• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.115-119
• /
• 2006

The goal of this research is to develop and apply the generalized regression neural networks model (GRNNM) embedding genetic algorithm (GA) for pan evaporation, which is missed or ungaged and for the alfalfa reference evapotranspiration, which is not measured in South Korea. The GRNNM-GA is evaluated using the training, the testing, and reproduction performance respectively for the estimation of the PE and the alfalfa reference evapotranspiration. Since the observed data of the alfalfa reference evapotranspiration using lysimeter have not been measured for a long time in South Korea, the PM method is used to assume and estimate the observed alfalfa reference evapotranspiration. From this research, we evaluate the impact of the limited climatical variables on the accuracy of the GRNNM-GA. We should, furthermore, construct the credible data of the PE and the alfalfa reference evapotranspiration and suggest the reference data for irrigation and drainage networks system in South Korea.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1423-1426
• /
• 2007

The goal of this research is to develop and apply the integrational model for the pan evaporation and the alfalfa reference evapotranspiration in Republic of Korea. Since the observed data of the alfalfa reference evapotranspiration using lysimeter have not been measured for a long time in Republic of Korea, PM method is used to assume and estimate the observed alfalfa reference evapotranspiration. The integrational model consists of staochastics and neural networks processes respectively. The stochastics process is applied to extend for the short-term monthly pan evaporation and alfalfa reference evapotranspiration. The extended data of the monthly pan evaporation and alfalfa reference evapotranspiration is used to evaluate for the training performance. For the neural networks process, the generalized regression neural networks model(GRNNM) is applied to evaluate for the testing performance using the observed data respectively. From this research, we evaluate the impact of the limited climatical variables on the accuracy of the integrational operation of stochastics and neural networks processes. We should, furthermore, construct the credible data of the pan evaporation and the alfalfa reference evapotranspiration, and suggest the reference data for irrigation and drainage networks system in Republic of Korea.

• 한국수자원학회논문집
• /
• 제40권1호
• /
• pp.73-88
• /
• 2007

본 연구의 목적은 결측 혹은 미계측 증발접시 증발량과 우리나라에서 계측되고 있지 않은 알팔파 기준증발산량의 산정을 위하여 유전자 알고리즘이 내재된 일반화된 회귀신경망모형을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, 본 연구에서는 Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 본 연구를 통하여 최적 증발접시 증발량과 알팔파 기준증발산량의 산정을 위한 COMBINE-GRNNM-GA(Type-1) 모형을 개발하였으며, 훈련, 테스트 및 재현과정을 통하여 COMBINE-GRNNM-GA(Type-1) 모형을 평가하였다. COMBINE-GRNNM-GA (Type-1) 모형은 제시된 기상인자를 평가할 수 있으며, 증발접시 증발량과 알팔파 기준증발산량에 대한 신뢰성 있는 자료를 구축할 수 있다. 더 나아가서 우리나라에서 관개배수 시스템 구축을 위한 참고자료를 제공할 수 있을 것으로 판단된다.

• 대한토목학회논문집
• /
• 제28권2B호
• /
• pp.199-213
• /
• 2008

본 연구의 목적은 월별 증발접시 증발량과 월별 알팔파 기준증발산량의 모형화를 위한 통합운영방법을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 통합운영 방법은 각각 추계학적 모형과 신경망모형의 적용으로 구성되어 있다. 추계학적 모형은 월별 증발접시 증발량과 월별 알팔파 기준증발산량에 대한 훈련자료의 모의발생을 위하여 적용되었으며, 신경망모형은 관측된 테스트자료를 합리적으로 계산하기 위하여 적용되었다. 고려된 6가지의 훈련패턴 중에서 1,000/PARMA(1,1)/GRNNM-GA 훈련패턴은 제시된 기상인자를 가장 양호하게 평가하였으며, 또한 월별 증발접시 증발량과 월별 알팔파 기준증발산량의 신뢰성있는 자료를 구축할 수 있다. 불확실성 분석은 1,000/PARMA(1,1)/GRNNM-GA 훈련패턴 으로부터 입력층노드의 기상인자를 제거하기 위하여 이용되었으며, 민감하거나 민감하지 않는 기상인자들이 불확실성 분석을 통하여 선택되어 진다. 마지막으로 통합운영방법을 이용하여 최소비용과 노력으로 월별 증발접시 증발량과 월별 알팔파 기준증발산량을 동시에 모형화가 가능하게 되었다.