Estimation of regional Low-flow Indices Applicable to Unmetered Areas Using Machine Learning Technique

(1)

머신러닝 기법을 이용한 미계측지역에 적용가능한

지역화 Low-flow indices 산정

Estimation of regional Low-flow Indices Applicable to Unmetered

Areas Using Machine Learning Technique

정세진

*

_{, 강동호}

**

_{, 김병식}

***

Se Jin Jeung, Dong Ho Kang, Byung Sik Kim

...

요 지

Low-flow 하천에서의 최저수위를 나타내는 지표이다. 일반적으로 유황곡선의 갈수량(Q355)를 대표적으로 사용한다. Low-flow는 물 공급 관리 및 계획, 관개용수, 생태계등 다양한 분야에 영향 을 미친다. 이러한 Low-flow를 산정하기 위해서는 충분한 기간의 유량자료가 필요하다. 하지만 국토의 70%가 산지지형으로 구성되어 있는 우리나라의 경우 국가하천과 1급하천을 제외한 산지 유역은 수위관측소가 부재하거나 결측으로 인해 자료가 충분하지 않아 Low-flow분석에 한계가 있다. 이에 과거에는 미계측지역의 갈수량을 예측하기 위해서 다중회귀분석, ARIMA 모형 등 다 양한 기법을 사용하였지만, 최근들어 머신러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 새로운 패러다임에 맞는 머신러닝 기법인 DNN기법을 사용하고자 한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 머신러닝 기법인 DNN기법을 통해 미계측지역에 적용 가능한 지역화 Low-flow indices를 산정하고자 한다. 먼저, Low-flow에 영향을 미치는 인자들을 수집하고 인자 들간의 상관분석, 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 또한 기존의 갈수량 예측기법인 다중회귀분석 결과와 비교하여 머신러닝 기법의 효용성을 검토하였다. 핵심용어 : 머신러닝, 미계측, low-flow indices

감사의 글

이 연구는 기상청 선진기술개발연구사업(KMI2018-03010)의 지원으로 수행되었습니다. * 정회원⋅강원대학교 강원종합기술연구원 토양⦁기후 환경 연구센터 연구교수⋅E-mail : [email protected] ** 정회원⋅강원대학교 도시환경재난관리전공 박사과정⋅E-mail : [email protected] *** 정회원⋅강원대학교 도시환경재난관리전공 교수⋅E-mail : [email protected] 2020 한국수자원학회 학술발표회 39