|
|
|
한국수자원학회 / v.33, no.2, 2000년, pp.247-262 
|
하천수위표지점에서 신경망기법을 이용한 홍수위의 예측
( The Flood Water Stage Prediction based on Neural Networks Method in Stream Gauge Station ) |
| 김성원;호세살라스; 콜로라도 주립대학교 토목공학과;콜로라도 주립대학교 토목공학과;
|
|
|
 |
|
| |
| 초 록 |
| 본 연구에서는 낙동강유역의 주요 수위표지점중 진동수위표지점에서 홍수위를 예측하기위한 신경망모형인 WSANN모형이 제시되었다. WSANN모형은 모멘트방법, 초기조건의 개선 및 적응학습속도에 의해 보완되어진 개선된 역전파훈련 알고리즘을 이용하였고, 본 연구에 사용된 자료는 훈련자료와 테스팅자료로 분할하였으며, 최적 은닉층 노드수를 결정하기 위하여 은닉층노드와 임계학습횟수로부터 경험식이 유도되었다. 그리고 WSANN모형의 보정은 4개의 훈련자료에 의해 실시되었으며, WSANN22와 WSANN32모형이 모델의 검증에 사용될 최적모형으로 결정되었다. 모형의 검증은 훈련되지 않은 2개의 테스팅자료를 이용하여 모형의 적합성을 평가하기 위하여 이루어 졌으며, 통계분석의 결과를 통하여 홍수위를 합리적으로 예측하는 것으로 나타났다. 따라서 본 연구의 결과를 기본으로 신경망기법을 이용한 실시간 홍수예경보 시스템의 구축 및 홍수위의 제어에 관한 지속적인 연구가 필요것으로 사료된다. |
|
| In this paper, the WSANN(Water Stage Analysis with Neural Network) model was presented so as to predict flood water stage at Jindong which has been the major stream gauging station in Nakdong river basin. The WSANN model used the improved backpropagation training algorithm which was complemented by the momentum method, improvement of initial condition and adaptive-learning rate and the data which were used for this study were classified into training and testing data sets. An empirical equation was derived to determine optimal hidden layer node between the hidden layer node and threshold iteration number. And, the calibration of the WSANN model was performed by the four training data sets. As a result of calibration, the WSANN22 and WSANN32 model were selected for the optimal models which would be used for model verification. The model verification was carried out so as to evaluate model fitness with the two-untrained testing data sets. And, flood water stages were reasonably predicted through the results of statistical analysis. As results of this study, further research activities are needed for the construction of a real-time warning of the impending flood and for the control of flood water stage with neural network method in river basin. basin. |
| |
| 키워드 |
| WSANN모형;개선된 역전파훈련 알고리즘;훈련자료;테스팅자료;보정;검증;WSANN model;Improved Backpropagation Traing alorithm;training daea;testing data;calibration;venification; |
| |
|
|
|
|
한국수자원학회논문집 / v.33, no.2, 2000년, pp.247-262
한국수자원학회
ISSN : 1226-6280
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200011920063648)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
