상세검색
최근 검색어 전체 삭제
다국어입력
즐겨찾기0
156465.jpg
학술저널

합리적인 하천수 관리체계 구축을 위한 자료기반 방류량 예측모형 개발

Development of a Data-Driven Model for Forecasting Outflow to Establish a Reasonable River Water Management System

일반적으로 물수지 분석 시 공급에 해당되는 회귀수량의 경우 용수별 회귀율을 일률적으로 정하여 산정하는 방법을 채택하고 있어 정확한가용유량을 산정하지 못하는 한계를 갖고 있다. 이에 본 연구에서는 회귀수 중 하·폐수에 초점을 두었고 인공신경망 등의 기계학습 모형을 적용하여 하수종말처리장의 방류량 예측 모형을 개발하였다. 시계열 자료예측 시 사용되는 주요 기계학습 모형인 LSTM (Long Short-TermMemory), GRU (Gated Recurrent Units), SVR (Support Vector Regression)모형을 적용하였으며 관측 값과 예측 값을 비교하는 오차지표를 통하여 방류량 예측의 최적의 모형을 선정하였다. 모형 적용 결과, GRU 모형의 평균제곱근 오차(Root Mean Square Error, RMSE)는 LSTM 모형과 SVR 모형보다 작으며 Nash-Sutcliffe 계수(NSE)는 LSTM 모형과 SVR 모형보다 큰 것을 확인하였고, 이를 근거로 하수종말처리장의 방류량 예측에 최적모형은 GRU 모형이라고 판단하였다. 다만, 극값에서는 예측 값이 과소 및 과대 산정되는 경향을 보여 추후 예측 정확도 향상을 위해서는 극한사상에 대한 추가자료 구축 및 입력 자료의 최소시간단위를 축소하는 것이 필요할 것으로 판단되었다. 또한, 예측하고자하는 대상지의 용수이용량을 검토하고 계절적 영향을 반영할 수 있는 추가인자를 고려하게 되면 기후변동성에 대비하여 정확한 방류량 예측이 가능하며 예측 결과를 토대로 종합적인 하천수 사용관리 및 물이용 계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

In most cases of the water balance analysis, the return flow ratio for each water supply was uniformly determined and applied, so it has beencontained a problem that the volume of available water would be incorrectly calculated. Therefore, sewage and wastewater among the returnwater were focused in this study and the data-driven model was developed to forecast the outflow from the sewage treatment plant. Theforecasting results of LSTM (Long Short-Term Memory), GRU (Gated Recurrent Units), and SVR (Support Vector Regression) models, whichare mainly used for forecasting the time series data in most fields, were compared with the observed data to determine the optimal modelparameters for forecasting outflow. As a result of applying the model, the root mean square error (RMSE) of the GRU model was smaller thanthose of the LSTM and SVR models, and the Nash-Sutcliffe coefficient (NSE) was higher than those of others. Thus, it was judged that the GRUmodel could be the optimal model for forecasting the outflow in sewage treatment plants. However, the forecasting outflow tends to beunderestimated and overestimated in extreme sections. Therefore, the additional data for extreme events and reducing the minimum time unit ofinput data were necessary to enhance the accuracy of forecasting. If the water use of the target site was reviewed and the additional parameters that could reflect seasonal effects were considered, more accurate outflow could be forecasted to be ready for climate variability in near future. And it is expected to use as fundamental resources for establishing a reasonable river water management system based on the forecasting results.

1. Introduction

2. Methodology

3. Study Area and Data Collection

4. Model Setup

5. Results and Analysis

6. Conclusions

로딩중