초록
본 연구에서는 홍수시 다목적댐의 효율적 운영을 위하여 상류로부터 유입되는 홍수유입량을 실시간으로 예측하기 위해 역전파 신경망 모형을 사용하여 댐유입량 예측모형(Neural Dam Inflow Forecasting Model; NDIFM)을 개발하였다. NDIFM은 다목적댐에 의한 하류의 홍수조절 비중이 큰 낙동강의 남강댐 유역에 적용하였으며, 입력자료로는 댐유역 평균강우량, 실측 댐유입량, 예측 댐유입량 통을 사용하여 실시간 댐유입량 예측의 가능성을 검토하였다. 실측치와 예측치를 비교ㆍ검토한 결과 제시한 세 가지 모형 중 NDIFM-I이 가장 우수한 결과를 나타내었으며, NDIFM-II 및 NDIFM-III 또한 다양한 예측가능성을 보여주었다. 따라서, 강우-유출의 비선형시스템 모의를 위하여 물리적 매개변수가 복잡한 개념적 모형보다는 양질의 수문관측 자료만 축적된다면 블랙박스 모형인 신경망 모형이 실시간 홍수예측에 효율적으로 활용될 수 있을 것이다.
In this study, real-time forecasting model(Neural Dam Inflow Forecasting Model; NDIFM) based on neural network to predict the dam inflow which is occurred by flood runoff is developed and applied to check its availability for the operation of multi-purpose reservoir Developed model Is applied to predict the flood Inflow on dam Nam-Gang in Nak-dong river basin where the rate of flood control dependent on reservoir operation is high. The input data for this model are average rainfall data composed of mean areal rainfall of upstream basin from dam location, observed inflow data, and predicted inflow data. As a result of the simulation for flood inflow forecasting, it is found that NDIFM-I is the best predictive model for real-time operation. In addition, the results of forecasting used on NDIFM-II and NDIFM-III are not bad and these models showed wide range of applicability for real-time forecasting. Consequently, if the quality of observed hydrological data is improved, it is expected that the neural network model which is black-box model can be utilized for real-time flood forecasting rather than conceptual models of which physical parameter is complex.