[논문]딥러닝을 이용한 하천 유량 예측 알고리즘

박귀만; 오세랑; 박근호; 배영철

doi:10.13067/jkiecs.2021.16.6.1239

딥러닝을 이용한 하천 유량 예측 알고리즘
Groundwater Level Prediction using ANFIS Algorithm 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.16 no.6, 2021년, pp.1239 - 1248

박귀만 (전남대학교 전기 및 반도체공학과) , 오세랑 (전남대학교 전기 및 반도체공학과) , 박근호 (전남대학교 전기 및 반도체공학과) , 배영철 (전남대학교 전기.전자통신.컴퓨터공학부)

초록
AI-Helper

본 논문은 학문적인 이해를 기반을 둔 예측을 수행하기 위해 FDNN(: Flood drought index neural network) 알고리즘을 제시한다. 데이터에 의존한 예측이 아닌 학문적인 이해를 기반을 둔 예측을 딥러닝에 적용하기 위해, 알고리즘을 수리, 수문학을 기반으로 구성하였다. 강수량의 입력으로 하천의 유량을 예측하는 모델을 구성하여 K-교차검증을 통해 모델의 성능을 측정한다. 제시한 알고리즘의 성능을 증명하기 위해 시계열 예측에서 가장 많이 사용되는 LSTM(: Long short term memory) 알고리즘의 예측 성능과 비교하여 제시한 알고리즘의 우수성을 나타낸다.

Abstract ▼ AI-Helper

In this paper, we present FDNN algorithm to perform prediction based on academic understanding. In order to apply prediction based on academic understanding rather than data-dependent prediction to deep learning, we constructed algorithm based on mathematical and hydrology. We construct a model that...

주제어

표/그림 (15)

그림 그림 1. FDNN의 구성도 Fig. 1 Construction of FDNN
그림 그림 2. 하천의 유출량과 강수량의 상관관계[7] Fig. 2 Relationship with rainfall and runoff depth[7]
그림 그림 3. 홍수 노드의 구성도 Fig. 3 Construction of Flood node
그림 그림 4. 가뭄 노드의 구성도 Fig. 4 Construction of Drought node
그림 그림 5. 노드의 입력와 Number of node Fig. 5 Input of node and Number of node
그림 그림 6. FDNN 노드와 홍수 가뭄의 노드 Fig. 6 FDNN node and Flood Drought node
그림 그림 7. 유량 측정 지점과 강수량 측정 지점 Fig. 7 Flow rate and precipitation measurement points
그림 그림 8. 유량과 강수량 그래프 Fig. 8 Graph of flow rate and precipitation
표 표 1. 취득 데이터의 정보 Table 1. Information of acquisition data
그림 그림 9. FDNN을 이용한 딥러닝 모델 구성도 Fig. 9 Construction of deep learning model using FDNN
그림 그림 10. LSTM을 이용한 딥러닝 모델 구성도 Fig. 10 Construction of deep learning model using LSTM
그림 그림 11. K-교차검증 Fig. 11 K-fold cross validation
표 표 2. FDNN과 LSTM 모델의 오차 측정 Table 2. Error measurement of FDNN and LSTM model
그림 그림 12. FDNN, LSTM 모델의 예측 그래프와 실측 그래프 Fig. 12 Prediction and observation graph of FDNN and LSTM model
표 표 3. 유량이 1000 이상, 미만일 경우 오차 측정 Table 3. Measured error when flow rate is greater than or equal to 1000

참고문헌 (10)

G. Bak and Y. Bae, "Performance comparison of machine learning in the various kind of prediction," J. the Korea institute of electronic communication science, vol. 14, no. 1, 2019, pp. 169-178.

원문보기 상세보기
D. Hwang, Y. Bae, "The prediction of bidding price using deep learning in the electronic bidding," J. the Korea institute of electronic communication science, vol. 15, no. 1, 2020, pp. 147-152.

원문보기 상세보기
I. Gee, D. Kwon, and J. Ki, "Comparing the performance of machine learning algorithms in predicting river water quality and quantity," Korean society of water science and technology, vol.28, no.1 , Feb. 2020, pp. 49-57.

상세보기
B. Hwang, "Evaluation of LSTM model for inflow prediction of lake Sapgye," J. the Korea academia-industrial cooperation society, vol. 22, no. 4, 2021, pp. 287-294.
M. Sanjuan, "Artificial intelligence, chaos, prediction and understanding in science," International Journal of Bifurcation and Chaos 31.11:2150173, vol.31, no.11, 2021, pp. 1-25.

상세보기
H. Lee, S. An, and G. Park, "Assessing the frequency of dry water in the dam basin," In Proceedings of the Korean environmental sciences society conference, Gyeongju, Korea, Nov. 2020.
J. Moon, "Estimation of Han river runoff using Cheugugi data," J. Korea water resources Association, vol.28, no.5, 2019, pp. 1067-1074.
D. Ahn, S. Cho, and H. Kim "A study on the dynamics of police motorcycle simulator," J. of the Korea Institute of Electronic Communication Sciences, vol. 15, no. 6, 2020, pp. 533-542.
S. Pal and S. Mitra, "Multilayer perceptron, fuzzy sets, classifiaction," Transactions on neural networks. IEEE, vol. 3, 1992, pp. 683-697.

상세보기
X. Wang, P. Guo, and X Huang, "A review of wind power forecasting models," Energy procedia 12, 2011, pp. 770-778.

상세보기

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