity curves, and bed characteristics.
하상변동의 예측 결과는 통상 수십년 이상의 기간에 대한 자료가 수립되어야 비로소 각종 하천관련 사업에 있어서 유의(有意)한 자료로 활용될 수 있으며, 따라서 수치모형을 통한 하상변동의 모의 역시 수십년 이상의 장기간에 대하여 수행될 수 밖에 없다.Estimates of river bed variability can usually be used as a significant data for various river-related projects until data for a period of several decades or more are established. Therefore, simulation of river bed variability through numerical model is also a long- Lt; / RTI >
하상변동 수치모형은 시계열 유량자료가 입력치로서 입력된 상태에서, 기 설정된 단위 시간간격별 수치해석이 수행되고, 이전 시각 단계에서의 출력치가 이후 시각 단계에서의 입력치로서 활용되는 방식으로 모의가 진행되는 바, 모의 대상 기간과 실제 수치모형의 가동 시간이 비례하는 특성을 가진다.The numerical model of the river bed fluctuation numerical model is a method in which the numerical analysis is performed by the predetermined unit time interval while the time series flow data is inputted as the input value and the output value at the previous time step is used as the input value at the later time step As a result, the running time of the actual numerical model is proportional to the simulation target period.
즉, 장기간의 하상변동을 모의하기 위해서는 그만큼 장시간의 수치모형 가동 시간이 소요될 수 밖에 없으며, 이는 수치모형을 이용한 하상변동 예측 수행에 있어서의 고질적인 애로점으로서, 예측 기간의 확장 또는 예측 지점의 확대를 제한하여, 충분한 하상변동 예측 자료의 구축에 심각한 장애물로 작용하게 된다.
In other words, to simulate a long-term river bed variation, it is necessary to use a long time numerical model operation time. This is a persistent problem in the prediction of river bed variation using numerical model. Limitations can be a serious obstacle to the construction of adequate river bed variation prediction data.
본 발명은 전술한 문제점을 감안하여 창안된 것으로, 수치모형을 이용한 하상변동 예측 방법에 있어서, 컴퓨터 프로그램으로서 하상변동을 모의하는 수치모형과, 수치모형의 입력자료를 수립하는 프로그램인 전처리모듈과, 수치모형 및 전처리모듈의 실행을 제어하는 프로그램인 제어모듈이 구성되고, 제어모듈이 실행되고, 제어모듈이 유효유량을 독취하는 초도독취단계(S11)와, 제어모듈이 전처리모듈을 가동하고 전처리모듈에 유효유량을 입력하는 전처리개시단계(S12)와, 전처리모듈이 계획 모의기간의 전체 시계열 유량이 포함된 원자료를 독취하고, 유효유량 미만의 유량 및 해당 기간을 소거하여 축약 입력자료를 생성하는 자료축약단계(S20)와, 제어모듈이 수치모형을 가동하고 축약 입력자료를 수치모형에 입력하는 모형입력단계(S31)와, 수치모형이 가동되어 축약 모의기간에 대한 하상변동이 모의되는 축약모의단계(S40)로 이루어짐을 특징으로 하는 유효유량을 이용한 하상변동 예측 방법이다.SUMMARY OF THE INVENTION The present invention has been made in view of the above problems, and it is an object of the present invention to provide a method of predicting bed variation using a numerical model, which comprises a numerical model simulating a bed variation as a computer program, a preprocessing module, (S11) in which a control module, which is a program for controlling the execution of a numerical model and a preprocessing module, is constructed, a control module is executed and a control module reads an effective flow rate, and a control module A preprocessing module (S12) for inputting an effective flow rate to the module, and a preprocessing module for generating the abbreviated input data by reading the raw data including the entire time series flow of the planned simulation period, (S20), a model input step (S31) in which the control module operates the numerical model and inputs the abbreviated input data into the numerical model, (S40) in which the shape of the bed is simulated in which the bed variation is simulated for the reduced simulated period.
또한, 상기 제어모듈에는 시간정보 데이터베이스가 연결되고, 자료축약단계(S20)는 전처리모듈이 계획 모의기간의 전체 시계열 유량이 포함된 원자료를 독취하는 원자료독취단계(S21)와, 전처리모듈이 유효유량 미만의 유량 및 해당 기간을 소거하고 축약 모의기간에 대한 축약 시계열 유량자료를 수립하여, 축약 입력자료를 생성하는 축약자료생성단계(S22)와, 제어모듈이 축약 시계열 유량자료의 축약 시간정보와 축약 시간정보에 대응되는 실제 시간정보를 시간정보 데이터베이스에 수록하는 시간정보수록단계(S23)로 구성되고, 축약모의단계(S40)는 수치모형이 가동되어 축약 모의기간에 대한 하상변동이 모의됨에 따라 축약 시간정보에 대응되는 하상변동 결과치가 산출되는 결과산출단계(S41)와, 제어모듈이 시간정보 데이터베이스를 조회하여 결과산출단계(S41)에서 산출된 하상변동 결과치의 시간정보를 실제 시간정보로 교정하는 시간교정단계(S42)로 구성됨을 특징으로 하는 유효유량을 이용한 하상변동 예측 방법이다.
In addition, the time information database is connected to the control module, and the data reduction step (S20) includes a raw data reading step (S21) in which the preprocessing module reads the raw data including the entire time series flow of the planned simulation period, An abbreviated data generation step (S22) of generating abbreviated input data by erasing the flow rate less than the effective flow rate and the corresponding period and establishing the abbreviated time series flow data for the abbreviated simulation period, And a time information collecting step (S23) for storing actual time information corresponding to the reduced time information in the time information database. In the reduced simulation step (S40), the numerical model is activated to simulate the bed variation for the reduced simulation period A result calculation step S41 of calculating a floor variation result value corresponding to the reduced time information, and a control module inquiring the time information database, And a time calibration step (S42) of calibrating the time information of the bed variation result value calculated in the output step (S41) to the actual time information.
본 발명을 통하여, 수치모형을 통한 하상변동 예측에 있어서, 모의 정도(精度)의 저하를 유발하지 않으면서도 모의 소요시간을 획기적으로 단축할 수 있다.According to the present invention, it is possible to drastically shorten the time required for simulation without causing deterioration of the simulation accuracy (accuracy) in the prediction of the bed variation through the numerical model.
이러한 모의 소요시간의 단축을 통하여, 모의 대상 하천에 설정되는 모의 대상 구간 내지 지점을 종래기술 대비 비약적으로 증대할 수 있을 뿐 아니라, 모의에 상정되는 시계열 유량 등의 수문사상(水文事象) 측면의 조건은 물론 하상재료 특성 등의 고정적 조건 역시 다각적인 변경이 가능하여, 양적은 물론 질적으로도 방대하고 유용한 하상변동 예측 자료를 신속하게 구축할 수 있다.
By shortening the time required for the simulation, it is possible to dramatically increase the simulation target section or point set in the simulated target stream, and it is possible to dramatically increase the simulated target water flow rate, such as the condition of the hydrological event side And the characteristics of the bed material can be changed in various ways. Thus, it is possible to quickly construct quantitative and qualitative large and useful bed variation prediction data.
도 1은 하상변동 모의 대상 하천 유역도
도 2는 종래기술에 의한 하상변동 모의 결과 예시도
도 3은 수위-유량 관계곡선 예시도
도 4는 시계열 유량자료 예시도
도 5는 유량-유사량 관계곡선 예시도
도 6은 본 발명의 축약 시계열 유량자료 수립방식 설명도
도 7은 본 발명에 의한 하상변동 모의 결과 예시도
도 8은 본 발명을 수행하는 컴퓨터 프로그램 구조도
도 9는 본 발명의 흐름도
도 10은 시간정보DB가 적용된 본 발명의 일 실시예 흐름도Fig. 1 is a schematic view of a river watershed
FIG. 2 is a diagram illustrating an example of a simulation result of a bed variation according to the related art
Figure 3 is an example of a water level-
Fig. 4 is an example of time-series flow data
Figure 5 is an example of a flow-
FIG. 6 is a diagram illustrating a method of establishing an abbreviated time series flow data of the present invention
FIG. 7 is an exemplary diagram of a result of simulating a bed variation according to the present invention
Figure 8 shows a computer program structure for carrying out the present invention.
FIG. 9 is a flowchart
10 is a flowchart of an embodiment of the present invention to which a time information DB is applied
본 발명의 상세한 구성 및 수행과정을 첨부된 도면을 통하여 설명하면 다음과 같다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.
우선 도 1은 수치모형에 의한 하상변동 모의가 수행되는 하천을 예시한 유역도로서, 하천의 하도에 다수의 모의영역(Simulation Area)이 설정되어 있다.First, FIG. 1 is a watershed diagram illustrating a river in which a river bed simulation based on a numerical model is performed, and a plurality of simulation areas are set in the lower stream of the river.
이상적인 하상변동 모의는 하천의 발원지부터 하구에 이르는 본류 전체의 하도는 물론 지류 전체의 하도 및 하상변동으로 인하여 유발될 수 있는 하도의 변형을 포괄할 수 있는 범위에 대하여 수행되는 것이라 할 수 있으나, 현재 상용되는 하상변동 수치모형은 복잡한 지류의 합류에 따른 유량 급변이나 모의 대상 하도의 총 연장이 확대됨에 따른 집수면적의 증대 등의 현상을 충분히 반영할 수 없으므로, 통상 단일 수로로 구성되고 단일 유량조건이 적용되는 하도 일부분에 대한 모의가 수행되는 것이 일반적이다.Ideally, the simulation of the river bed variation is performed to the extent that it can cover the whole river basin from the origin of the river to the estuary, as well as the deformation of the river basin which can be caused by the river bed and river bed fluctuations of the whole tributary. Since the commonly used model of river bed variation can not sufficiently reflect the phenomenon such as sudden flow change due to the confluence of complex tributaries or the increase of the catchment area due to the extension of the total extension of the river to be simulated, It is common practice to simulate a subset of the subdivisions applied.
따라서, 전체 하천에 대한 유의(有意)한 결과를 도출하기 위하여, 하도상 주요부 즉, 주요 지류의 합류 전, 후 구간, 인구 밀집지 또는 수공구조물 계획 지점에 대한 선택적 하상변동 모의를 수행하고 그 결과를 토대로 해당 하천의 하도 전체에 대한 하상변동 양태를 추정하게 된다.Therefore, in order to derive significant results for the whole stream, selective river change simulations are carried out for the main part of the river basin, ie, before and after the merging of the major branches, the population crowd or the waterway structure planning point, Based on this assumption, the river bed variation pattern of the river is estimated.
도 1은 상기와 같이 모의 대상 하천에 모의영역을 설정하되, 다수의 모의영역을 설정하는 방식으로 전체 하천의 하상변동 특성을 예측하는 상황을 예시한 것으로, 도시된 사례에서는 총 5개소의 모의영역이 설정되어 있으며, 이중 하도 중앙부에 설정된 모의영역이 발췌되어 상세히 도시되어 있다.FIG. 1 illustrates a situation in which a river bed variation characteristic of an entire river is predicted by setting a simulation region in a simulation target river and setting a plurality of simulation regions as described above. In the illustrated example, And a simulation region set at the center of the double bottom is extracted and shown in detail.
도 2는 도 1 발췌부의 모의영역에 대하여 종래기술에 의한 하상변동 모의를 실시한 결과를 도시한 것으로, 총 10년간의 모의기간에 대한 하상변동 모의가 실시되었으며, 도 2에는 모의 개시 시점의 하상지형, 5년 경과시 하상지형 및 10년 경과시의 하상지형이 각각 도시되어 있으나, 이 밖에도 전술한 CCHE3D 또는 Delft-3D 등의 하상변동 수치모형에서는 모의기간내 임의 시점의 하상지형이 도출될 수 있다.Fig. 2 shows the result of simulating the bed variation according to the prior art for the simulated area of Fig. 1, and the bed variation simulation for the simulated period for the total of 10 years is performed. Fig. 2 shows the bed landform , River bed topography at the end of 5 years, and river bed topography at the end of 10 years are shown respectively. However, in the river bed variation model such as CCHE3D or Delft-3D described above, a river bed topography at any point in the simulation period can be derived.
CCHE3D 또는 Delft-3D 등의 하상변동 수치모형에 있어서의 입력자료로는 모의 개시 시점에서의 하상의 지형자료, 모의기간에 대한 시계열 유량자료, 모의대상 하도 구간에 대한 유량-유사량 곡선 및 조도 등 하상재료 특성 자료가 사용된다.The input data for the river bed variation model such as CCHE3D or Delft-3D include the land topographic data at the beginning of the simulation, the time series data for the simulation period, the flow-similarity curve for the simulation target section, Material characterization data are used.
장래 시점에 대한 하상변동의 모의는 현시점에서의 하상 지형자료를 모의 개시 시점의 하상 지형자료로 활용하고, 모의기간에 대한 시계열 유량자료는 장기유출 모형을 활용하여 수립하거나, 기 발생 유량의 재현을 전제로 과거 실측된 유량을 활용하게 된다.Simulation of the river bed variation at the future point can be made by using the river topography data at the current point as the river topography data at the start of the simulation and establishing the time series flow data for the simulation period using the long term runoff model, The assumption is based on past measured flows.
특히, 모의대상 하도구간에 대한 실측 유량자료가 구축되어 있는 경우, 이를 활용하는 것이 모의 정도(精度) 확보상 유리한데, 해당 하도구간에 대한 실측 유량자료가 구축되지 않은 경우, 인근 수위표(水位標)의 수위자료를 도 3에 예시된 바와 같은 수위-유량 관계곡선을 통하여 유량으로 환산한 후, 이를 유역면적비 등을 활용하여 해당 하도구간으로 전이하여 활용할 수 있다.Especially, if the measured flow data for the simulation target section is constructed, it is advantageous to obtain the simulation accuracy (accuracy) by utilizing it. If the measured flow data for the corresponding subareas is not constructed, The water level data of the target water level can be converted into the flow rate through the water level-flow relationship curve as illustrated in FIG. 3, and then transferred to the corresponding lower waterway section by utilizing the watershed area ratio and the like.
이렇듯 구축된 모의대상 하도구간의 모의기간에 대한 시계열 유량자료가 도 4에 도시되어 있으며, 이러한 시계열 유량자료와, 도 5에 도시된 바와 같은 유량-유사량 관계곡선 및 하상재료의 물성 등이 하상변동 수치모형의 입력자료로 입력된다.FIG. 4 shows time-series flow data for the simulated period during which the simulation is performed. The time-series flow data, the flow-like quantity relationship curve and the physical properties of the bed material as shown in FIG. 5, It is input as input data of numerical model.
하상변동 수치모형은 도 4에서와 같은 시계열 유량자료가 입력됨에 따라 이를 토대로 모의대상 하도구간에서 발생되는 수리학적 현상을 모의하게 되는 바, 시계열 유량자료를 구성하는 개별 유량치에 대하여 수치해석이 수행되며, 따라서 모의기간에 비례하여 수치모형에 의한 실제 모의시간이 증가하게 된다.The numerical analysis of the river bed variation numerical model is based on the input of the time series flow data as shown in FIG. 4, and the numerical analysis is performed on the individual flow values constituting the time series flow data Therefore, the actual simulation time by the numerical model increases in proportion to the simulation period.
즉, 하상변동 모의기간이 늘어날수록 수치모형의 실제 가동시간 역시 늘어나는 구조로서, 이는 여타의 수치해석에 비하여 장기간의 모의기간이 필요한 하상변동 모의의 특성을 감안하면, 모의대상 하도구간의 확대, 다양한 조건을 상정한 모의 실시 등 수치모형을 통한 하상변동 모의의 정밀도 및 신뢰도 제고에 있어서 심각한 장애물로 작용하게 된다.In other words, as the simulation period of bed variation increases, the actual operation time of the numerical model also increases. Considering the characteristics of the bed variation simulation requiring a longer simulation period than the other numerical analysis, This is a serious obstacle in improving the accuracy and reliability of simulating river bed variation through numerical modeling such as simulated assumption of conditions.
특히, 도 1에서도 예시된 바와 같이, 단일 하천에 대한 하상변동 모의에 있어서도 다수의 모의영역을 설정하고 이들 각각에 대한 모의를 실시할 필요가 있을 뿐 아니라, 시계열 유량자료, 유량대 유사량 특성 및 하상재료 특성 등 제반 입력자료의 확증이 사실상 불가능한 상황에서 다양한 조건을 상정한 모의가 실시될 필요가 있는 바, 유의한 하상변동 예측결과를 도출하기 위한 모의회수는 비약적으로 증가될 수 밖에 없으며, 따라서 막대한 시간이 모의에 소요될 수 밖에 없다.Particularly, as illustrated in FIG. 1, it is necessary to set a large number of simulated regions and simulate each of them in simulating a river bed variation with respect to a single stream, and also to provide a time series flow data, It is necessary to carry out simulations assuming various conditions in a situation where it is practically impossible to confirm the input data such as the characteristics of the material and the number of simulations for deriving a result of the predicted river bed fluctuation must be dramatically increased, Time must be spent on simulation.
이에, 본 발명에서는 도 6에서와 같이, 수치모형의 작동상 하상지형의 실질적인 변동을 초래할 수 있는 유량을 유효유량으로 설정하고, 시계열 유량자료 중 유효유량 미만의 유량자료를 생략함과 동시에, 유량자료의 소거로 인하여 형성된 무위(無爲)기간 역시 생략함으로써, 실제 수치모형이 작동되는 시간을 대폭 단축할 수 있도록 하였다.Therefore, in the present invention, as shown in FIG. 6, the flow rate that can cause substantial fluctuation of the bed topography in the operation of the numerical model is set as the effective flow rate, the flow rate data less than the effective flow rate among the time series flow data is omitted, By omitting the inactivity period formed due to the erasure of the data, the time of actual numerical model operation can be greatly shortened.
도 6에 도시된 실시예에서는 동 도면에서 점선으로 표시된 유효유량의 도입을 통하여, 당초 시계열 유량자료가 구축되어 하상변동 모의기간으로 설정된 총 10년의 기간이, 약 1.7년으로 축약된 것을 확인할 수 있으며, 이로써 수치모형의 가동 시간 역시 종래기술 대비 약 17% 이하로 단축할 수 있다.In the embodiment shown in Fig. 6, it is confirmed through the introduction of the effective flow rate indicated by the dotted line in the figure that the period of the total 10-year period set as the bed variation simulation period has been reduced to about 1.7 years And the operation time of the numerical model can be shortened to about 17% or less as compared with the conventional technology.
다만, 본 발명에 있어서 입력자료 독취, 하상변동 현상 모의 및 출력자료 생성 등 수치모형의 제반 작동에 있어의 모의기간은 당초 목표한 10년이 아니라, 1.7년으로 단축되며, 도 7에서와 같이, 하상변동 모의를 통하여 도출된 하상지형의 변화 등 결과치 역시 1차적으로는 축약된 기간의 결과로 표시된다.However, in the present invention, the simulation period in the operation of the numerical model such as the input data reading, the bed variation simulation, and the output data generation is shortened to 1.7 years instead of the original 10 years, Changes in bed topography derived through simulation of river bed variation are also expressed as a result of the abbreviated period.
그러나, 이는 모의기간의 표시에 불과한 것으로, 실제 모의된 물리적 현상은 당초 목표하였던 10년간의 물리적 현상과 동일하게 되며, 따라서 도 7의 하단부에 표시된 바와 같이, 출력치의 후처리를 통하여 표시된 기간을 단순 교정하는 방식으로도 충분한 효과를 얻을 수 있다.However, this is merely an indication of the simulation period, and the actual simulated physical phenomenon becomes the same as the physical phenomenon of the originally intended 10 years. Therefore, as shown at the lower end of Fig. 7, A sufficient effect can be obtained even by the method of calibrating.
유효유량은 수년에 걸쳐 연 유사량의 대부분을 이동시키는 유량의 평균값으로 정의되며, 그 추정 내지 산출 방식에 대한 다양한 연구가 수행된 바 있으나, 기본적으로 유황곡선(flow duration curve)과 하상토 유사량 곡선(bed-material sediment rating curve)을 활용하여 산정하는 것이 일반적이다.The effective flow rate is defined as the mean value of the flow rate that moves most of the annual amount over the years. Various studies have been conducted on the estimation and calculation methods, but basically, the flow duration curve and the bottom soil similarity curve bed-material sediment rating curve.
이러한 유효유량은 해당 하천의 특성치 중 하나로서, 실제 현상에서 하천유량이 유효유량을 하회(下廻)하는 즉시 유사량이 완전 소멸됨을 의미하는 것이 아니라, 하천 유사의 이송 현상에 있어서 주효한 역할을 수행하는 유량 기준을 제시하는 것이며, 따라서 동일한 유량조건하에서 유효유량이 큰 하천에 비하여 유효유량이 낮은 하천이 풍부한 유사량을 가지는 현상을 설명하는 상대치로서 평가되는 것이 타당하다.This effective flow rate is one of the characteristic values of the corresponding river. It does not mean that the similar amount is completely destroyed immediately when the flow rate of the river falls below the effective flow rate in the actual phenomenon, but plays a key role in the river - Therefore, it is reasonable to evaluate this as a relative value that explains the phenomenon in which rivers with a lower effective flow rate have a richer amount of rivers than those with larger effective flows under the same flow conditions.
그럼에도 불구하고, 유효유량은 도 6에서와 같이, 무위기간 즉, 유량이 미미하여 하상변동이 초래되지 않는 기간의 설정에 활용될 수 있는 기준으로서 최적의 조건을 갖춘 하천 특성 요소라 할 수 있는 바, 본 발명에서는 후술할 자료축약단계(S20)에 유효유량을 채용(採用)하였으며, 시계열 유량자료의 지나친 소거가 우려되는 경우 유효유량을 감축하는 저감계수를 도입함으로써, 실제 물리 현상을 충실히 반영함과 동시에 무위기간의 지나친 확대로 인한 오류를 방지할 수 있도록 하였다.Nevertheless, as shown in FIG. 6, the effective flow rate can be regarded as a river characteristic element having an optimum condition as a criterion that can be utilized for setting a period during which the flow rate is insignificant and the flow rate is insignificant, In the present invention, an effective flow rate is adopted in the data reduction step (S20) to be described later, and when an excessive erasure of the time-series flow data is concerned, the reduction coefficient for reducing the effective flow is introduced to faithfully reflect the physical phenomenon At the same time, it is possible to prevent errors due to excessive expansion of the dead time period.
이러한 본 발명은 도 8에서와 같은 구조의 컴퓨터 프로그램에 의하여 수행되는 것으로, 동 도면에서와 같이, 본 발명을 수행하는 컴퓨터 프로그램은 하상변동을 모의하는 수치모형과, 수치모형의 입력자료를 수립하는 컴퓨터 프로그램인 전처리모듈과, 수치모형 및 전처리모듈의 실행을 제어하는 프로그램인 제어모듈로 구성된다.The present invention is implemented by a computer program having a structure as shown in FIG. 8. As shown in FIG. 8, a computer program for carrying out the present invention includes a numerical model simulating river bed variation, A preprocessing module which is a computer program, and a control module which is a program for controlling the execution of the numerical model and the preprocessing module.
본 발명에 있어서 하상변동 현상을 모의하는 수치모형은 전술한 CCHE3D 또는 Delft-3D 등의 상용 수치모형이 적용되며, 수치모형에 대한 일체의 수정 내지 변경은 이루어지지 않는다.In the present invention, a numerical model simulating the bed variation phenomenon is applied to a commercial numerical model such as the above-mentioned CCHE3D or Delft-3D, and no modification or change is made to the numerical model.
즉, 본 발명에서는 수치모형과 함께 컴퓨터에 탑재되는 제어모듈 및 전처리모듈에 의하여 수치모형을 기동(起動)하거나, 수치모형의 입력자료 또는 출력자료를 수정하는 과정이 수행될 뿐, 수치모형 자체에 대한 변형이 가해지지 않는 것이다.That is, in the present invention, a numerical model is started by a control module and a preprocessing module installed in a computer together with a numerical model, or a process of modifying input data or output data of a numerical model is performed, No modification is made.
수치모형을 기동하고 입력자료 및 출력자료를 가공하는 제어모듈 및 전처리모듈은 펄(Perl) 또는 파이썬(Python) 등의 스크립트로 구축될 수 있으며, 이로써 발명의 수행과정에 있어서 매 단계마다 사용자가 개입하지 않고도 후술할 초도독취단계(S11)에서 축약모의단계(S40)에 이르는 본 발명의 전과정이 자동으로 수행될 수 있다.The control module and the preprocessing module that invokes the numeric model and processes the input and output data can be constructed with scripts such as Perl or Python, The entire process of the present invention, which will be described later, from the initialization step S11 to the shortened simulation step S40, can be automatically performed.
도 9는 본 발명의 수행과정을 구체적으로 도시한 흐름도로서, 동 도면에 도시된 바와 같이, 본 발명은 제어모듈이 실행되고, 제어모듈이 유효유량을 독취하는 초도독취단계(S11)로 개시된다.FIG. 9 is a flowchart specifically showing the execution process of the present invention. As shown in FIG. 9, the present invention starts with a control module and a control module reads out an effective flow rate do.
전술한 바와 같이, 제어모듈은 본 발명을 수행하는 일단(一團)의 컴퓨터 프로그램 중 하나로, 사용자는 제어모듈에 의하여 구현되는 사용자 인터페이스를 활용하여 본 발명에서 수행되는 하상변동 모의를 개시 및 종료할 뿐 아니라, 단일 수치 형태의 유효유량을 입력하게 된다.As described above, the control module is one of the computer programs for carrying out the present invention. The user utilizes the user interface implemented by the control module to start and end the floor variation simulation performed in the present invention As well as the effective flow rate in the form of a single numerical value.
초도독취단계(S11)가 완료되면, 제어모듈이 전처리모듈을 가동하고 전처리모듈에 유효유량을 입력하는 전처리개시단계(S12)가 수행되며, 이후 전처리모듈이 계획 모의기간의 전체 시계열 유량이 포함된 원자료를 독취하고, 유효유량 미만의 유량 및 해당 기간을 소거함으로써 축약 모의기간에 대한 축약 시계열 유량자료를 수립하여 축약 입력자료를 생성하는 자료축약단계(S20)가 수행된다.When the preprocessing step S11 is completed, a preprocessing start step S12 is performed in which the control module starts the preprocessing module and inputs the effective flow rate to the preprocessing module. (S20) is performed in which the reduced raw material data is read, the flow rate less than the effective flow rate and the corresponding period are erased to establish the abbreviated time series flow data for the abbreviated simulation period to generate abbreviated input data.
자료축약단계(S20)에서는 도 6에서와 같이, 모의 대상 하도에 유효유량 미만의 유량이 형성되는 무위기간 자체, 즉 무위기간에 해당되는 유효유량은 물론 시간정보도 모두 소거되며, 이로써 도 6의 하단에 도시된 바와 같이, 실제 목표 모의기간에 비하여 대폭 감축된 모의기간이 설정된다.In the data reduction step (S20), as shown in FIG. 6, not only the effective flow rate corresponding to the dead time period in which the flow rate less than the effective flow rate is formed in the simulated object, As shown in the lower part, a simulation period greatly reduced compared to the actual target simulation period is set.
자료축약단계(S20)가 완료되면, 제어모듈이 수치모형을 가동하고 축약 입력자료를 수치모형에 입력하는 모형입력단계(S31)가 수행되며, 이후 수치모형이 가동되어 축약 모의기간에 대한 하상변동이 모의되는 축약모의단계(S40)가 수행됨으로써, 비로소 모의기간내 하상지형이 도 7에서와 같이 도출된다.After the data reduction step (S20) is completed, a model input step (S31) is performed in which the control module operates the numerical model and inputs the abbreviated input data into the numerical model. Then, the numerical model is operated, By performing the simulated abbreviated simulation step S40, the bed topography is derived as shown in Fig. 7 within the simulation period.
한편, 자료축약단계(S20)를 통하여 수립된 축약 입력자료를 기초로 수치모형이 작동되는 바, 그 결과치에 있어서의 시간정보 역시 도 7에서와 같이 축약 시간정보가 기준이 될 수 밖에 없다.Meanwhile, since the numerical model is operated based on the abbreviated input data established through the data abstraction step (S20), the abridged time information can not be used as the time information in the result as shown in FIG.
따라서, 이렇듯 축약 시간정보를 기준으로 도출된 하상변동 모의결과를 당초 목표하였던 실제 시간정보를 환원하는 작업이 필요할 수 있으며, 이 역시 제어모듈에 의하여 수행되는데, 이 경우 제어모듈에는 시간정보 데이터베이스가 연결되어, 축약 시간정보 및 축약 입력자료의 생성시 축약 시간정보에 대응되는 실제 시간정보를 수록한다.Therefore, it may be necessary to reduce the actual time information that was originally aimed at the river bed variation simulation result derived based on the shortened time information, which is also performed by the control module. In this case, And stores the shortened time information and the actual time information corresponding to the shortened time information when generating the reduced input data.
즉, 도 10에서와 같이, 전술한 자료축약단계(S20)는 전처리모듈이 계획 모의기간의 전체 시계열 유량이 포함된 원자료를 독취하는 원자료독취단계(S21)와, 전처리모듈이 유효유량 미만의 유량 및 해당 기간을 소거하고 축약 모의기간에 대한 축약 시계열 유량자료를 수립하여, 축약 입력자료를 생성하는 축약자료생성단계(S22)와, 제어모듈이 축약 시계열 유량자료의 축약 시간정보와 축약 시간정보에 대응되는 실제 시간정보를 시간정보 데이터베이스에 수록하는 시간정보수록단계(S23)로 구성되어, 전처리모듈이 원자료를 축약하여 축약 입력자료를 생성함과 동시에, 전처리모듈이 제공하는 축약 시간정보와 이에 대응되는 실제 시간정보를 제어모듈이 획득하여 시간정보 데이터베이스에 수록하는 것이다.That is, as shown in FIG. 10, in the above-described data reduction step S20, the preprocessing module reads the raw data including the entire time series flow of the planned simulation period (S21) and the preprocessing module (S22) for generating an abbreviated input data by erasing the flow rate of the abbreviated time series data and the abbreviated time series data for the abbreviated time series data and the abbreviated time series data, And a time information collecting step (S23) of storing actual time information corresponding to the information in the time information database. The preprocessing module generates the abbreviated input data by reducing the original data, And the actual time information corresponding thereto are acquired by the control module and stored in the time information database.
이로써, 이어지는 모형입력단계(S31) 및 축약모의단계(S40)에 있어서 수치모형은 축약 시간정보만을 활용하여 모의를 수행하고, 축약 시간정보가 실제 모의기간을 구성하는 것으로 간주되어, 현저히 감축된 모의기간에 대하여 수치모형이 가동되지만, 수치모형에 의한 모의가 완료되어 산출된 결과치는 추후 제어모듈에 의하여 시간정보 데이터베이스가 조회되고 축약 시간정보와 실제 시간정보의 순서쌍이 인출됨에 따라 실제 시간정보에 대응되는 결과치로서 환원될 수 있다.Thus, in the subsequent model input step S31 and the reduced simulation step S40, the numerical model is simulated using only the shortened time information, and the shortened time information is regarded as constituting the actual simulation period, The numerical model is operated for the period, but the simulation result by the numerical model is completed and the calculated result is later compared with the actual time information as the time information database is inquired by the control module and the ordered pair of the shortened time information and the actual time information is fetched Can be reduced as a result.
즉, 전술한 축약모의단계(S40)는 수치모형이 가동되어 축약 모의기간에 대한 하상변동이 모의됨에 따라 축약 시간정보에 대응되는 하상변동 결과치가 산출되는 결과산출단계(S41)와, 제어모듈이 시간정보 데이터베이스를 조회하여 결과산출단계(S41)에서 산출된 하상변동 결과치의 시간정보를 실제 시간정보로 교정하는 시간교정단계(S42)로 구성되는 것이다.That is, the above-described abbreviated simulation step S40 includes a calculation step S41 of calculating a bed variation result value corresponding to the abridged time information as the numerical model is operated and the bed variation for the abbreviated simulation period is simulated, And a time calibration step S42 of querying the time information database and correcting the time information of the floor variation result value calculated in the result calculation step S41 into actual time information.
이러한 시간정보 데이터베이스의 구축, 시간정보수록단계(S23) 및 시간교정단계(S42)의 수행을 통하여, 종래기술 대비 현저하게 감축된 모의기간에 대한 수치모형의 모의가 수행됨에 따라 모의에 소요되는 시간을 현격하게 절감하면서도, 하상변동의 모의 결과에 있어서의 정밀도는 충분히 확보할 수 있다.
The simulation of the numerical model for the significantly reduced simulation period is performed through the construction of the time information database, the time information recording step (S23), and the time correction step (S42) The precision in the simulation result of the bed variation can be sufficiently secured.
S11 : 초도독취단계
S12 : 전처리개시단계
S20 : 자료축약단계
S21 : 원자료독취단계
S22 : 축약자료생성단계
S23 : 시간정보수록단계
S31 : 모형입력단계
S40 : 축약모의단계
S41 : 결과산출단계
S42 : 시간교정단계S11: Preparatory step
S12: Pre-treatment start step
S20: Data reduction step
S21: Reading the raw data
S22: Creation of abbreviated data
S23: Time information recording step
S31: Model input step
S40: Abbreviated simulation step
S41: Result calculation step
S42: Time correction step
Claims (2)
제어모듈에는 시간정보 데이터베이스가 연결되고,
상기 자료축약단계(S20)는 전처리모듈이 계획 모의기간의 전체 시계열 유량이 포함된 원자료를 독취하는 원자료독취단계(S21)와, 전처리모듈이 유효유량 미만의 유량 및 해당 기간을 소거하고 축약 모의기간에 대한 축약 시계열 유량자료를 수립하여, 축약 입력자료를 생성하는 축약자료생성단계(S22)와, 제어모듈이 축약 시계열 유량자료의 축약 시간정보와 축약 시간정보에 대응되는 실제 시간정보를 시간정보 데이터베이스에 수록하는 시간정보수록단계(S23)로 구성되고;
상기 축약모의단계(S40)는 수치모형이 가동되어 축약 모의기간에 대한 하상변동이 모의됨에 따라 축약 시간정보에 대응되는 하상변동 결과치가 산출되는 결과산출단계(S41)와, 제어모듈이 시간정보 데이터베이스를 조회하여 축약 시간정보와 실제 시간정보의 순서쌍을 인출하고 결과산출단계(S41)에서 산출된 하상변동 결과치의 시간정보를 실제 시간정보로 교정하는 시간교정단계(S42)로 구성됨을 특징으로 하는 유효유량을 이용한 하상변동 예측 방법.A method for predicting bed variation using an effective flow, the method comprising the steps of: a numerical model simulating river bed variation as a computer program; a preprocessing module as a program for establishing input data of a numerical model; and a control module A preprocessing step S11 in which the control module is executed and the control module reads the effective flow rate, a preprocessing step S12 in which the control module activates the preprocessing module and inputs the effective flow rate to the preprocessing module, (S20) in which the preprocessing module reads the raw data including the entire time series flow of the planned simulation period, generates the reduced input data by erasing the flow amount and the corresponding period less than the effective flow amount, (S31), in which the numerical model is activated, and the bed variation is simulated for the abbreviated simulation period (S40), the method comprising the steps of:
A time information database is connected to the control module,
In the data reduction step S20, the preprocessing module reads the original data including the entire time-series flow rate of the planned simulation period (S21), and the preprocessing module reads out the flow rate of less than the effective flow rate, An abbreviated data generation step (S22) of establishing abbreviated time series flow data for the simulation period and generating abbreviated input data; and a step of generating an abbreviated data based on the actual time information corresponding to the abbreviated time information and the abbreviated time information, And a time information recording step (S23) for recording in the information database;
The reduced simulation step S40 includes a calculation step S41 of calculating a bed variation result value corresponding to the reduced time information as the numerical model is activated and the bed variation for the reduced simulation period is simulated, And a time correction step (S42) of fetching an ordered pair of the shortened time information and the actual time information and correcting the time information of the floor change result value calculated in the result calculating step (S41) to the actual time information. Estimation method of river bed variation using flow rate.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160049193A KR101770153B1 (en) | 2016-04-22 | 2016-04-22 | Riverbed variation prediction method using effective discharge |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160049193A KR101770153B1 (en) | 2016-04-22 | 2016-04-22 | Riverbed variation prediction method using effective discharge |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101770153B1 true KR101770153B1 (en) | 2017-08-23 |
Family
ID=59759136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160049193A KR101770153B1 (en) | 2016-04-22 | 2016-04-22 | Riverbed variation prediction method using effective discharge |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101770153B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491963A (en) * | 2018-03-13 | 2018-09-04 | 河海大学 | A kind of evapotranspiration computational methods considering vegetation growth season succession |
-
2016
- 2016-04-22 KR KR1020160049193A patent/KR101770153B1/en active IP Right Grant
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491963A (en) * | 2018-03-13 | 2018-09-04 | 河海大学 | A kind of evapotranspiration computational methods considering vegetation growth season succession |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barati | Application of excel solver for parameter estimation of the nonlinear Muskingum models | |
| BRPI0716865A2 (en) | METHOD AND SYSTEM FOR PROVIDING PRODUCTION PROFILES FOR OIL RESERVOIRS | |
| Guthrie | Real options analysis of climate-change adaptation: investment flexibility and extreme weather events | |
| Ahmed | Numerical modeling of the Rideau valley watershed | |
| Jiang et al. | Quantifying multi-source uncertainties in multi-model predictions using the Bayesian model averaging scheme | |
| Efstratiadis et al. | HYDROGEIOS: a semi-distributed GIS-based hydrological model for modified river basins | |
| KR20210044092A (en) | Method and apparatus for real-time ensemble streamflow forecasting | |
| Dale et al. | Simulating the impact of drought on California's Central Valley hydrology, groundwater and cropping. | |
| KR20170121488A (en) | Quantitative Evaluation Modeling for Discharge of Ground Water | |
| Haro et al. | Methodology for drought risk assessment in within-year regulated reservoir systems. Application to the Orbigo River system (Spain) | |
| CN105678417A (en) | Prediction method and device for tunnel face water inflow of construction tunnel | |
| Mohammad Ashrafi | Two-stage metaheuristic mixed integer nonlinear programming approach to extract optimum hedging rules for multireservoir systems | |
| KR101770153B1 (en) | Riverbed variation prediction method using effective discharge | |
| JPWO2018078674A1 (en) | Simulation apparatus, simulation method and program | |
| Liu et al. | Using a Bayesian probabilistic forecasting model to analyze the uncertainty in real-time dynamic control of the flood limiting water level for reservoir operation | |
| KR101816184B1 (en) | System and method for tracking flooded area, and recording medium havig computer readable program for executing the method | |
| US20210149077A1 (en) | Optimized methodology for automatic history matching of a petroleum reservoir model with ensemble kalman filter (enkf) | |
| KR20240000915A (en) | Water supply and demand analysis method based on historical data by using downscaling watershed and recording medium storing program for executing the method | |
| Aziz et al. | Regional flood estimation in Australia: Application of gene expression programming and artificial neural network techniques | |
| Paudel | An examination of distributed hydrologic modeling methods as compared with traditional lumped parameter approaches | |
| US7302372B1 (en) | Technique for optimization of a simplified network model | |
| Wang et al. | A hybrid rainfall-runoff model: integrating initial loss and LSTM for improved forecasting | |
| Koor et al. | Database driven updatable hydraulic model for decision making | |
| Brisson et al. | Illustration of the added value of using a multi-site calibration and correction approach to reconstruct natural inflows and inter-catchment transfer flow: a case study | |
| Tefs | Simulating hydroelectric regulation and climate change in the Hudson Bay drainage basin |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| R401 | Registration of restoration |