Extreme learning machine 기법을 이용한 소양강댐 월 유입량 예측 (Soyang river dam monthly inflow prediction using extreme learning machine)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 35권 / 3호 / 331 ~ 346페이지
· 저자명 : 김병식, 최승철, 이병현, 하헌중

초록

최근 기후변화로 인해 폭우로 인한 홍수 발생 빈도가 증가하고 있으며, 이를 고려한 재해 예방의 중요성이 높아지고 있는 추세이다. 댐 유입량은 폭우 및 태풍 시 댐 방류를 위해서 정확하게 예측되어야하며, 댐 유입량 예측을 위해 물리적 모형과 다양한 머신러닝 모형들이 활용되고 있다. 본 논문에서는 유입량 예측을 위해 소양강댐 유역 내에 존재하는 기상 관측소인 인제 (211)에서 관측된 강수량 자료와 과거 유입량 자료를 이용하여 머신러닝 기법중 하나인 Extreme learning machine (ELM)을 활용한 소양강댐의 유입량 예측을 진행하였다. 1974년 1월부터 2023년 8월까지 과거 데이터를 수집하였으며, 1974년 1월부터 2020년 12월까지의 데이터를 학습 데이터로 사용하여 모형을 훈련하였고, 2021년 1월부터 2023년 8월까지의 데이터를 검증 데이터로 사용하였다. 마지막으로 ELM과 비슷한 구조를 갖는 MLP와 예측결과를 비교하였으며, 평가지표를 활용하여 모형의 검증을 실시하였다. 본 논문에서 제안된 ELM 모형의 검증 데이터에 대한 결과 MAE는 19.98, MSE는 931.25, $R ^{2} -score$는 0.83의 결과를 얻을 수 있었다.

영어초록

In recent years, the frequency of flooding due to heavy rainfall has been increasing due to climate change, highlighting the growing importance of disaster prevention. Accurate prediction of dam inflow is crucial during heavy rainfall and typhoons for proper dam discharge. To simulate inflow, various approaches, including physical models and machine learning models, are employed. In this study, we utilized the Extreme Learning Machine (ELM), a machine learning technique, to simulate the inflow of Soyang River Dam watershed using precipitation data observed at the weather station in Inje (Station 211) and historical inflow data. Data were collected from January 1974 to August 2023, with training using data from January 1974 to December 2020 and validation with data from January 2021 to August 2023. Additionally, we compared the results of ELM with those of a Multilayer Perceptron (MLP) with a similar structure and conducted model validation using evaluation metrics. The proposed ELM model showed validation results for the test data, achieving an MAE of 19.98, MSE of 931.25 and R-squared value of 0.83.

참고자료

· 없음