• Journal of The Korean Society of Agricultural Engineers
• /
• v.55 no.6
• /
• pp.1-9
• /
• 2013

미래 기후 정보를 이용한 수문 환경의 단기 미래 예측은 안정적 수자원 공급을 위한 필수적 과제이다. 미국 플로리다 주 중서부 템파지역에서는 주요 수자원 중 하나인 지하수의 효과적 활용을 위해 지하수위 인공신경망 모델 (GWANN)을 개발하여 피압 대수층과 비피압 대수층에 대한 주 단위 평균 지하수위를 월별로 예측하고 그 결과를 수자원 공급 의사 결정에 반영하고 있다. 본 논문은 템파지역에 대한 GWANN 모델을 이용한 지하수위 예측 시스템을 소개하고 모델의 기후 입력 자료의 민감도를 분석함으로써 양질의 기후 정보에 대한 현 시스템의 활용성을 검토하였다. 2006년과 2007년에 대한 연구 결과, 관측 자료를 최적 예측 시나리오 (the best forecast)로 가정하여 적용한 결과는 지하수위 관측 지점에 따라 큰 차이를 보였지만 일반적으로 현 시스템 (현 시점의 실시간 주 단위 평균 강우량을 향후 4주간 동일하게 적용함) 에 비해 예측 성능이 개선되는 것으로 나타났다. 더불어 강우 관측 자료의 백분위 (percentile forecast; 20분위, 50분위, 80분위)를 강우 예측 자료로 활용한 경우에도 현 시스템과 비교하여 일부 나은 결과를 보여주었다. 그러나 지하수위 예측 모델을 활용하지 않고 현 시점의 지하 수위가 지속된다고 가정하는 경우 (na$\ddot{i}$ve model) 향후 2주간의 예측 결과가 best forecast 경우에 비해 높은 정확도를 보이는 등, GWANN 모델의 단기 예측에 대한 양질의 강우 예측 정보의 활용성은 낮으며, 향후 3주 이상에 대한 예측 성능에 있어 best forecast결과가 na$\ddot{i}$ve model 결과에 비해 높은 정확도를 보이기 시작하는 것으로 나타났다. 또한 GWANN 모델의 예측 성능은 적용 기간과 지역 및 지하대수층의 특성에 따라 큰 다양성을 가지는 단점을 보여 강우 예측 자료 활용에 앞서 모델 개선의 필요성이 있다고 판단된다. 본 연구는 단기수자원 공급 계획 수립을 위하여 사용되는 지역 모델링 시스템에 대한 기후 예측정보의 활용성 평가를 위한 방법론으로 고려될 수 있을 것으로 기대된다.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1143-1154
• /
• 2021

The selection of activation function has a great influence on the groundwater level prediction performance of artificial neural network (ANN) model. In this study, five activation functions were applied to ANN model for two groundwater level observation wells in the middle mountainous area of the Pyoseon watershed in Jeju Island. The results of the prediction of the groundwater level were compared and analyzed, and the optimal activation function was derived. In addition, the results of LSTM model, which is a widely used recurrent neural network model, were compared and analyzed with the results of the ANN models with each activation function. As a result, ELU and Leaky ReLU functions were derived as the optimal activation functions for the prediction of the groundwater level for observation well with relatively large fluctuations in groundwater level and for observation well with relatively small fluctuations, respectively. On the other hand, sigmoid function had the lowest predictive performance among the five activation functions for training period, and produced inappropriate results in peak and lowest groundwater level prediction. The ANN-ELU and ANN-Leaky ReLU models showed groundwater level prediction performance comparable to that of the LSTM model, and thus had sufficient potential for application. The methods and results of this study can be usefully used in other studies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.186-186
• /
• 2022

강수 및 침투 등으로 발생하는 지하수위의 변동을 예측하는 것은 지하수 자원의 활용 및 관리에 필수적이다. 지하수위의 변동은 지하수 자원의 활용 및 관리뿐만이 아닌 홍수 발생과 지반의 응력상태 등에 직접적인 영향을 미치기 때문에 정확한 예측이 필요하다. 본 연구는 인공신경망 중 다층퍼셉트론(Multi Layer Perceptron, MLP)을 이용한 지하수위 예측성능 향상을 위해 MLP의 구조 중 Optimizer를 개량하였다. MLP는 입력자료와 출력자료간 최적의 상관관계(가중치 및 편향)를 찾는 Optimizer와 출력되는 값을 결정하는 활성화 함수의 연산을 반복하여 학습한다. 특히 Optimizer는 신경망의 출력값과 관측값의 오차가 최소가 되는 상관관계를 찾는 연산자로써 MLP의 학습 및 예측성능에 직접적인 영향을 미친다. 기존의 Optimizer는 경사하강법(Gradient Descent, GD)을 기반으로 하는 Optimizer를 사용했다. 하지만 기존의 Optimizer는 미분을 이용하여 상관관계를 찾기 때문에 지역탐색 위주로 진행되며 기존에 생성된 상관관계를 저장하는 구조가 없어 지역 최적해로 수렴할 가능성이 있다는 단점이 있다. 본 연구에서는 기존 Optimizer의 단점을 개선하기 위해 지역탐색과 전역탐색을 동시에 고려할 수 있으며 기존의 해를 저장하는 구조가 있는 메타휴리스틱 최적화 알고리즘을 이용하였다. 메타휴리스틱 최적화 알고리즘 중 구조가 간단한 화음탐색법(Harmony Search, HS)과 GD의 결합모형(HS-GD)을 MLP의 Optimizer로 사용하여 기존 Optimizer의 단점을 개선하였다. HS-GD를 이용한 MLP의 성능검토를 위해 이천시 지하수위 예측을 실시하였으며 예측 결과를 기존의 Optimizer를 이용한 MLP 및 HS를 이용한 MLP의 예측결과와 비교하였다.

• Ecology and Resilient Infrastructure
• /
• v.5 no.3
• /
• pp.125-133
• /
• 2018

Artificial neural network (ANN) is a powerful model to predict time series data and have been frequently adopted to predict groundwater level (GWL). Many researchers have also tried to improve the performance of ANN prediction for GWL in many ways. Dummies are usually used in ANN as input to reflect the seasonal effect on predicted results, which is necessary for improving the predicting performance of ANN. In this study, the effect of Dummy on the prediction performance was analyzed qualitatively and quantitatively using several graphical methods, correlation coefficient and performance index. It was observed that results predicted using dummies for ANN model indicated worse performance than those without dummies.

• The Journal of Engineering Geology
• /
• v.23 no.2
• /
• pp.137-147
• /
• 2013

For the effective management of groundwater resources, it is necessary to predict groundwater level fluctuations in response to rainfall events. In the present study, time series models using artificial neural networks (ANNs) and support vector machines (SVMs) have been developed and applied to groundwater level data from the Gasan, Shingwang, and Cheongseong stations of the National Groundwater Monitoring Network. We designed four types of model according to input structure and compared their performances. The results show that the rainfall input model is not effective, especially for the prediction of groundwater recession behavior; however, the rainfall-groundwater input model is effective for the entire prediction stage, yielding a high model accuracy. Recursive prediction models were also effective, yielding correlation coefficients of 0.75-0.95 with observed values. The prediction errors were highest for Shingwang station, where the cross-correlation coefficient is lowest among the stations. Overall, the model performance of SVM models was slightly higher than that of ANN models for all cases. Assessment of the model parameter uncertainty of the recursive prediction models, using the ratio of errors in the validation stage to that in the calibration stage, showed that the range of the ratio is much narrower for the SVM models than for the ANN models, which implies that the SVM models are more stable and effective for the present case studies.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2006.04a
• /
• pp.259-262
• /
• 2006

본 연구는 지하처분연구시설(URT : Underground Research Tunnel)시설 건설공사와 관련하여 굴착 후의 지하수유동체계 변화를 예측하기 위하여 수행되었다. 지하수유동체계 모사를 위해 사용된 모델은 연속체 매질 개념의 Visual Modflow이며, URT 주변의 시추공에서 조사된 자료를 초기 입력자료로 이용하였다. 1단계 터널굴착 후에 계측된 지하수위 및 터널 내 지하수 유입량을 토대로 모델교정을 수행하였고, 교정된 모델을 이용하여 2단계 터널굴착 후의 지하수유동체계를 예측하였다. 1단계 굴착 후 약 4.3m의 수위강하가 발생한 KP-2번공은 2단계 굴착 후에는 약 0.05m의 수위강하가 예측되었다. 또한 2단계 굴착 후의 지하수위는 터널 입구를 기준으로 약 108m지점부터 터널 종점부 175m까지는 터널 상부에 분포하며, 종점부 175m지점에서는 지하수위가 터널 천장(roof)부로부터 약 12.7m 상부에 위치하는 것으로 예측되었다. 지하수위의 강하범위는 터널 중심부로부터 반경 약 300m까지 발생되는 것으로 예측되었고, 예상 지하수 유입량은 24.7ton/day로 1단계 공사 후보다. 약 2.7ton/day 증가하며, 공동굴착 전 터널 중심부의 지하수가 지표까지 도달하는 시간은 약 39.8년이 소요되는 것으로 나타났다.

• Economic and Environmental Geology
• /
• v.36 no.6
• /
• pp.431-440
• /
• 2003

A modeling was performed to predict the groundwater recovery in the vicinity of the waterway tunnel area using a groundwater flow model MODFLOW. The model was calibrated to reproduce measured groundwater levels and observed flow rates into the tunnel prior to lining, and then used for flow simulation under transient condition. Model predictions under steady-state condition revealed that if tunnel conductance had been reduced by 25% to 90%, groundwater levels would recover between 8% and 72.4% of their initial levels and flow into the tunnel will decrease between 5.5% and 82.7%. In case of 75% tunnel condutance ruduction in transient simulation. most of wells were predicted to recover within 20 years or so. The complete recovery for the wells with the groundwater level over 70 m was found to be impossible. For the 90% tunnel conductance reduction, all wells were found to be recovered within 15 years.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.267-267
• /
• 2021

제주도는 화산섬의 지질특성상 강수의 지표침투성이 높아 지표수의 개발이용여건이 취약한 관계로 용수의 대부분을 지하수에 의존하고 있다. 따라서 지하수의 보전관리는 매우 중요한 사항이며 특히 지하수의 안정적인 이용을 위해서는 지하수 취수가 주변지역 지하수위에 미치는 영향 분석이 반드시 필요하다. 본 연구는 딥러닝 알고리즘인 Long Short-Term Memory(LSTM)를 활용하여 제주도 남동쪽 표선유역 중산간지역에 위치한 2개 지하수위 관측정을 대상으로 지하수 취수영향을 분석하였다. 입력자료로써 인근 2개 강우관측소의 일단위 강수량자료와 인근 6개 취수정의 지하수 취수량자료 및 연구대상 관측정의 지하수위 자료(2001. 2. 11. ~ 2019. 10. 31.)를 사용하였다. 지하수위 변동특성을 최대한 반영하기 위해 LSTM의 예측일수를 1일로 설정하였다. 보정 및 검증 기간을 사용하여 매개변수의 과적합을 방지하였으며, 테스트 기간을 사용하여 LSTM의 예측성능을 평가하였다. 평가지수로써 Nash-Sutcliffe Efficiency(NSE)와 평균제곱근오차(RMSE)를 사용하였다. 그리고 지하수 취수가 주변 지하수위 변동에 미치는 영향을 분석하기 위해 취수량을 최대취수량인 2,300 m³/일, 최대취수량의 2/3인 1,533 m³/일 및 0 m³/일로 설정하여 모의하였다. 모의결과, 2개 감시정의 보정, 검증 및 예측기간에 대한 NSE는 최대 0.999, 최소 0.976의 범위를 보였으며, RMSE는 최대 0.494 m, 최소 0.084 m를 보여 LSTM은 우수한 예측성능을 나타내었다. 이것은 LSTM이 지하수위 변동특성을 적절히 학습하였다는 것을 의미하며 따라서 추정된 매개변수를 활용하여 지하수 취수영향을 모의 및 분석하였다. 그 결과, 지하수위 하강량은 최대 0.38 m 였으며 이것은 대상지점에 대한 취수량은 지하수위 하강에 거의 영향을 주지 않는다는 것을 의미한다. 또한 취수량과 지하수위 하강량과의 관계는 한 개 관측정에 대해 선형적인 관계를 보인 반면 나머지 한 개 관측정에 대해서는 비선형적인 관계를 나타내는 것을 확인하였다. 따라서 LSTM 알고리즘을 활용하여 제주도 표선유역 중산간지역의 지하수위 변동특성을 분석할 수 있다.

• The Journal of Engineering Geology
• /
• v.15 no.3
• /
• pp.289-301
• /
• 2005

Groundwater level drawdown of the first stage resulted from groundwater leakage into tunnel was predicted by an analytical approximation. And numerical modeling was performed to predict the flow rates into tunnel and the groundwater level decline in the vicinity of future proposed tunnel area using a groundwater flow model MODFLOW. Groundwater level of the first stage was predicted to decrease by 15.3 m in analytical approximation. The flow rates in the total length of the future tunnel, when it is excavated, would be approximately $1,870m^3/day$ in numerical model. The model predicts that the groundwater levels in the area around the future tunnel are expected to drop between 5 to 25 m relative to current groundwater levels. Under condition for a $50\%$ tunnel conductance increase, the flow rate was estimated to be $2,518m^3/day$ and the groundwater level drawdown was predicted to be between 5 to 35 m The flow rate and the predicted groundwater level drawdown under a $2,518m^3/day$ tunnel conductance decrease was estimated to be $1,273m^3/day$ and between 2 to 12 m.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.333-337
• /
• 2016

제주지역 지하수개발을 위해서는 굴착예정지역의 지하수위를 예측하고, 지하수 해석 모델을 이용하여 사용량에 따른 수위변동을 분석한다. 그러나 지하수 개발예정지역은 관측결과가 없는 미계측 지점으로 정확한 수위를 예측하기에는 한계가 있다. 일반적으로 실무에서는 분석유역 내 관측정의 관측수위와 모델에서 계산된 지점수위만을 비교한 후 부정류 해석을 실시한다. 이러한 경우 관측지점에 한하여 유사한 지하수위를 도출할 수 있지만 미계측 지역의 지하수위는 검증되지 않은 결과이기 때문에 정확한 부정류해석이 어렵다. 특히, 제주지역의 지하수흐름은 지역별 표고분포와 상이한 결과가 나타내기 때문에 실제 지하수흐름과 유사하게 묘사될 수 있도록 분석지역의 특성에 적합한 지하수 모델 분석방법이 필요하다. 본 연구에서는 지하수 해석모형을 이용하여 대정유역의 지하수흐름을 모의하고, 실무에서 적용되는 방법의 문제점을 파악하여 모델의 지하수흐름이 실제 흐름과 유사하게 묘사될 수 있도록 모델경계설정방안을 분석하였다.