본문 바로가기
KERD
논문KCI 등재

VARMA와 머신러닝 모형을 이용한 소양강댐 월유입량 예측

Monthly Inflow Forecasting of Soyang River Dam Using VARMA and Machine Learning Models

김종성|김형수|정재원|유영훈|왕원준|배영혜
기후연구소 (KU Climate Research Institute)|2019.09|기후연구 (Journal of Climate Research)|제14권 제3호|pp. 183-198|DOI 10.14383/cri.2019.14.3.183

0

조회

0

다운로드

7

인용

0

참고문헌

키워드

기후변화머신러닝 모형댐 유입량월 유입량 예측VARMA 모형

초록

Abstract

Water resources planning and management are, more and more, becoming important issue for water use and flood control due to the population increase, urbanization, and climate change. In particular, the estimating and the forecasting inflow of dam is the most important hydrologic issue for flood control and reliable water supply. Therefore, this study forecasted monthly inflow of Soyang river dam using VARMA model and 3 machine learning models. The forecasting models were constructed using monthly inflow data in the period of 1974 to 2016 and then the inflows were forecasted at 12- and 24-month ahead lead times. As a result, the forecasted monthly inflows by the models mostly were less than the observed ones, but the peak time and the variation pattern were well forecasted. Especially, the VARMA model showed very good performance in the forecasting. Therefore, the result of this study indicates that the VARMA model can be used efficiently to forecast hydrologic data and also used to establish water supply and management plan.

참고문헌 (40)

  1. Ahmad, S., "Estimating soil moisture using remote sensing data: a machine learning approach", Advances in Water Resources, 33(1), pp.69~80 (2010)
  2. Akaike, H., "Markovian representation of stochastic processes and its application to the analysis of autoregressive moving average processes", Annals fo the Institute of Statistical Mathematics, 26(1), pp.363~387 (1974)
  3. Amnatsan, S., "Improved forecasting of extreme monthly reservoir inflow using an analogue-based forecasting method: a case study of the sirikit dam in thailand", Water, 10(11), pp.1614~ (2018)
  4. An, S. J., "The Forecasting of monthly runoff using stocastic simulation technique", Journal of Korea Water Resources Association, 33(2), pp.159~167 (2000)[DOI]
  5. Asim, K. M., "Earthquake magnitude prediction in hindukush region using machine learning techniques", Natural Hazards, 85(1), pp.471~486 (2017)
  6. Breiman, L., "Random forests", Machine Learning, 45(1), pp.5~32 (2001)
  7. 최창현, "머신러닝 기법을 이용한 수도권 지역의 호우피해 예측함수 개발", 한국방재학회논문집, 18(7), pp.435~447 (2018), 한국방재학회[DOI]
  8. Choi, C., "Development of heavy rain damage prediction model using machine learning based on big data", Advances in Meteorology, pp.1~11 (2018)
  9. 최창현, "머신러닝을 이용한 공공시설 호우피해 예측함수 개발", 한국방재학회논문집, 17(6), pp.443~450 (2017), 한국방재학회[DOI]
  10. Durbán, M., "Weather modelling using a Multivariate Latent Gussian model", Agricultural and Forest Meteorology, 109(3), pp.187~201 (2001)
  11. El-Shafie, A., "A Neuro-fuzzy model for inflow forecasting of the Nile river at Aswan High Oam", Water Resources Management, 21(3), pp.522~556 (2007)
  12. 엄장일, "시계열 자료를 이용한 시단위 댐 유입량 예측", 한국방재학회논문집, 19(2), pp.163~168 (2019), 한국방재학회[DOI]
  13. 전계원, "Web기반 홍수유출 및 수질예측 시스템의 개발-Ⅰ. 모형의 구축-", 대한토목학회 논문집B, 24(4b), pp.321~331 (2004), 대한토목학회
  14. Kalman, R. E., "A new approach to linear filtering and prediction problems", Journal of Basic Engineering, 82(1), pp.35~45 (1960)
  15. Kalman, R. E., "New result in linear filtering and prediction theory", Journal of Basic Engineering, 83(1), pp.95~108 (1961)
  16. Kang, S. W., "Analysis of Environment Big Data and Development of Services II" (2018), Korea environment Institute
  17. KilinÇ, I., "Reservoir Management using Artificial Neural Networks" (2005), State Hydraulic Works
  18. 김상단, "시계열 모형의 적용을 통한 댐 방류의 수질개선 효과 검토", 한국물환경학회지, 20(6), pp.685~691 (2004), 한국물환경학회
  19. Kim, S., "Evaluation of drought and flood risks in a multipurpose dam under climate change: a case study of Chungju Dam in Korea", Natural Hazards, 73(3), pp.1663~1678 (2014)
  20. 김선호, "베이지안 기법 기반의 댐 예측유입량 산정기법 개발 및 평가", 한국수자원학회 논문집, 50(7), pp.489~502 (2017), 한국수자원학회
  21. Kim, S. J., "The impact assessment of climate change on water supply and flood safety of dam", The Magazine of the Korean Society of Hazard Mitigation, 13(1), pp.57~64 (2013)[DOI]
  22. 김연희, "한반도 강수의 양극화 현상", 기후연구, 5(1), pp.1~15 (2010), 기후연구소
  23. 김연희, "한반도 재해피해와 호우의 재현주기", 기후연구, 4(2), pp.96~109 (2009), 기후연구소
  24. Study on the Impact Assessment and Countermeasures for Water Quality and Aquatic Ecosystem in Dam Reservoirs due to Climate Change, "K-water", Korea Water Resources Corporation, ~ (2012)
  25. 이종수, "머신러닝을 활용한 대청수계 취수원 냄새물질 예측", 한국수처리학회지, 27(1), pp.59~70 (2019), 한국수처리학회[DOI]
  26. A Strategy of National Water Security for Climate Change, "Ministry of Land, Transport and Maritime Affairs)", Ministry of Land, Transport and Maritime Affairs, ~ (2009)
  27. 문건호, "ANFIS 기반의 유황별 조건부 댐 유입량 예측기법 개발 및 평가", 한국수자원학회 논문집, 51(7), pp.607~616 (2018), 한국수자원학회[DOI]
  28. 박해경, "기계학습과 시스템 다이내믹스를 이용한 재난예측 및 대응정책효과 시뮬레이션: 경기도 단기가뭄을 사례로", 한국방재학회논문집, 19(1), pp.45~53 (2019), 한국방재학회[DOI]
  29. Park, M. J., "Stochastic forecasting of monthly river flows by multiplicative ARIMA model", Journal of Korea Water Resources Association, 22(3), pp.331~339 (1989)[DOI]
  30. 류용준, "웨이블렛 변환을 적용한 인공신경망에 의한 충주댐 일유입량 예측", 한국수자원학회 논문집, 45(12), pp.1321~1330 (2012), 한국수자원학회
  31. Schapire, R. E., "The strength of weak learnability", Machine Learning, 5(2), pp.197~227 (1990)
  32. Selvi, P., "Forecasting the monthly inflow rate of the Palar- Porundalar dam in Tamil Nadu using SARIMA", Journal of Applied and Natural Science, 11(2), pp.375~378 (2019)
  33. Sivajothi, R., "Forecasting of rainfall, average temperature, vapor pressure and cloud cover using vector autoregression Model", Journal of Computational and Theoretical Nanoscience, 16(5-6), pp.1862~1869 (2019)
  34. Torres, A. F., "Forecasting daily potential evapotranspiration using machine learning and limited climatic data", Agricultural Water Management, 98(4), pp.553~562 (2011)
  35. Valipour, M., "Comparison of the ARMA, ARIMA, and the autoregressive artificial neural network models in forecasting the monthly inflow of Dez dam reservoir", Journal of Hydrology, 476, pp.433~441 (2013)
  36. 우소영, "SWAT 및 random forest를 이용한 기후변화에 따른 한강유역의 수생태계 건강성 지수 영향 평가", 한국수자원학회 논문집, 51(10), pp.863~874 (2018), 한국수자원학회[DOI]
  37. 유철상, "EOF 해석 및 다변량시계열 모형을 이용한농업가뭄 대비능력의 평가", 한국수자원학회 논문집, 39(7), pp.617~626 (2006), 한국수자원학회
  38. 유지수, "저수지 CO2 배출량 산정을 위한 기계학습 모델의 적용", 한국물환경학회지, 33(3), pp.326~333 (2017), 한국물환경학회
  39. 윤강훈, "신경망을 이용한 낙동강 유역 홍수기 댐유입량 예측", 한국수자원학회 논문집, 37(1), pp.67~75 (2004), 한국수자원학회
  40. "Korea National Committee on Large Dams" (2019)[URL]

관련 논문AI추천

기계학습모델을 이용한 저수지 수위 예측서영민, 여운기, 최은혁한국농공학회 · 한국농공학회논문집2017 · 제59권 제3호ARIMA 모형을 이용한 진양호 수질의 장래예측김옥선, 김종오, 박중석, 유환희한국습지학회 · 한국습지학회지1999 · 제1권 제1호유량 보간 신경망 모형의 개발 및 낙동강 유역에 적용김지은, 손아롱, 한건연한국환경영향평가학회 · 환경영향평가2009 · 제18권 제5호ARIMA모형과 인공신경망모형의 BOD예측력 비교이홍근, 정효준한국환경보건학회 · 한국환경보건학회지2002 · 제28권 제3호자동기계학습 TPOT 기반 저수위 예측 정확도 향상을 위한 시계열 교차검증 기법 연구김종건, 박상빈, 박운지, 박태선, 배주현, 이서로, 임경재한국농공학회 · 한국농공학회논문집2024 · 제66권 제1호장기 기후 변동성을 고려한 인공신경망 앙상블 모형 적용: 한강 유역 댐 유입량 예측을 중심으로김태림, 조완희, 주경원, 허준행한국습지학회 · 한국습지학회지2019 · 제21권 제5호

이 간행물의 다른 논문 (3건)

Spatial Patterns and Temporal Trends of Precipitation in the Punjab, Pakistan, 1981-2015Sohail Abbas, Mian Sabir Hussain, Safdar Ali Shirazi, Saadia Sultan Wahla, 이승호pp. 159-169여름철 낮 시간대 교통사고에 대한 고온의 영향채여라, 박종철, 최서형pp. 171-181순환신경망을 이용한 제주지역 겨울철 저층윈드시어 예측김찬수pp. 199-208
원문 보기