Parameter Estimation of Storage Function Method using Metamodel

In order to calculate the accurate runoff from a basin, nonlinearity in the relationship between rainfall and runoff has to be considered. Many runoff calculation models assume the linearity in the relationship or are too complicated to be analyzed. Therefore, the storage function method has been used in the prediction of flood because of the simplicity of the model. The storage function method has five parameters with related to the basin and rainfall characteristics which can be estimated by the empirical trial and error method. To optimize these parameters, regression method or optimization techniques such as genetic algorithm have been used, however, it is not easy to optimize them because of the complexity of the method. In this study, the metamodel is proposed to estimate those model parameters. The metamodel is the combination of artificial neural network and genetic algorithm. The model is consisted of two stages. In the first stage, an artificial neural network is constructed using the given rainfall-runoff relationship. In the second stage, the parameters of the storage function method are estimated using genetic algorithm and the trained artificial neural network. The proposed metamodel is applied in the Peong Chang River basin and the results are presented.

메타모델을 이용한 저류함수법의 매개변수추정

유역에서의 정확한 유출을 계산하기 위해서는 강우-유출현상의 비선형성을 고려해야한다. 그러나 대부분의 강우-유출모형이 선형성을 가정하고 있거나 해석하기가 복잡하여, 비선형성을 고려하면서도 비교적 간단히 계산이 가능한 저류함수법을 유출계산에 이용해오고 있다. 저류함수법은 강수특성과 유역특성에 따라 달라지는 5개의 매개변수를 포함하고 있으며, 주로 유역별로 개발된 회귀식이나 유전자 알고리즘 등 최적화 기법을 이용하여 추정하나, 그 정확한 산정이 어렵다. 그러므로 본 연구에서는 인공 신경망과 유전자 알고리즘을 이용한 Metamodel을 이용하여 매개변수 최적화를 시도하였다. 제안된 기법은 두 단계로 나누어지는데, 첫 번째 단계에서는 기존의 강우-유출관계를 인공신경망에 입력하여 일대일대응 관계를 규명한 후, 두 번째 단계에서는 훈련된 인공신경망과 유전자 알고리즘을 이용하여 강우사상에 대한 저류함수법의 매개변수를 최적화한다. 제안된 모형은 평창강 유역 21개 강우사상에 적용되어 그 적용성을 입증하였다.