KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Development of Flood Runoff Forecasting System by using Artificial Neural Networks - Development & Application of GUI_FFS -

인공신경망 이론을 이용한 홍수유출 예측 시스템 개발 - GUI_FFS 개발 및 적용 -

  • 박성천 (동신대학교 토목공학과) ;
  • 오창열 (동신대학교 대학원 토목공학과) ;
  • 김동렬 (건설교통부 익산지방국토관리청 도로공사과) ;
  • 진영훈 (동신대학교 토목공학과)
  • Received : 2005.05.06
  • Accepted : 2006.01.19
  • Published : 2006.03.30
Download PDF
⟨ Previous Next ⟩

Abstract

In the present study, a nonlinear model of rainfall-runoff process using Artficial Neural networks(ANNs) which have no consideration on the physical parameter for the basin was developed at Naju station which is the main stream of Yeongsan-river, and Sunam station which is the main stream of Hwangryong-river. The result from the model of ANN_NJ_9 at the Naju station revealed the best result of the rainfall-runoff process, while the model of ANN_SA_9 for the Sunam station. Also, GUI_FFS developed in the research showed the $R^2$ of more than 0.98 between the observed and predicted values using the rainfall and runoff in the respective stations. Therefore, the GUI_FFS might be expected that it can play a role for the high reliability to operate and manage the water resources and the design of river plan more efficiently in the future.

본 연구에서는 영산강 유역의 본류를 대표하는 나주지점과 황룡강 유역을 대표하는 선암지점에 대하여 물리적인 매개변수를 이용하지 않는 인공신경망 이론을 이용하여 강우-유출 과정의 비선형 모형을 개발하였다. 본 연구결과 나주지점에서는 ANN_NJ_9 모형이 선암지점에서는 ANN_SA_9 모형이 강우-유출 특성을 가장 잘 반영하였다. 또한, 본 연구에서 개발한 GUI_FFS에 대하여 기 확보된 강우 및 유출량을 적용한 결과 실측치와 예측치 간에 0.98이상의 $R^2$값을 보임으로서 향후 수자원 및 하천계획 수립과 그에 따른 운영 및 관리에 효율성을 더할 수 있을 것이라 판단된다.

Keywords

References

  1. 김주환(1993) 신경회로망을 이용한 하천 유출량의 수문학적 예측에 관한 연구, 박사학위논문, 인하대학교
  2. 박성천, 하수정(2003) GANN에 의한 하천의 수질예측, 대한토목학회논문집, 대한토목학회, 제23권 제6-B호, pp. 507-514
  3. 영산강 홍수통제소(1998-2004), 한국수문조사연보, 건설교통부
  4. 오창열, 박성천, 이한민, 표영평(2002) 신경망을 이용한 하천의 수질예측, 대한토목학회논문집, 대한토목학회, 제22권 제3-B호, pp. 371-382
  5. 윤강훈, 서봉철(2004c) 댐방류량을 이용한 한강 유역 신경망 유출 예측모형에 관한 연구, 대한토목학회논문집, 대한토목학회, 제24권 제1-B호, pp. 47-53
  6. 윤강훈, 서봉철, 신현석(2004a) 신경망을 이용한 낙동강 유역 홍수기 댐유입량 예측, 한국수자원학회논문집, 한국수자원학회, 제37권 제1호, pp. 67-75
  7. 윤강훈, 서봉철, 신현석(2004b) 신경망을 이용한 낙동강 유역 하도유출 예측 및 홍수예경보 이용, 한국수자원학회논문집, 한국수자원학회, 제37권 제2호, pp. 145-154
  8. 이관수, 박성천, 이한민, 진영훈(2000) 인공신경망 이론의 B.P. 알고리즘을 적용한 영산강의 유출량 예측에 관한 연구, 대한토목학회논문집, 대한토목학회, 제20권 제5B호, pp. 679-688
  9. 이정규, 박성제(2003) 다층신경망을 이용한 첨두유량 예측에 관한 비교 연구, 대한토목학회논문집, 대한토목학회, 제23권 제2B호, pp. 105-114
  10. 전계원(2004), 홍수유출과 수질예측을 위한 Web기반 시스템의 활용, 박사학위논문, 충북대학교
  11. Hsu, K.-L., Gupta, H.V., and Sorooshian, S. (1995) Artificial neural network modeling of th$\varepsilon$ rainfall-runoff process, Water Resources Research, Vol. 31, No. 10, pp. 2517-2530 https://doi.org/10.1029/95WR01955
  12. Maier, H.R. and Dandy G.C. (2000) Neural networks for the prediction and forecasting of water resources variables: a review of modelling issues and applications, Environmental Modelling and Software, Vol. 15, pp. 101-124 https://doi.org/10.1016/S1364-8152(99)00007-9
  13. Sajikumar, N. and Thandaveswara, B.S. (1999) A non-linear rainfall-runoff model using an artificial neural network, Journal of Hydrology, Vol. 216, pp. 32-55 https://doi.org/10.1016/S0022-1694(98)00273-X
  14. World Meteorological Organistaion (1975) Inter-comparison of conceptual mod$\varepsilon$Is used in operational hydrological forecasting, World Meteorological Organisation, Techinical report No 429, Geneva, Switzerland