DOI QR코드

DOI QR Code

Missing Hydrological Data Estimation using Neural Network and Real Time Data Reconciliation

신경망을 이용한 결측 수문자료 추정 및 실시간 자료 보정

  • 오재우 (한국수자원공사 물관리센터) ;
  • 박진혁 (한국수자원공사 수자원연구원) ;
  • 김영국 (충남대학교 컴퓨터공학과)
  • Published : 2008.10.29

Abstract

Rainfall data is the most basic input data to analyze the hydrological phenomena and can be missing due to various reasons. In this research, a neural network based model to estimate missing rainfall data as approximate values was developed for 12 rainfall stations in the Soyang river basin to improve existing methods. This approach using neural network has shown to be useful in many applications to deal with complicated natural phenomena and displayed better results compared to the popular offline estimating methods, such as RDS(Reciprocal Distance Squared) method and AMM(Arithmetic Mean Method). Additionally, we proposed automated data reconciliation systems composed of a neural network learning processer to be capable of real-time reconciliation to transmit reliable hydrological data online.

강우자료는 수문 해석에 있어 가장 기본이 되는 입력 자료이며, 다양한 원인에 의해 결측이 발생된다. 본 연구에서는 복잡한 자연현상 문제 해결에 그 응용성이 입증된 신경망 기법을 이용하여 결측 처리된 강우를 추정하기 위해서 소양강댐 유역 12개 강우량 관측소를 대상으로 신경망 모형을 구축하였으며, 모형의 성능 평가를 위해 실무에서 가장 많이 사용되고 있는 우량 보정 방법인 역거리법(RDS)과 산술평균법(AMM)으로 추정한 값과 비교하여 신경망을 이용한 추정 방법의 우수성을 보였다. 그리고 온라인상에서 보다 신뢰성 있는 수문자료를 재난관련 유관기관으로 전송하기 위해서 신경망 모형을 이용한 상시 실시간 보정이 가능하도록 신경망 학습기로 구성된 자동 보정시스템을 제안하였다.

Keywords

References

  1. 김광섭 (2006). "상층기상자료와 신경망기법을 이용한 면적강우 예측." 한국수자원학회논문집, 한국수자원학회, 제39권, 제8호, pp. 21-29 https://doi.org/10.3741/JKWRA.2006.39.8.717
  2. 김대수 (1992). 신경망 이론과 응용. 하이테크 정보
  3. 김응석, 김형수, 김중훈 (1999). “점 강우량 결측시 보정방법에 관한 비교 연구.” 수자원학술발표회 논문집, 한국수자원학회, pp. 374-381
  4. 김충수, 김형섭 (2006). “도시하천 소배수구역의 결측 강우량 산정 방법 비교.” 수자원학술발표회 논문집, 한국수자원학회, pp. 701-705
  5. 김호준, 백희정, 권원태, 최병철 (2001). “구간 연산 신경망을 이용한 강수량 장기예측 기법.” 한국기상학회지, 한국기상학회, 제37권, 제5호, pp. 443-452
  6. 신현석 (1998). “인공 신경망의 수자원 및 환경 분야에의 응용.” 한국수자원학회지, 한국수자원학회, 제31권, 제1호, pp. 97-103
  7. 오창석 (1996). 뉴로컴퓨터. 지성출판사
  8. 조성배, 김진형 (1989). “인공 신경망의 계산 복잡도.” 학술발표논문집, 한국정보과학회, 제16권, 제2호, pp. 315-318
  9. 한국수자원공사 (2007). 댐운영실무편람
  10. Simon Haykin (1999). NEURAL NETWORKS, Prentice Hall

Cited by

  1. A Study on Quality Control Method for Minutely Rainfall Data vol.35, pp.2, 2015, https://doi.org/10.12652/Ksce.2015.35.2.0319
  2. Estimation of Surface Runoff from Paddy Plots using an Artificial Neural Network vol.54, pp.4, 2012, https://doi.org/10.5389/KSAE.2012.54.4.065
  3. Analysis of Modified Distance-and-Elevation Ratio Method with Different Exponents of Distance and Elevation vol.48, pp.5, 2015, https://doi.org/10.3741/JKWRA.2015.48.5.357