현재 위치
Home
Rainfall-Runoff and Deep Learning Models for Enhanced Flow Estimation at Total Pollution Load Monitoring Stations
총량 모니터링 지점의 유량 산정 고도화를 위한 강우-유출모형 및 딥러닝 기법
-
- 발행기관
- 위기관리 이론과 실천 바로가기
-
- 간행물
- 한국위기관리논집 KCI 등재 바로가기
-
- 통권
- 제21권 제12호 (2025.12)바로가기
-
- 페이지
- pp.539-548
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A482117
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- Streamflow data have become more important after the introduction of the Total Pollution Load Management System in 2004. However, Total Pollution Load Monitoring Stations record measurements every 8 days and cannot provide continuous and reliable flow data. In contrast, Flow Monitoring Stations provide continuous data using rating curves. In this study, the GR4J (Ge'nie Rural a 4 parameters Journalier) Rainfall–Runoff Model and the Long Short-Term Memory (LSTM) Model were used to improve flow estimation from Total Pollution Load Monitoring Stations. From 2013 to 2023, results of Total Pollution Load Monitoring Stations were compared with flow estimates from Flow Monitoring Stations, showing a high correlation with a correlation coefficient greater than 0.91. The LSTM Model performed better than the GR4J model. Flow Monitoring Station data combined with GR4J simulations produced stable results, with correlation coefficients of 0.99 (training) and 0.95 (testing). In conclusion, the results provide a practical method to fill voids caused by intermittent measurements and improve reliability in water supplies and total load management.
- 한국어
- 2004년 오염총량제 도입 이후, 하천 유량자료의 중요성이 대두되었다. 그러나 총량 모니터링 지점은 8일 주기로만 측정을 수행하기 때문에, 연속적이고 신뢰성 있는 유량자료를 제공하지 못하는 실정이다. 이에 반해 하류의 유량관측소는 수위–유량 곡선식을 활용하여 연속적인 측정을 수행하고 있다. 본 연구 에서는 총량 모니터링 지점의 유량 산정을 개선하기 위해 강우–유출 모형인 GR4J와 딥러닝 모형인 LSTM을 적용하였다. 총량 모니터링 지점의 결과를 유량관측소에서의 유량 산정 결과와 비교하기 위해 2013년부터 2023년까지의 자료를 활용하였으며, 그 결과 두 지점 간의 상관계수는 0.91 이상으로 강한 상관성을 보였다. 예측 성능 측면에서 LSTM 모형은 GR4J 모형보다 더 우수한 결과를 보였다. 특히 유량관측소 자료와 GR4J 모형의 시뮬레이션 결과를 함께 활용했을 때, 훈련 단계에서 상관계수 0.99, 검증 단계에서 0.95라는 안정적인 성능을 보였다. 본 연구의 결과는 단속적 측정으로 인한 유량자료의 불연속성을 해결하는 기술적 방법을 제시하며, 수자원 공급과 총량제 운영의 신뢰성을 높이는 데 기여할 것으로 사료된다.
목차
Abstract
Ⅰ. 서론
Ⅱ. 이론 분석
1. 강우-유출 모형
2. 딥러닝 모형
Ⅲ. 대상지역 및 연구방법
1. 대상지역 선정
2. 대상지역 현황
3. 모형 구축
Ⅳ. 결과 및 고찰
1. 총량측정망-유량측정망 상관관계
2. 강우-유출 모형에 의한 유출량 산정
3. LSTM 모형에 의한 유출량 산정
4. 적합성 평가 결과
Ⅴ. 결론
감사의 글
References
국문초록
키워드
총량 모니터링 관측소 유량관측소 LSTM 모형 강우-유출 모형 total pollution load monitoring station flow monitoring station LSTM model rainfall-runoff model저자
간행물 정보
발행기관
-
- 발행기관명
- 위기관리 이론과 실천 [Crisis and Emergency Management: Theory and Praxis]
- 설립연도
- 2005
- 분야
- 사회과학>행정학
- 소개
- 위기관리 이론과 실천(Crisis and Emergency Management: Theory and Praxis; CEM-TP)은 위기관리에 관한 제 학문분야간 협동적 연구 공동체(Research Network)로서 전통적 안보 위기, 재난 위기(자연재난, 인위재난), 국가핵심기반 위기 등에 관한 제학문적 연구를 촉진하고 제 학문분야 연구자간 협력의 토대를 구축하기 위하여 위기관리 이론과 실천 편집위원회 구성이 완료된 2005년 2월 14일에 설립되었다. 현재 위기관리 이론과 실천(CEM-TP)에 참여하고 있는 연구자들의 학문 분야는 행정학, 사회학, 정치외교학, 신문방송학, 사회복지학, 법학, 심리학, 정보학, 지리학, 경찰행정학, 소방행정학, 경호학, 토목공학, 건축학, 의학, 간호학, 보건학, 기상학, 안전공학, 전산학, 지역개발학 등이 있으며, 따라서 한국의 위기관리 연구를 가장 폭 넓게 반영하고 있는 연구 공동체라 할 수 있다. 위기관리 이론과 실천(CEM-TP)의 조직으로는 편집위원회가 있으며, 편집위원회가 본 연구 공동체를 대표하고 있다. 따라서 위기관리 이론과 실천의 각종 연구 및 출판 활동은 편집위원회가 맡고 있으며, 현재 편집위원회는 46명의 위원으로 구성되어 있다. 또한 편집위원회는 위기관리의 제학문적 연구를 촉진하고 연구자간 협력을 위한 학술지로 <한국위기관리논집>을 발행한다. 위기관리 이론과 실천(CEM-TP)의 회원은 개인회원과 기관회원으로 구분된다. 개인회원은 본 회의 설립 목적과 취지에 찬동하는 위기관리 연구자 및 실무자로 구성되고, 기관회원은 위기관리 연구 및 실무에 관련된 정부기관, 연구기관, 대학도서관 등으로 구성된다
간행물
-
- 간행물명
- 한국위기관리논집 [Crisisonomy]
- 간기
- 월간
- pISSN
- 2466-1198
- eISSN
- 2466-1201
- 수록기간
- 2005~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 350 DDC 351
이 권호 내 다른 논문 / 한국위기관리논집 제21권 제12호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.