|
|
|
한국수자원학회 / v.38, no.7, 2005년, pp.565-574 
|
유량과 수질을 연계한 실시간 인공지능 경보시스템 개발 (I) 유량-수질 예측모형의 적용
( A Development of Real Time Artificial Intelligence Warning System Linked Discharge and Water Quality (I) Application of Discharge-Water Quality Forecasting Model ) |
| 연인성;안상진; 충북대학교 토목공학과;충북대학교 토목공학과;
|
|
|
 |
|
| |
| 초 록 |
| 평창강 수질자동측정망 실시간 자료를 이용하여 강우시와 무강우시로 구분하여 분석하였다. 강우시에 측정된 TOC 자료는 무강우시 측정된 자료에 비해 평균값, 최대값, 표준편차가 크게 나타났으며, 강우시의 DO 자료는 무강우시에 측정된 자료보다 낮아 유량이 수질변화에 영향을 미치는 것으로 분석되었다. 신경망 모형과 뉴로-퍼지 모형으로 수질예측 모형을 구성하고, 적용하였다. LMNN, MDNN, ANFIS 모형은 TOC 모의에서 DO 예측에서는 LMNN, MDNN 모형이 ANFIS 모형보다 좋은 결과를 보였으며, 정량적 자료에 정성적 자료인 시간을 학습한 MDNN 모형이 가장 작은 오차를 보였다. 하천의 실시간적 관리를 위해서는 유량과 수질의 측정이 동일한 지점에서 동시간적으로 이루어져야 보다 효과적이다. 그러나 수질자동측정망 지점과 T/M 수위관측소가 원거리에 위치한 경우들이 있으며, 평창강 수질자동측정망 지점이 그 중 하나이다. 연구에서는 평창강 수질자동측정망 지점의 유출예측을 위한 신경망 모형을 구성하여 수질예측 모형과 연계하였으며, 연계된 모형은 수질예측에 개선된 결과를 보였다. |
|
| It is used water quality data that was measured at Pyeongchanggang real time monitoring stations in Namhan river. These characteristics were analyzed with the water qualify of rainy and nonrainy periods. TOC (Total Organic Carbon) data of rainy periods has correlation with discharge and shows high values of mean, maximum, and standard deviation. DO (Dissolved Oxygen) value of rainy periods is lower than those of nonrainy periods. Input data of the water quality forecasting models that they were constructed by neural network and neuro-fuzzy was chosen as the reasonable data, and water qualify forecasting models were applied. LMNN, MDNN, and ANFIS models have achieved the highest overall accuracy of TOC data. LMNN (Levenberg-Marquardt Neural Network) and MDNN (MoDular Neural Network) model which are applied for DO forecasting shows better results than ANFIS (Adaptive Neuro-Fuzzy Inference System). MDNN model shows the lowest estimation error when using daily time, which is qualitative data trained with quantitative data. The observation of discharge and water quality are effective at same point as well as same time for real time management. But there are some of real time water quality monitoring stations far from the T/M water stage. Pyeongchanggang station is one of them. So discharge on Pyeongchanggang station was calculated by developed runoff neural network model, and the water quality forecasting model is linked to the runoff forecasting model. That linked model shows the improvement of waterquality forecasting. |
| |
| 키워드 |
| 신경망;뉴로-퍼지;유량;수질;예측;neural network;neuro-fuzzy;discharge;water quality;forecasting; |
| |
|
|
|
|
한국수자원학회논문집 / v.38, no.7, 2005년, pp.565-574
한국수자원학회
ISSN : 1226-6280
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200531234566429)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
