This research aimed to enhance the risk management ability of a water resource management system by minimizing the system damage and enhancing recovery rate. Resistance strategies which are mainly applied against external disturbance such as climate change are generally known as proper counter strategies because it is possible to exactly counteract the water extremes according to facilities’ capacity. However, resistance strategies generally require big funds and has limits such as error sensitivity of a long-term simulation model. In addition, planning a facility to perfectly avert disasters is now recognized as impossible in both aspects of cost and technology. In order to supplement the limits of resistance strategies, resilience which minimizes and rapidly recovers damage have been carried out in several ways. Studies on resilience in the field of water resource have been carried out as well due to such necessity of the research, but it was still in its early stages. In order to use resilience strategies in the field of water resource, resilience has to be analyzed quantitatively and the process which uses such quantitative analysis results of resilience in decision making has to be constructed. Also, a real-time simulation model to minimize damage of extreme events through proactive strategies is necessary. However, it is difficult to use the current real-time simulation models because of unappropriated degree of precision and forecasting periods. Therefore, this study is conducted for strengthening a water resource management system against water extremes through quantifying resilience, simulating floods, and supporting decision.
This study categorized as “1) a real-time water level prediction model, 2) quantification of resilience in field of water resource management and 3) development of decision making process based on resilience”. To verify the evaluation of methodology, Gurye area in Seomjin river basin is selected as a case study site.
1) A real-time water level prediction model : An artificial neural network model is used as a real-time water level prediction model and the model structure is optimized through genetic algorithm. Up-stream data of flow and rain fall are used as input parameters to predict water level. Prediction models in this study are largely classified on the basis of hour unit, day unit and flood season. In the results, the real-time water level prediction model using hybrid neuro-genetic model showed a satisfactory results that coefficient of determination (R2) is more than 0.98 on the basis of hour unit, day unit, and flood season. It is important that constructed water level prediction model simulates flood level by various rainfall frequency from 50 to 200. For this, analysis of HEC-HMS, HEC-RAS models and hydrologic data has carried out in order to verify model ability. As the result of the analysis, it is proved that the accuracy of hybrid neuro-genetic model to simulate flood level by rain fall frequency from 50 year return period to 200 year return period is outstanding (R2>0.99).
2) Quantifying systemic resilience : Systemic thresholds has to be calculated in order to quantify systemic resilience. For basin application, return period (=recurrence interval of rainfall) for one of basin design capacity is selected as the criteria to calculate systemic thresholds. This because, systemic thresholds has to be calculated on the basis of the maximum risk or the maximum facility design capacity that the system can manage. A proper return period to the target basin has to be selected because the criteria of return period depends on types of river. After constructing systemic thresholds, dimension to index systemic thresholds has to be selected and the dimension has to use as the same unit as loss function and recovery function. Based on extensive literature review, the dimension were categorized as cost, area, number of resident, number of facility and so on. Number of facility was selected as dimension due to the consideration of domestic data status in this study. It means that this research not only focuses on the functionality of the water resource management system but also the functionality of economy and social infrastructure including resident in the whole area of basin. After selecting number of facilities as dimension of systemic thresholds, loss function has to be expressed as the same unit as thresholds. In other words, loss function is calculated through ratio of damaged facilities to the whole facilities scale. Based on this procedure, the Gurye study area shows 61% of damage rate in comparison with 200 year return period of the facility design capacity for the flood event occurred in August 2010. The result means facilities corresponding to 61% of the facility design capacity lost the functionality by the flood event. In this case, the functionality means not only river management but also facilities of the resident. Target recovery rate (or recovery function) has to be calculated to recover occurred damage. By the literature review, it is well-known that logarithm, sigmoid, linear and exponential functions are generally used as the recovery function. Improvement of recovery rate always depends on manpower and material resources. By this reason and available data of Sumjin-river, the number manpower and equipments such as excavators are selected as an independent variable of recovery function in this study (considering the limit of domestic data). As the result of analyzing the target flood event in Gurye study area, the recovery function is a linear function and input amounts of manpower and equipments are respectively 5913 persons and 753 equipments. Total recovery period is for seven(7) days. As the result of analyzing resilience of the flood event in Gurye study area based of these results, system resilience is 69.5%. The analyzed resilience is used to support making decision and decision makers has to set up policies to improve the resilience through various strategies.
3) Supporting process for decision making : In study on the construction of decision making process, the decision process is categorized into planning part and operating part. In planning part, up-stream dam discharge and recovery scale in a flood event are decided through analyzing flood discharge by rainfall frequency and scale of optimal recovery system which are analyzed through the results of this study. In operating part, the developed real-time water level simulation model carries out a study on proactive strategies such as a mitigation strategy when a risk is recognized and carries out a study on damage recovery process if damage is occurred. The change of damage rate in downstream point according to discharge from Seomjin-dam is analyzed as a case study on proactive strategy in decision making. The result of the analysis shows a tendency that if outflow discharge from Seomjin-dam is controlled from 10% to 50%, damage in downstream area is reduced by 1% to 30%. In a study on strengthening damage recovery process, regression analysis was carried out to analyze the effect of input number of manpower and equipments on recovery rate. As the result, it is proved that there are linear correlations between the variables. Based on this, it is resulted that resilience is improved as input amount of manpower and material is increased. Finally, the process which minimize damage and improve recovery ability is proved in this study on decision making process by providing pre-post information needed to make decision and supporting various quantitative data in case of risk occurrence.
The following are the punctuation marks covered in this study
- A real time water level prediction model using hybrid neuro-genetic algorithm shows satisfactory results of prediction and strengthening process of proactive ability to reduce damage from water extremes.
- Quantifying resilience in the field of water resource can provide damage information in order to reduce and rapidly recover damage.
- It is quantitatively proved that supporting process of decision making based on resilience can minimizes damage in advance against water extremes and improves recovery ability after damage occurred.
- Strengthening proactive ability and damage recovery process in the field of water resource can improves resilience in basin areas and enhance risk mange ability against water extremes.
Finally, the results of this study on hybrid neuro-genetic algorithm and resilience-based decision process can minimize and expeditiously recover damage of a water management system against water extremes. Also, study on decision making based on resilience is evaluated as establishing the foundation to construct supporting process of decision making considering recovery rate. Thus, important results which are real-time prediction model, resilience quantification process, and decision supporting process will be used to make risk management processes in the field of water resource management.
본 연구는 증가하는 수자원의 피해를 줄이고, 사후 회복력을 강화하여 수자원 관리 시스템의 위기 대응 역량을 증대시키기 위하여 수행되었다. 기후변화를 비롯한 외부의 교란요인들에 대응하여 많이 활용되는 저항력(resistance) 위주의 전략은 시설 설계용량에 따른 명확한 대응이 가능하여 위기사상에 있어 확실한 대응전략이라고 보편적으로 알려져 있다. 하지만 비용이 많이 발생하고, 장기적인 예측모형의 오차 민감성 등의 한계성이 존재하고, 최근에는 재난을 완전히 피할 수 있는 시설을 계획하는 것은 비용적으로나 기술적으로 불가능하다고 인식되고 있다. 저항력 전략의 한계성을 보완하기 위한 방법으로 재난을 피할 수 없는 것으로 규정하고, 피해를 최소화하고, 발생되는 피해로부터 신속히 회복하는 개념인 탄력도에 대한 연구가 다양하게 수행되고 있다. 수자원 분야에서도 이러한 연구필요성으로 인하여 탄력도 연구가 상당히 수행되고 있으나, 아직 초기 단계이다. 탄력도를 수자원에서 활용하기 위해서는 우선 탄력도를 정량적으로 분석하고, 이를 의사결정에 활용하는 체계가 구축되어야 한다. 또한 사전 대응방안을 통해 위기사상의 피해를 최소화하는 실시간 예측 모형이 필요하다. 하지만, 현재의 실시간 예측 모형들은 낮은 모형 설명력이나 실무적이지 못한 예측 주기로 인하여 활용이 어려운 실정이다. 이에 본 연구에서는 탄력도를 정량화하고, 의사결정에 반영하며, 사전 대응을 위한 실시간 수문 예측 모형을 통해 수자원 위기대응 능력을 강화하는 연구를 수행한다.
연구내용은 크게 “1)실시간 수위예측 모형, 2)탄력도 정량화 모형, 3)의사결정 지원체계 개발”로 구분되며, 방법론 검증을 위한 사례연구 대상지는 최근 10년간 국내 홍수 사상을 분석한 결과 섬진강 유역의 구례지점으로 선정되어 되었다.
1) 실시간 수위예측 모형으로는 인공신경망 모형을 사용하였고, 모형 구조는 유전자 알고리즘을 통해 최적화 하였다. 수위예측을 위한 입력자료는 상류 지점의 유량과 강우량 자료를 활용하였다. 수위 예측 결과는 크게 시간단위, 일단위, 홍수기로 구분된다. 시간단위 및 일단위 수위예측에서 인공신경망과 유전자 알고리즘을 활용한 실시간 수위예측 모형은 결정계수(R2) 0.98이상의 만족할만한 결과를 보였고, 홍수기 모형에서도 인공신경망의 높은 예측력이 검증되었다. 또한, 구축된 수위예측 모형이 다양한 강우빈도별 홍수위 모의가 가능한지 검증하기 위하여 HEC-HMS, HEC-RAS 모형 및 국내 자료를 활용하여 분석을 수행하였다. 분석결과 구축된 인공신경망 모형은 50년에서 200년 빈도까지의 다양한 강우빈도별 홍수위에 대한 모의능력이 우수한 것으로 증명되었다(R2>0.99).
2) 시스템 탄력도를 정량화하기 위해서는 시스템의 최대 허용 용량(thresholds)을 산정해야 한다. 시스템 용량은 시스템이 견딜 수 있는 최대의 위험도 또는 시설의 설계 용량으로 산정되어야 하고, 그 대상이 유역인 경우에는 유역의 설계 용량 기준인 재현기간으로 선정하였다. 재현기간 기준은 하천의 종류마다 다르니 목표 유역에 적합한 재현기간을 기준으로 선정하여야 한다. 용량 기준이 설계되면 용량을 나타낼 수 있는 지표(dimension)를 선정해야 하는데, 지표는 피해함수 및 회복함수와 동일한 단위를 사용하여야 한다. 지표로 사용가능한 후보군은 비용, 면적, 사용자수, 시설수 등의 활용이 가능한데, 본 연구에서는 국내 자료의 현황을 고려하여 시설수를 기준 단위로 선정하였다. 즉, 수자원을 관리하는 시스템의 기능만이 아니라 거주민을 포함한 유역전체의 사회경제 기반시설의 기능을 의미하는 것이다. 용량에 대한 기준이 선정되면 피해함수도 같은 단위인 시설 단위로 표현을 해야 한다. 즉, 전체 시설규모에서 기능이 손실된 시설의 비를 통해 피해함수를 구하고 값을 산정하는 것이다. 이를 바탕으로 연구 대상지인 섬진강 구례지역의 2010년 8월 홍수사상에 대해서 분석해 보면 설계용량인 재현기간 200년 대비 피해정도가 61%이다. 즉, 시설 설계용량의 61%에 해당되는 시설이 홍수 사상으로 인해 기능이 상실되었다는 것을 의미한다. 여기서 기능은 단순이 하천관리 기능이 아닌 유역전체 거주민들의 사회활동을 포함하는 기능이다. 발생된 피해를 복구하기 위해서는 목표 복구율(또는 복구함수)을 선정해야 하는데, 문헌 검토 결과 복구함수는 Logarithm, Sigmoid, Linear, Exponential 함수 등이 보편적이다. 복구율 향상은 인적·물적 자원 조달력에 의존하므로, 본 연구에서는 복구함수의 독립변수로서 인력 및 장비 투입량을 선정하였다(국내 자료의 한계성도 고려). 연구대상지의 목표 홍수사상에 대하여 분석한 결과 복구함수는 선형이었고, 투입된 총 인력 및 장비는 각각 5913명, 753개가 소요되었다. 총 복구일수는 7일이었다. 이와 같은 결과를 바탕으로 연구 대상지의 해당 홍수사상에 대해 탄력도를 분석한 결과는, 탄력도는 69.5%로 분석되었다. 분석된 탄력도는 의사결정을 위한 지원방안으로 활용되며, 의사결정자는 다양한 전략들을 통해 탄력도를 향상하기 위한 정책을 마련해야 할 것이다.
3) 의사결정 지원체계 구축 연구에서는 의사결정체계를 계획부분과 운영부분으로 구분하였다. 계획 부분에서는 본 연구결과를 통해 분석되는 강우빈도별 홍수량 및 최적 복구체계 규모 분석을 통해 홍수 사상시 방류량 및 피해복구 규모를 선정한다. 운영 부분에서는 개발된 실시간 수위예측 모형을 통해 위기가 감지되면 피해저감대책 등의 사전위기대응 연구를 수행하고, 피해가 발생되면 사후 복구 체제를 강화하는 연구를 수행한다. 의사결정에 있어 사전위기대응 사례연구에서는 섬진강댐의 방류량에 따른 하류 지점 피해도 변화량을 분석하였다. 분석결과 섬진강댐 방류량을 10-50%까지 조절하면, 하류지역의 피해가 1-30% 정도 감소되는 경향성을 보였다. 사후 복구체계 강화연구에서는 인적·물적 자원 투입량이 복구율에 미치는 영향을 분석하기 위하여 회귀분석을 수행한 결과 변수들간에는 선형 상관관계가 있음이 증명되었고, 이를 바탕으로 사례 연구를 수행한 결과 섬진강의 현재의 인적·물적 자원을 향상과 비례하여 탄력도가 향상되는 것으로 분석되었다. 최종적으로 의사결정 지원체계 구축연구에서는 위기발생 상황에서 의사결정에 필요한 사전·사후 정보를 제공하고 다양한 정량화 자료들을 지원하여 위기상황에 대한 피해를 최소화하고 회복력을 높이는 체계를 검증하였다.
본 연구 결과를 종합하면 아래와 같다
- 인공신경망과 유전자 알고리즘을 결합한 실시간 수위예측모형은 높은 예측력을 보이며, 수위 예측을 통한 사전대응능력 강화체계는 위기사상으로부터의 피해를 감소시킨다.
- 수자원 분야 탄력도 정량화는 위기사상에 대해 시스템이 받는 피해정보와 현재의 복구 체계의 복구력을 분석하여 정량화하며, 이를 정보로 가공하여 피해를 저감하고 신속하게 회복할 수 있도록 의사결정을 지원한다.
- 탄력도 기반 의사결정 지원체계는 위기사상에 있어 사전에 피해를 최소화하고, 사후에 회복력을 높이는 것이 정량적으로 검증되었다.
- 수자원 분야의 사전대응력 및 피해복구체계 강화는 유역의 탄력도를 향상시키며 수자원 위기대응역량을 강화한다.
최종적으로 본 연구는 위기사상에 대한 수자원 관리 시스템의 피해를 최소화하고, 발생되는 피해로부터 신속히 복구하는 것을 목표로 인공신경망을 통한 수위예측과 탄력도에 의한 의사결정 연구를 수행한 결과, 인공신경망의 높은 수위예측력이 검증되었고, 탄력도에 의한 의사결정 연구는 수자원 관리 분야에서 복구율을 고려하여 의사결정을 할 수 있는 지원체계를 구축하는 기반을 마련하였다고 평가할 수 있다. 이에 본 연구에서 개발된 수위예측 모형과 탄력도 정량화 모형, 그리고 의사결정 지원 모형은 향후 수자원 관리 분야에 위기대응체제를 견고히 하는데 활용될 것으로 판단된다.
