(융합과학기술사회연구 논문지 1권 2호) ANN을 이용한 영천댐 유출량 예측 (최승희,최하영) > 논문 검색

• 목록

(융합과학기술사회연구 논문지 1권 2호) ANN을 이용한 영천댐 유출량 예측 (최승희,최하영)

ANN을 이용한 영천댐 유출량 예측

최승희, 최하영

Prediction of Outflow of Yeongcheon Dam through Artifical Neural Networks

Seunghui Choi, Hayoung Choi

요약

댐은 수자원 관리의 핵심이 되는 구조물이다. 본 연구에서는 댐의 효율적인 운영과 관리를 위하여 인공지능 모 델을 구축하여 다목적댐인 영천댐의 유출량을 예측하였다. 인공지능 모델의 입력 변수는 피어슨 상관관계 결과를 기반으로 선택되었다. 하이퍼파라미터 튜닝을 통해 최적화된 RNN, LSTM 및 GRU 모델을 구축하여 유입량과 강 수량에 따른 댐의 유출량을 예측하였다. 연구 결과, LSTM이 세 모델 중 가장 좋은 성능을 보였다. 그러나 GRU는 LSTM에 비해 파라미터 수가 적고 학습 시간이 짧다는 점에서 효율적이다. 1, 3, 5, 7, 14일 누적 강수량을 이용하 여 LSTM 모델 학습 결과, 7일 누적 강수량을 입력으로 이용하였을 때 NSE 값이 0.794702로 좋은 결과를 보였다. 인공지능을 이용하여 효율적이고 효과적인 댐 운영 및 관리에 기여할 수 있을 것으로 기대된다.

주제어 : 융합, 댐유량, 인공지능, 순환신경망, LSTM

Abstract

A dam is one of the key structures in water resource management. In this study, the outflow of Yeongcheon dam, a multipurpose dam, was predicted using artificial intelligence models for efficient operation and management. The input variables of the models were selected based on the result of the Pearson correlation. By constructing optimized RNN, LSTM and GRU models through hyper parameter tuning, the outflow of dam according to inflow and precipitation was predicted. As a result, the LSTM model showed the best performance among three models. Nevertheless, the GRU model is efficient in that it has shorter learning time and fewer parameters than the LSTM. As a result of learning the LSTM model using cumulative precipitation for 1, 3, 5, 7 and 14 days, the Nash-Sutcliffe efficiency (NSE) was 0.794702 when the cumulative precipitation for 7 days was used as an input, which is the best among days. It is expected that artificial intelligence can be used to contribute efficient and effective dam operation.

Key Words : Convergence, Outflow of Dam, Artificial Intelligence, Recurrent Neural Network, Long Short Term Memory