|
|
|
한국수자원학회 / v.36, no.2, 2003년, pp.195-209 
|
추계학적모형과 신경망모형을 연계한 병렬저수지군의 유입량산정
( Streamflow Estimation using Coupled Stochastic and Neural Networks Model in the Parallel Reservoir Groups ) |
| 김성원; 동양대학교 지구환경시스템공학과;
|
|
|
 |
|
| |
| 초 록 |
| 본 연구에서는 낙동강 상류유역의 병렬 다목적댐군인 안동 및 임하다목적 댐의 장기간 유입량을 산정하는데 공간추계 신경망모형이 사용되었다. 공간추계 신경망모형은 역전파 알고리즘으로 LMBP와 BFGS-QNBP를 각각 사용하였다. 공간추계 신경망모형의 구조는 입력층, 은닉층 및 출력층의 3개의 층과 차례대로 8-8-2개의 노드로 구성되어 있다. 입력층 노드는 안동 및 임하다목적 댐의 월평균유입량, 월면적강우량, 월별 증발접시 증발량과 월평균기온으로 구성되어 있으며, 자료시계열은 시간적으로 차이가 있다. 공간추계 신경망모형의 훈련을 위하여 추계학적 모형중 하나인 PARMA(1,1)에 의해서 훈련자료를 모의발생시켰으며, 모의발생된 자료는 공간추계 신경망모형의 훈련에 사용되었다. 훈련을 통하여 공간추계 신경망모형의 매개변수인 최적연결강도와 편차를 산정하였다. 산정된 매개변수는 안동 및 임하다목적 댐의 실측자료를 이용하여 공간추계 신경망모형의 검증에 이용되었으며, 통계분석과 수문곡선의 비교를 통하여 우수한 결과를 나타내었다. 따라서 공간추계 신경망모형은 낙동강 상류유역의 병렬저수지군의 장기간 연계운영기법 개발을 위하여 기초적인 자료를 제공하고, 용수분배 및 관리에 도움을 줄 것이다. |
|
| Spatial-Stochastic Neural Networks Model(SSNNM) is used to estimate long-term streamflow in the parallel reservoir groups. SSNNM employs two kinds of backpropagation algorithms, based on LMBP and BFGS-QNBP separately. SSNNM has three layers, input, hidden, and output layer, in the structure and network configuration consists of 8-8-2 nodes one by one. Nodes in input layer are composed of streamflow, precipitation, pan evaporation, and temperature with the monthly average values collected from Andong and Imha reservoir. But some temporal differences apparently exist in their time series. For the SSNNM training procedure, the training sets in input layer are generated by the PARMA(1,1) stochastic model and they covers insufficient time series. Generated data series are used to train SSNNM and the model parameters, optimal connection weights and biases, are estimated during training procedure. They are applied to evaluate model validation using observed data sets. In this study, the new approaches give outstanding results by the comparison of statistical analysis and hydrographs in the model validation. SSNNM will help to manage and control water distribution and give basic data to develop long-term coupled operation system in parallel reservoir groups of the Upper Nakdong River. |
| |
| 키워드 |
| 공간추계 신경망모형;병렬 저수지군;Spatial-Stochastic Neural Networks Model;PARMA(1,1);LMBP;BFGS-QNBP;parallel reservoir groups;PARMA(1,1);LMBP;BFGS-QNBP; |
| |
|
|
|
|
한국수자원학회논문집 / v.36, no.2, 2003년, pp.195-209
한국수자원학회
ISSN : 1226-6280
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200311921617958)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
