earticle

영어

In this study, artificial neural network model was constructed in order to predict the water level. The target stream is the main stream between Yongdam Dam and Daecheong Dam in the Geum river Basin, and as input data at the upstream, the observation water level at the Sutong and the Hotan observatory and the water level at the Songcheon observatory, which is a tributary, are considered as input data. As an output value, an artificial neural network model was constructed to predict the water level of the Okcheon station at the downstream with 3 hours and 6 hours lead time. The artificial neural network model was constructed around a single hidden layer, and the sensitivity to the prediction accuracy of three learning variables was analyzed: Epoch number, Batch size, and Learning rate. For training, testing, and validation of artificial neural networks, learning was conducted using observed water level data for 13 years from 2000 to 2012, and water level data for two years from 2013 to 2014. The optimal model was selected through the used test. In addition, water level prediction from 2015 to 2016 was performed using the selected optimal model.

한국어

본 연구에서는 하도추적, 구체적으로는 상류단의 복수의 수위관측을 이용하여 하류단의 수위를 예 측하기 위하여 인공신경망 모델을 구성하였다. 대상하도는 금강유역의 용담댐과 대청댐 사이의 본 류이며, 상류단 입력자료로서 본류에 있는 수통, 호탄 관측소 관측수위와 지류인 송천 관측소 관측수 위를 고려하였다. 출력 값으로는 하류단의 옥천 관측소 수위를 3시간 및 6시간의 선행시간으로 예측 하도록 인공신경망 모형을 구성하였다. 인공신경망 모형의 구성은 단일 히든레이어를 중심으로 이 루어졌으며, Epoch number, Mini-batch size, Learning rate의 3가지 학습변수의 예측정확도에 대한 민 감도를 분석하였다. 인공신경망의 학습(Training), 시험(testing), 검증(validation)을 위해 2000년부터 2012년까지 13년간의 시수위자료를 이용하여 학습을 진행하였으며, 2013년부터 2014년의 2년간의 수위자료를 이용한 시험을 통해 최적의 모형을 선정하였다. 또한 선정된 최적의 모형을 이용하여 2015년부터 2016년까지의 수위예측을 수행하였다.