|
|
|
한국수자원학회 / v.33, no.5, 2000년, pp.537-550 
|
다층신경망모형에 의한 일 유출량의 예측에 관한 연구
( A Study on the Forecasting of Daily Streamflow using the Multilayer Neural Networks Model ) |
| 김성원; 콜로라도 주립대학교 토목공학과;
|
|
|
 |
|
| |
| 초 록 |
| 본 연구에서는 낙동강 진동지점에서 일유출량을 예측하기 위하여 신경망모형이 제시되었다. 신경망모형의 구조는 CASE 1(5-5-1)과 CASE 2(5-5-5-1)로 구성하였으며, 은닉층의 수에 따라 두 가지의 모형으로 분류하였다. 각 신경망모형은 광역최소점과 훈련임계치에 수렴하는데 기존의 역전파훈련 알고리즘(BP) 보다 뛰어난 Fletcher-Reeves 공액구배 역전파훈련 알고리즘(FR-CGBP)과 축적된 공액구배 역전파훈련 알고리즘(SCGBP)을 이용하였다. 그리고 모형의 훈련과 검증을 위하여 이용된 자료는 풍수년, 평수년, 갈수년 풍수년+평수년, 풍수년+갈수년, 평수년+갈수년 및 풍수년+평수년+갈수년으로 구분하여 구성하였다. 모형의 훈련과정에서 각 자료를 이용하여 최적 연결강도와 편차가 결정되어 졌으며, 동시에 일유출량이 계산되어졌다. 예측오차의 통계분석을 통하여 풍수년+갈수년의 자료를 제외하고는 훈련결과가 양호한 것으로 나타났다. 모형의 검증에는 모형의 훈련을 통해 산정된 CASE 1 의 SCGBP 알고리즘의 연결강도와 편차를 이용하였으며, 검증의 결과는 훈련결과처럼 만족스러운 것으로 분석되었다. 또한 본 연구에서 선정한 신경망모형과 비교검토하기 위하여 다중회귀분석모형을 적용하여 일유출량을 예측하였으며, 그 결과 신경망모형이 다소 우수한 결과를 나타내는 것으로 분석되었다. 이와 같이 신경망모형은 조직적인 접근법, 매개변수의 감소 및 모델을 개발하는데 소모되는 시간을 줄일수 있는 장점이 있다. |
|
| In this study, Neural Networks models were used to forecast daily streamflow at Jindong station of the Nakdong River basin. Neural Networks models consist of CASE 1(5-5-1) and CASE 2(5-5-5-1). The criteria which separates two models is the number of hidden layers. Each model has Fletcher-Reeves Conjugate Gradient BackPropagation(FR-CGBP) and Scaled Conjugate Gradient BackPropagation(SCGBP) algorithms, which are better than original BackPropagation(BP) in convergence of global error and training tolerance. The data which are available for model training and validation were composed of wet, average, dry, wet+average, wet+dry, average+dry and wet+average+dry year respectively. During model training, the optimal connection weights and biases were determined using each data set and the daily streamflow was calculated at the same time. Except for wet+dry year, the results of training were good conditions by statistical analysis of forecast errors. And, model validation was carried out using the connection weights and biases which were calculated from model training. The results of validation were satisfactory like those of training. Daily streamflow forecasting using Neural Networks models were compared with those forecasted by Multiple Regression Analysis Mode(MRAM). Neural Networks models were displayed slightly better results than MRAM in this study. Thus, Neural Networks models have much advantage to provide a more sysmatic approach, reduce model parameters, and shorten the time spent in the model development. |
| |
| 키워드 |
| 신경망모형;다중회귀분석모형;예측;FR-CGBP;SCGBP;Neural Networks model;Multiple Regession Analysis Model;forecasting; |
| |
|
|
|
|
한국수자원학회논문집 / v.33, no.5, 2000년, pp.537-550
한국수자원학회
ISSN : 1226-6280
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200011920729954)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
