선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 그림 3은 case1과 case2에 대한 결과 값을 3시간 간격으로 측정한 실제 유입량 관측값과 함께 나타낸 것이다. RDAPS의 예측 강우량이 3시간 간격 누적값으로 주어지기 때문에 유입량예측 결과 역시 3시간 간격으로 비교하였다. 또한 정확도 비교를 위해서 각 case에 대한 RMSE(Root Mean Square Error)를 산정하였고, 그결과는 아래 표 3과 같다.
- 그리고 현재 강우량으로부터 유입량을 계산하기 위해 사용되는 물리적 모델들은 모의를 위한 매개변수 값의 산정이 어렵고, 매개변수 값을 해당 유역에 맞게 입력했다고 하더라도 주변상황에 변화에 따라 매개변수 값이 변할 가능성이 크므로 정확도가 떨어진다. 따라서 실시간 댐 운영을 위해서는 위에서 언급한 여러 문제를 극복할 수 있는 대안이 필요하며, 이를 위해 본 연구에서는 지점강우자료 사용 대신 기상청 수치예보모델인 RDAPS(Regional Assimilation and Prediction System)에서 강우예측 자료에 대해 물리적 모델 대신 개념적모델인 인공신경망(Artificial Neural Network)을 이용하여 유입량 예측을 수행하였다.
- 2006년 5월 12일 00UTC부터 2006년 5월 18시 12UTC까지의 RDAPS자료를 이용하였고, 면적강우량을 계산하였다. 면적강우량은 현재시간 기준으로 3시간 후, 6시간 후, 9시간 후, 12시간 후 각각의 면적강우량을 계산하였다.
- 본 연구에 사용된 인공신경망의 종류는 다층(multi-layer)신경망으로 개략적인 모습은 그림 3과 같이 1개의 입력층과 1개의 은닉층 그리고 1개의 출력값으로 구성되어 있다. RDAPS 강우예측자료를 이용한 면적강 우량을 이용하여 유입량을 구하기 위한 인공신경망 모형을 Case2이라고 하고, 화천댐 유역의 강우지점 중에 Null값이 적은 지역을 선택하여 누적강우량을 구한 후 인공신경망의 입력값으로 이용한 모형을 Case1라고 한다.
- 본 연구에서는 화천댐유역의 유입량을 예측하기 위해 2006년07월12일부터 18일까지의 RDAPS 기상수치예보모델 자료와 인공신경망을 이용하여 유입량 예측값을 산정하였고, 화천댐 유역의 강우지점자료의 12시간 누적값을 이용해서 예측 유입량 값을 산정하여 비교하였다. 위의 두 값 뿐 아니라 인공신경망을 위한 입력자료로, 평화의 댐 수위와 각시교 수위 그리고 현재 화천댐 유입량을 선정하였다.
대상 데이터
- 화천댐 유역의 격자망은 그림 1과 같다. 2006년 5월 12일 00UTC부터 2006년 5월 18시 12UTC까지의 RDAPS자료를 이용하였고, 면적강우량을 계산하였다. 면적강우량은 현재시간 기준으로 3시간 후, 6시간 후, 9시간 후, 12시간 후 각각의 면적강우량을 계산하였다.
- 연구범위는 화천댐과 평화의 댐 유역을 포함한 유역으로 본 연구에서는 화천댐 유역이라 하겠다. 이 유역의 경우 한강유역의 최상류로 중요한 유역이지만 북한지역과 인접하고, 일부 북한지역이 포함되어 있어 강우 지점설치 및 관리가 어려워 사실상 강우량 측정이 불가능한 지역이다.
- 본 연구에서는 화천댐유역의 유입량을 예측하기 위해 2006년07월12일부터 18일까지의 RDAPS 기상수치예보모델 자료와 인공신경망을 이용하여 유입량 예측값을 산정하였고, 화천댐 유역의 강우지점자료의 12시간 누적값을 이용해서 예측 유입량 값을 산정하여 비교하였다. 위의 두 값 뿐 아니라 인공신경망을 위한 입력자료로, 평화의 댐 수위와 각시교 수위 그리고 현재 화천댐 유입량을 선정하였다. 인공신경망을 이용하여 3시간 후, 6시간 후, 9시간 후, 12시간 후의 유입량을 모의해본 결과 RDAPS 모델의 예측강우량 값을 통해 유입량을 예측한 것의 결과와 지점강우자료를 이용하여 유입량을 구한 것 모두 실제 화천댐 유입량과 유사하게 모의되었지만, RMSE를 비교해본 결과 RDAPS 자료를 이용하여 예측유입량을 모의한 것이 정확성이 높았다.
데이터처리
- RDAPS의 예측 강우량이 3시간 간격 누적값으로 주어지기 때문에 유입량예측 결과 역시 3시간 간격으로 비교하였다. 또한 정확도 비교를 위해서 각 case에 대한 RMSE(Root Mean Square Error)를 산정하였고, 그결과는 아래 표 3과 같다. 그림 3에서는 case1과 case2 둘 다 실제 값과 차이가 크지 않은 것으로 나타났다.
이론/모형
- 입력신호에 가중치가 부여된 값들의 합은 시그모이드 함수(비선형 함수)를 통해 노드에서의 출력 값을 도출해낸다. 연결강도를 최적화하기 위해 사용된 학습 알고리즘은 오차역전파등의 학습 알고리즘을 적용한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.