Browse

앙상블 유량예측의 정확도 향상을 위한 강우-유출모형에 대한 연구-Ⅰ. 신경망 강우-유출모형
A study on rainfall-runoff models for improving ensemble streamflow prediction

DC Field Value Language
dc.contributor.author정대일-
dc.contributor.author김영오-
dc.contributor.author조성준-
dc.contributor.author신현정-
dc.date.accessioned2010-06-22T04:24:04Z-
dc.date.available2010-06-22T04:24:04Z-
dc.date.issued2003-
dc.identifier.citation대한토목학회논문집, Vol. 23, No. 6-B, pp. 521-530en
dc.identifier.issn1015-6348-
dc.identifier.urihttps://hdl.handle.net/10371/67747-
dc.description.abstract앙상블 유량예측기법을 국내에 적용할 경우 유출량이 적은 겨울과 봄 등 갈수기 예측오차는 일반적으로 강우-유출모형의 불확실성에 기인한다. 이러한 문제점을 해결하기 위해 앙상블 유량예측기법의 핵심인 강우-유출모형의 근본적인 개선이 시급한 과제이다. 본 연구에서는 대청댐 월 유입량 앙상블 유량예측에 사용할 수 있는 강우-유출모형을 단일 신경모형과 앙상블 신경망모형을 이용하여 구성하였다. 앙상블 신경망모형은 복수의 멤버 모델들의 결과를 조합함으로써 단일 신경망에 비해 더 좋은 일반화 성능을 보인다고 알려져 있는 방법으로, 본 연구를 통해 국내 수문현상 해석을 위해 처음으로 소개되었다. 또한, 신경망 강우-유출모형의 모의능력을 향상시키기 위해 유출현상이 상이한 갈수기와 홍수기로 나누어 신경망 강우-유출모형이 본 연구를 통해 개발되었다. 개발된 신경망 강우-유출모형은 대표적 개념모형인 TANK모형과의 비교를 통해 모의능력의 우수함을 증명하였으며 적용가능성을 입증하였다. 앙상블 신경망모형과 단일 신경망모형의 비교에서는 본 연구를 통해 새롭게 소개된 앙상블 신경망모형의 모의능력이 더 우수하였다. 갈수기와 홍수기로 나누어 구성한 강우-유출모형이 이를 고려하지 않은 모형보다 정확한 모의를 할 수 있었으며, 신경망을 이용한 강우-유출모형을 구성할 경우에는 유출특성을 고려할 경우 좀더 정확한 모의를 할 수 있음을 확인하였다. 본 연구를 통해 개발된 강우-유출모형은 대청댐 월 유입량을 위한 앙상블 유량예측기법에 이용되어 겨울철 유량예측의 정확상을 크게 향상시킬 것으로 기대한다.
The previous ESP (Ensemble Streamflow Prediction) studies conducted in Korea reported that the modeling error is a
major source of the ESP forecast error in winter and spring (i.e. dry seasons), and thus suggested that improving the rainfall-
runoff model would be critical to obtain more accurate probabilistic forecasts with ESP. This study used two types of
Artificial Neural Networks (ANN), such as a Single Neural Network (SNN) and an Ensemble Neural Networks (ENN), to
improve the simulation capability of the rainfall-runoff model of the ESP forecasting system for the monthly inflow to the
Daecheong dam. Applied for the first time to Korean hydrology, ENN combines the outputs of member models so that it
can control the generalization error better than SNN. Because the dry and the flood season in Korea shows considerably
different streamflow characteristics, this study calibrated the rainfall-runoff model separately for each season. Therefore,
four rainfall-runoff models were developed according to the ANN types and the seasons. This study compared the ANN
models with a conceptual rainfall-runoff model called TANK and verified that the ANN models were superior to TANK.
Among the ANN models, ENN was more accurate than SNN. The ANN model performance was improved when the
model was calibrated separately for the dry and the flood season. The best ANN model developed in this article will be
incorporated into the ESP system to increase the forecast capability of ESP for the monthly inflow to the Daecheong dam.
en
dc.language.isokoen
dc.publisher대한토목학회 = Korean Society of Civil Engineersen
dc.subject강우-유출모형en
dc.subject대청댐en
dc.subject앙상블en
dc.subject유량예측en
dc.subject앙상블en
dc.subject신경망모형en
dc.subjectTANK모형en
dc.title앙상블 유량예측의 정확도 향상을 위한 강우-유출모형에 대한 연구-Ⅰ. 신경망 강우-유출모형en
dc.title.alternativeA study on rainfall-runoff models for improving ensemble streamflow predictionen
dc.typeArticleen
dc.contributor.AlternativeAuthorJeong, Dae-Il-
dc.contributor.AlternativeAuthorKim, Young-Oh-
dc.contributor.AlternativeAuthorCho, Sung-Zoon-
dc.contributor.AlternativeAuthorShin, Hyun-Jung-
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Civil & Environmental Engineering (건설환경공학부)Journal Papers (저널논문_건설환경공학부)
Files in This Item:
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse