$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공신경망 모형을 이용한 제주 지하수위의 장기예측
Long-term Prediction of Groundwater Level in Jeju Island Using Artificial Neural Network Model 원문보기

대한토목학회논문집 = Journal of the Korean Society of Civil Engineers, v.37 no.6, 2017년, pp.981 - 987  

정일문 (한국건설기술연구원 수자원.하천연구소) ,  이정우 (한국건설기술연구원 수자원.하천연구소) ,  장선우 (한국건설기술연구원 수자원.하천연구소)

초록
AI-Helper 아이콘AI-Helper

투수성이 큰 화산섬인 제주도에서는 땅속으로 함양된 지하수자원이 가장 중요한 수원이므로 지하수의 적정관리가 매우 중요하다. 특히 가뭄시 지하수의 이용은 염수침투를 유발할 수 있으므로 지하수위 강하에 따른 단계별 제한 조치가 마련되어 있다. 농업용 지하수위에 대한 적정 지하수 이용을 위해서는 보다 장기적인 예측을 통해 사전에 대비하는 것이 필요하다. 이에 본 연구에서는 인공신경망 모형을 이용한 지하수위의 월단위예측기법을 개발하였고, 대표적인 관측공에 대해 적용하였다. 월단위 지하수위를 예측한 결과 학습 및 검증기간 모두 예측 성능이 우수한 것으로 분석되었다. 또한 장기예측을 위해서 입력인자로 월단위 지하수위 예측치를 순차적으로 이용하는 연속지하수위예측 모형을 구축하고 수개월 동안 무강수의 극한조건에 대한 지하수위 저하 양상을 분석하였다.

Abstract AI-Helper 아이콘AI-Helper

Jeju Island is a volcanic island which has a large permeability. Groundwater is a major water resources and its proper management is essential. Especially, there is a multilevel restriction due to the groundwater level decline during a drought period to protect sea water intrusion. Preliminary count...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구에서는 제주 지역의 지하수 관리를 위해 가뭄시 지하수위의 장기예측을 통해 지하수 사용의 단계별 조치에 활용할 수 있는 방안의 하나로 인공신경망을 이용한 지하수위 예측 모형을 구축하고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
제주도에서 지하수의 적정관리가 중요한 이유는? 투수성이 큰 화산섬인 제주도에서는 땅속으로 함양된 지하수자원이 가장 중요한 수원이므로 지하수의 적정관리가 매우 중요하다. 특히 가뭄시 지하수의 이용은 염수침투를 유발할 수 있으므로 지하수위 강하에 따른 단계별 제한 조치가 마련되어 있다.
인공신경망 알고리즘 이란? 인공신경망(Artificial Neural Network, ANN) 알고리즘은 인간의 두뇌를 모델로 한 분석 방법이다. 인간의 두뇌는 약 100억개의 뉴런이 매우 큰 개수의 시냅스에 서로 간에 연결되어 있다.
신경망은 어떤 과정이 계속되어 뇌가 학습한다는 이론에 기초하는가? 인간의 두뇌는 약 100억개의 뉴런이 매우 큰 개수의 시냅스에 서로 간에 연결되어 있다. 각 뉴런들은 시냅스에 의하여 서로 정보를 교환하고, 특정 뉴런은 신호가 입력되면 시냅스에 의해 연결된 다른 노드로 신호를 전달한 다. 신경망은 이러한 과정이 계속되어 뇌가 새로운 것을 학습하게 된다는 이론에 기초하고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. Coppola, E. A. Jr., Rana, A. J., Poulton, M. M., Szidarovszky, F. and Uhl, V. W. (2005). "A neural network model for predicting aquifer water level elevations." Ground Water, 2005, Vol. 43, No. 2, pp. 231-241. 

  2. Jeju Special Self-Governing Province (2013). Comprehensive Water Resouces Plan for Jeju-Island, p. 366 (in Korean). 

  3. Jeju Special Self-Governing Province (2016). Determination of expanded management water levels and development of groundwater prediction model, p. 112 (in Korean). 

  4. Kim, J. W., Koh, G. W., Won, J. H. and Han, C. (2005). "A study on the determination of management groundwater level on jeju island." Journal of KoSSGE, Vol. 10, No. 2, pp. 12-19 (in Korean). 

  5. McCulloch, W. S. and Pitts, W. (1943). "A logical calculus of the ideas immanent in nervous activity." The Bulletin of Mathematical Biophysics, Vol. 5, No. 4, pp. 115-133. 

  6. Mohanty, S., Jha, M. K., Kumar, A. and Sudheer, K. P. (2010). "Artificial neural network modeling for groundwater level forecasting in a river island of eastern india." Water Resources Management, Vol. 24, No. 9, pp. 1845-1865. 

  7. Sung, J. Y., Lee, J., Chung, I. M. and Heo, J. H. (2017). "Hourly water level forecasting at tributary affected by main river condition." Water, Vol. 9, No. 9, 644, doi:10.3390/w9090644. 

  8. Yi, M. J. and Lee, K. K. (2004). "Transfer function-noise modelling of irregularly observed grounfwater heads using precipitation data." Journal of Hydrology, Vol. 285, No. 3, pp. 272-287. 

  9. Yoon, H., Kim, Y., Ha, K. and Kim, G. B. (2013). "Application of groundwater-level prediction models using data-based learning algorithms to national groundwater monitoring network data." The Journal of Engineering Geology, Vol. 23, No. 2, pp. 137-147 (in Korean). 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로