상태(狀態)벡터 모형(模型)에 의한 하천유출(河川流出)의 실시간(實時間) 예측(豫測)에 관한 연구(研究)

Real-Time Prediction of Streamflows by the State-Vector Model

상태공간(狀態空間) 개념(槪念)에 기초(基礎)를 두어 시스템의 동적(動的) 거동(擧動)을 나타낸 Kalman filter와 자기공진(自己共振) 예측자(豫測子)의 순환(循還) 알고리즘에 의한 예측방법(豫測方法)을 연구(硏究)하여 하천유출(河川流出) 예측(豫測)에의 적용성(適用性)을 검토(檢討)하고 그 결과(結果)를 제시하였다. 강우(降雨)-유출과정(流出過程)의 동적(動的) 거동(擧動)을 자색(白色) Gaussian 잡음(雜音)이 있는 선형(線型), 이산형(離散型)시스템으로 보아서 낮은 차수(次數)의 ARMA 과정(過程)으로 나타내었으며 예측모형(豫測模型)의 상태(狀態)벡터를 random walk로 나타내었다. 예측오차(豫測誤差)에 대한 통계적(統計的)인 분석(分析)으로 모형구조(模型構造)를 결정하였으며 적용(適用)된 예측(豫測)알고리즘의 검정(檢正)을 위하여 시우량(時雨量)과 시유량(時流量)의 과거(過去) 기록치(記錄値)를 사용하였다. 예측결과(豫測結果)를 분석(分析)하나 Kalman filter에 의한 알고리즘이 자기공진(自己共振) 예측자(豫測子)보다 우수하다는 것을 알 수 있었다.

A recursive algorithms for prediction of streamflows by Kalman filtering theory and Self-tuning predictor based on the state space description of the dynamic systems have been studied and the applicabilities of the algorithms to the rainfall-runoff processes have been investigated. For the representation of the dynamics of the processes, a low-order ARMA process has been taken as the linear discrete time system with white Gaussian disturbances. The state vector in the prediction model formulated by a random walk process. The model structures have been determined by a statistical analysis for residuals of the observed and predicted streamflows. For the verification of the prediction algorithms developed here, the observed historical data of the hourly rainfall and streamflows were used. The numerical studies shows that Kalman filtering theory has better performance than the Self-tuning predictor for system identification and prediction in rainfall-runoff processes.