Abstract
Various methods have been applied for the research to model the relationship between rainfall-runoff, which shows a strong nonlinearity. In particular, most researches to model the relationship between rainfall-runoff using artificial neural networks have used back propagation algorithm (BPA), Levenberg Marquardt (LV) and radial basis function (RBF). and They have been proved to be superior in representing the relationship between input and output showing strong nonlinearity and to be highly adaptable to rapid or significant changes in data. The theory of artificial neural networks is utilized not only for prediction but also for classifying the patterns of data and analyzing the characteristics of the patterns. Thus, the present study applied self?organizing map (SOM) based on Kohonen's network theory in order to classify the patterns of rainfall-runoff process and analyze the patterns. The results from the method proposed in the present study revealed that the method could classify the patterns of rainfall in consideration of irregular changes of temporal and spatial distribution of rainfall. In addition, according to the results from the analysis the patterns between rainfall-runoff, seven patterns of rainfall-runoff relationship with strong nonlinearity were identified by SOM.
강한 비선형성의 경향을 보이고 있는 강우-유출간의 관계를 모형화하기 위한 연구는 다양한 방법론으로 적용되어 활발히 연구되고 있다. 그 중에서 인공신경망을 이용하여 강우-유출간의 관계를 모형화하기 위한 대부분의 연구들은 역전파 학습 알고리즘(back propagation algorithm: BPA), Levenberg Marquardt(LV), radial basis function(RBF)을 이용하였으며, 이들은 강한 비선형성을 나타내는 입 출력간의 관계를 나타내는데 탁월한 성능을 보이고 있는 것으로 알려져 있고, 자료들의 급격한 변화나 현저한 변화에 대한 뛰어난 적응성을 보여주고 있다. 이러한 인공신경망 이론은 예측뿐만이 아니라 대상자료들의 양상을 분류하여 그 특성을 분석하는 데에도 이용되고 있다. 따라서 본 연구에서는 강우-유출과정의 양상에 따른 분류와 그에 따른 분석을 위해 Kohonen 네트워크 이론에 의한 자기조직화 방법(self-organizing map; SOM)을 적용하였다. 본 연구에서 제시한 방법을 이용한 결과, 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우양상을 분류 할 수 있었으며, 강우-유출간의 특성을 분석한 결과 강한 비선현성을 가지고 있는 강우-유출관계가 SOM에 의해 7개의 패턴으로 구분되었다.
