인공신경망 이론을 이용한 단기 홍수량 예측

본 연구에서는 모멘트법과 학습적응률을 고려한 오류역전파 알고리즘에 의한 홍수량예측모형을 총 9개 구성하였고, 영산강 유역의 나주지점에 적용하여 보정 및 검증하였으며, 홍수량의 추정을 위한 예보시간별 예측을 수행하였고, 그 결과를 비교 평가하였다. 본 연구의 결과를 정리하면 다음과 같다. 1) 신경망 이론의 학습률과 모멘텀 계수를 고려한 오류역전파 알고리즘을 이용한 총 9개의 유출예측모형을 구성하였다. 2) 각 모형별 은닉층의 노드수에 따른 모형의 학습 결과, ANN0410과 ANN1010 모형이 은닉층의 노드수에 따라 총오차가 가장 작게 나타남으로서 학습이 가장 효과적으로 이루어졌다. 3) 모형별 은닉층의 최적노드수에 따라 보정 자료기간에 대하여 모형을 적용하여 통계적 변량을 비교한 결과, ANN0410과 ANN1010 모형이 학습정도가 뛰어났으며, 유출량만을 입력층으로 구성한 ANN1000T 모형이 학습정도가 가장 떨어지는 것으로 나타났다. 4) 2000년의 폭우사상에 대한 모형별 검증 결과, ANN0410와 ANN0410T 모형이 검증 결과가 뛰어난 것으로 나타났으며, 유출량만을 입력층으로 구성한 ANN1000T 모형이 검증 정도가 가장 떨어지는 것으로 나타났다.5) 1시간에서 6시간까지 시간별 홍수량을 예측하여 모형에 대한 응용 결과, 예측 시간이 길어질수록 실측치의 재현 능력이 떨어졌으며, ANN0410과 ANN1010 모형이 실측치를 잘 재현하고 있는 것으로 나타났으며, 이는 ANN0410과 ANN1010 모형이 유역 홍수 도달시간인 10시간 전의 강우량을 입력층으로 사용했기 때문으로 사료된다. 또한, 면적가중평균 강우량을 사용한 모형보다 각 강우측점의 강우량을 그대로 사용한 모형이 더 우수한 결과를 보였다. 6) 각 모형별로 6시간 후의 홍수량 예측 결과와 실측치의 통계적 변량을 비교한 결과, RB는 0.46∼21.31%, RMSE는 270.82∼638.68 m3/s, RMAE는 0.16∼0.49 m3/s, EI는 0.95∼0.99, 그리고 R2은 0.6517∼0.9273의 범위를 나타냈으며, ANN0410과 ANN1010 모형이 6시간 시간별 예측이 실측치를 가장 잘 반영하는 것으로 나타났고, 시우량 자료를 제외하고 유출량 자료만을 입력층으로 사용한 ANN1000T 모형이 상대적으로 실측치의 재현 정도가 떨어지는 것으로 나타났다.