[논문]머신러닝을 이용한 영산강 및 섬진강수계 갈수예보 전망 기술 소개

정충길; 오창열

머신러닝을 이용한 영산강 및 섬진강수계 갈수예보 전망 기술 소개 원문보기

정충길 (영산강홍수통제소 예보통제과) , 오창열 (영산강홍수통제소 예보통제과)

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

다만, 본 알고리즘은 기존 갈수에보 모형과 비교해서 다양한 하천 상황을 즉각적으로 반영하지 못하는 단점이 있다. 따라서, 기존 모형의 장점과 머신러닝의 장점을 결합한 최적 갈수예보 시스템 개발을 최종 목적으로 다각적인 측면에서의 검토를 실시하여 지속적인 시스템 개선을 수행함으로서 하천 가뭄 상황을 효율적으로 대응할 수 있도록 노력하겠다.

제안 방법

과거 입력자료로부터 현재 일유량을 참값으로 학습알고리즘을 갈수예보지 점 별로 최적화하여 5개의최적 알고리즘을 개발하였다. 개발된 알고리즘으로부터 기상청의 강수예보전망 자료의 예보확률과 예년평균 강수량을 이용하여 4주후 예측강수량을 산정하고 XGboost 알고리즘에 적용하여 유량 전망을 실시한다(그림 1).
이 알고리즘을 갈수예보 적용하기위해 과거 관측유량자료를 3개의 입력자료로 구분(과거 7일전 유량의 평균, 예년평균 일유량, 하루전 유량)하고 관측강우 자료를 3개의 입력자료로 구분(과거 7일전 강우량의 평균, 하루전 강우, 현재강우)하여댐 방류량 자료를 입력변수 자료로 만들었다. 과거 입력자료로부터 현재 일유량을 참값으로 학습알고리즘을 갈수예보지 점 별로 최적화하여 5개의최적 알고리즘을 개발하였다. 개발된 알고리즘으로부터 기상청의 강수예보전망 자료의 예보확률과 예년평균 강수량을 이용하여 4주후 예측강수량을 산정하고 XGboost 알고리즘에 적용하여 유량 전망을 실시한다(그림 1).
net/ ShuaiZhang22/ re-xgboost20170306). 이 알고리즘을 갈수예보 적용하기위해 과거 관측유량자료를 3개의 입력자료로 구분(과거 7일전 유량의 평균, 예년평균 일유량, 하루전 유량)하고 관측강우 자료를 3개의 입력자료로 구분(과거 7일전 강우량의 평균, 하루전 강우, 현재강우)하여댐 방류량 자료를 입력변수 자료로 만들었다. 과거 입력자료로부터 현재 일유량을 참값으로 학습알고리즘을 갈수예보지 점 별로 최적화하여 5개의최적 알고리즘을 개발하였다.
최적화된 XGBoost 갈수예보 알고리즘과 기존예보모형의 곡성군(예성교) 지점에서의 유량 전망 결과를 다음 표 2와 같이 비교하였다. 그 결과, XGBoost 알고리즘을 이용한 전망유량 결과의 관측 유량과의 상대오차는 0.

이론/모형

본 시범평가에서 개발한 알고리즘은 앙상블트리모델 기반의 머신러닝 XGBoost (extreme Gradient Boosting Tree) 알고리즘을 이용하였다(그림 1). XGBoost는 병렬처리와 최적화를 장점으로 내세우는 Gradient boosting 알고리즘으로 Kaggle 대회에서 상위를 차지한 많은 데이터 과학자가 XGBoost를 이용하면서 널리 알려진 방법론이다.

성능/효과

다음 표 2와 같이 비교하였다. 그 결과, XGBoost 알고리즘을 이용한 전망유량 결과의 관측 유량과의 상대오차는 0.01 〜0.17로 기존 갈 수 예보 모형의 상대오차 0.16〜0.48로 크게 개선됨을 보여줬다.

후속연구

본 알고리즘의 결과는 곡성군(예성교) 지점에서만 평가되었으며 추 후 모든 고시지점을 대상으로 적용성을 평가할 것이다. 다만, 본 알고리즘은 기존 갈수에보 모형과 비교해서 다양한 하천 상황을 즉각적으로 반영하지 못하는 단점이 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

머신러닝을 이용한 영산강 및 섬진강수계 갈수예보 전망 기술 소개 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

참고문헌 (3)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

머신러닝을 이용한 영산강 및 섬진강수계 갈수예보 전망 기술 소개 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

참고문헌 (3)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper