수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.