최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國水資源學會論文集 = Journal of Korea Water Resources Association, v.41 no.10, 2008년, pp.1035 - 1044
오창열 (유량조사사업단 품질정책실) , 진영훈 (동신대학교 토목공학과) , 김동렬 (동신대학교 토목공학과) , 박성천 (동신대학교 토목공학과)
It is critical to study on data charateristics analysis and prediction for the flood disaster prevention and water quality monitoring because discharge and TOC data in a river channel are strongly nonlinear. Therefore, in the present study, prediction models for discharge, TOC, and TOC load data wer...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
하도내에서 발생하는 유출량 및 TOC 자료는 어느때에 필요한가? | 하도내에서 발생하는 유출량 및 TOC 자료는 비선형성이 강한 자료임에 따라 홍수에 대한 재난대응과 수질의 상시감시를 위해서는 자료의 특성 분석과 예측에 관한 연구는 필수라 할 수 있다. 따라서 본 연구에서 유출량 및 TOC, TOC부하량 자료에 대한 웨이블렛 변환에 의해 최종분해된 최종파형분해단계의 근사성분과 상세성분을 이용하여 예측모형을 개발하였다. | |
최적의 예측모형 개발을 위한 연구과정을 통해 얻은 결과는? | 1) 본 연구에서 최종 선택한 유출량 및 TOC, TOC부 하량 모형은 D1 성분을 제외한 모형으로서 D1 성분이 포함된 예측모형과 차별성을 갖는 것으로 나타났다. 이는 선행연구 과정에서도 확인하였듯이 D1 성분은 고주파수에 해당하며 가장 작은 에너지 값을 갖는 잡음성분임에 기인한 것으로 판단된다. 2) 최적의 유출량 예측모형은 Model Ⅵ_23(Dis.) 모형으로서 훈련 및 검증과정에서의 R 2 에 대한 통계적 결과치는 각각 0.994, 0.993, RMSE는 각각 29.618, 20.454, PEP는 각각 -5.215, -0.647로 나타났으며 일반적인 신경망 모형에 나타나는 지속 현상을 발견할 수 없었다. 3) 최적의 TOC 예측모형은 Model Ⅶ_29(TOC) 모형 으로 훈련 및 검증과정에서의 R 2 에 대한 통계적 결과치는 각각 0.998, 0.998, RMSE는 각각 0.065, 0.056, PEP는 각각 -5.130, 0.800로 나타났으며본 모형 역시 일반적인 신경망 모형에 나타나는 지속현상을 발견할 수 없었다. 4) 최적의 TOC부하량 예측모형은 Model Ⅵ _17(T.L.) 모형으로 R 2 에 대한 통계적 결과치는 각각 0.989, 0.993, RMSE는 각각 0.212, 0.088, PEP는 각각 -7.608, -5.839로 나타났으나 본 모형에서는 지속현상을 다소 확인할 수 있었다. 이는 대상 자료의 최대값과 최소값의 비율이 1,500 배 해당하는 큰 범위를 갖는 것에 기인한 것으로 판단된다. | |
유출량은 어떤 이해가 이루어져야 하는가? | 유출량은 수자원 생성의 기본요소인 강우현상에 대한 유역의 반응으로 발생하며 이에 대한 해석과 예측은 강우-유출 과정(rainfall-runoff process)에 대한 보다 깊은 이해가 이루어져야 한다. 그러나 강우-유출 과정의 연결 매체인 유역은 복잡한 특성인자들로 구성되어 있음에 따라 비선형적 변환을 유발하며 각각의 변수들 역시 시공간적으로 그 변동이 매우 심하다. |
건설교통부 영산강홍수통제소 (2004). 영산강 수계 유량측정보고서. (주)한국종합기술개발공사
김주환 (1993). 신경회로망을 이용한 하천 유출량의 수문학적 예측에 관한 연구. 박사학위논문, 인하대학교
박성천, 오창열, 김동렬, 진영훈 (2006a). “인공신경망 이론을 이용한 홍수유출 예측시스템 개발 -GUI-FFS 개발 및 적용-.” 대한토목학회논문집, 대한토목학회, 제26권, 제2호, pp. 145-152
박성천, 진영훈, 김용구 (2006b). “강우-유출 예측모형 개발을 위한 자기조직화 이론의 적용.” 대한토목학회논문집, 대한토목학회, 제26권, 제4호, pp. 389-298
오창열, 박성천, 이한민, 표영평 (2002). “신경망을 이용한 영산강의 수질예측”, 대한토목학회논문집, 대한토목학회, 제22권, 제3B호, pp. 371-382
오창열, 진영훈, 박성천 (2007). “영산강 유역의 유출량 및 수질자료에 대한 비선형 동역학과 웨이블렛 이론의 적용.” 한국물환경학회지, 한국물환경학회, 제23권, 제4호. pp. 561-560
윤강훈, 서봉철 (2004c). “댐방류량을 이용한 한강 유역 신경망 예측모형에 관한 연구.” 대한토목학회논문집, 대한토목학회, 제24권, 제1B호, pp. 47-53
이관수, 박성천, 이한민, 진영훈 (2000). “인공신경망 이론의 B.P. 알고리즘을 적용한 영산강의 유출량 예측에 관한 연구.” 대한토목학회논문집, 대한토목학회, 제20권, 제5B호, pp. 679-688
이정규, 박성제 (2003). “다층신경망을 이용한 첨두유량 예측에 관한 연구.” 대한토목학회논문집, 대한토목학회, 제23권, 제2B호, pp. 105-114
전계원 (2004). "홍수유출과 수질예측을 위한 Web기반 시스템의 활용." 박사학위논문, 충북대학교
정명규 외 7인 (2001). 환경분석화학. 동화기술, pp. 406-407
Chen, Y., Yang, B., Dong J. (2006). "Time-series prediction using a local linear wavelet neural network." Neurocomputing, Vol. 69, No. 4-6, pp. 449-465
Hsu, K.L. & Gupta, H.V. & Sorooshian, S. (1995). "Artificial neural network modeling of the rainfall-runoff process." Water Resources Research, Vol. 31, No. 10, pp. 2517-2530
Sajikumar, N. & Thandaveswara, B. S. (1999). "A non-linear rainfall-runoff model using an artificial neural network." Journal of Hydrology, Vol. 216, pp. 32-55
World Meteorological Organistaion (1975). Intercomparison of conceptual models used in operational hydrological forecasting. World Meteorological Organisation, Techinical report No 429, Geneva, Switzerland
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.