신경망기법을 이용한 수문학적 분해모형

서지정보

ㆍ발행기관 : 한국습지학회 ㆍ수록지정보 : 한국습지학회지 / 12권 / 3호
ㆍ저자명 : 김성원

목차

1. 서 론
2. 신경망모형과 유전자 알고리즘
3. 추계학적 모형
4. 연구대상의 선정 및 자료
5. 훈련과정의 수행
6. 테스트과정의 수행
7. 자료의 동질성 검증
8. 결론 및 추후 연구과제
참 고 문 헌

한국어 초록

본 연구의 목적은 연 증발접시 증발량의 수문학적 분해를 위하여 신경망모형을 적용하는데 있다. 신경망
모형은 각각 다층 퍼셉트론 신경망모형(MLP-NNM)과 지지벡터기구 신경망모형(SVM-NNM)으로 구성되어 있다.
그리고 신경망모형의 수행평가를 위하여 훈련 및 테스트과정으로 구성되었다. 신경망모형의 훈련과정을 위하여
실측, 모의 및 혼합자료와 같은 세 가지 형태의 자료가 사용되었으며, 테스트과정을 위해서는 실측자료만 이용되
었다. 평가를 위하여 4가지의 통계학적 지표(CC, RMSE, E, AARE)가 각각 제시되었으며, ANOVA 및
Mann-Whitney U 검증을 이용하여 실측 및 계산된 월 증발접시 증발량자료에 동질성검증을 실시하였다. 본 연
구를 통하여 비선형 시계열자료의 수문학적 분해를 위해서 MLP-NNM과 SVM-NNM의 적용성을 평가하였다. 게
다가 연 증발접시 증발량 자료의 수문학적 분해로부터 신뢰성있는 월 증발접시 증발량자료를 구축할 수 있을 것
이며, 관개배수 네트워크 시스템의 평가를 위한 이용가능한 자료를 제공할 수 있을 것이다.

영어 초록

The purpose of this research is to apply the neural networks models for the hydrologic disaggregation of
the yearly pan evaporation(PE) data in Republic of Korea. The neural networks models consist of multilayer
perceptron neural networks model(MLP-NNM) and support vector machine neural networks model(SVM-NNM),
respectively. And, for the evaluation of the neural networks models, they are composed of training and test
performances, respectively. The three types of data such as the historic, the generated, and the mixed data are used
for the training performance. The only historic data, however, is used for the testing performance. The application
of MLP-NNM and SVM-NNM for the hydrologic disaggregation of nonlinear time series data is evaluated from
results of this research. Four kinds of the statistical index for the evaluation are suggested; CC, RMSE, E, and
AARE, respectively. Homogeneity test using ANOVA and Mann-Whitney U test, furthermore, is carried out for the
observed and calculated monthly PE data. We can construct the credible monthly PE data from the hydrologic
disaggregation of the yearly PE data, and the available data for the evaluation of irrigation and drainage networks
system can be suggested.
Keywords : Pan Evaporation, Hydrologic Disaggregation Model, Stochastic Model, MLP-NNM, SVM-NNM

참고 자료

없음