인공신경망을 활용한 미계측지역 지하수 함양량 추정 기법의 적용성 평가 (Applicability of groundwater recharge rate estimation method based on artificial neural networks in unmeasured areas)

서지정보

· 발행기관 : 대한지질학회
· 수록지 정보 : 지질학회지 / 55권 / 6호 / 693 ~ 701페이지
· 저자명 : 김규범, 황찬익, 신현정, 최명락

초록

국내의 경우 다양한 방법의 지하수 함양량 산정 기법이 적용되고 있으나, 표준화된 방법이 마련되어 있지 않은 실정이다. 지하수위 시계열 자료를 활용한 TSM-hWTF 방법이 개발되어 있으나 지하수 관측소의 개수가 한정적이어서 미계측 지역에 대한 지하수 함양량 산정은 어려웠다. 이를 해결하고자, 207개 지하수 관측 지점의지형 표고, 경사, 인근 하천, 지질, 토양 등과 같은 각 관측소의 지점 특성 15개 항목을 입력 인자, 각 지점의 지하수 함양율을 출력 인자로 설정한 후 다층퍼셉트론 기법에 의한 인공신경망 모델을 개발하였다. 지하수 함양율의 모델 예측값과 실제값의 상관계수는 0.8 이상의 높은 값을 보였으며, 표토특성과 심토특성이 가장 큰 영향을 미치는 것으로 분석되었다. 홍성군 서부면 양곡리 지역에 대하여 본 모델을 적용하여 추정한 지하수 함양량과 9개 지하수 관측 자료로부터 TSM-hWTF로 추정한 지하수 함양량은 유사한 경향을 보이는 것으로 평가되어 본 인공신경망 모델에 기반한 지하수 함양량 추정이 효과적인 것으로 나타났다.

영어초록

Various methods of estimating groundwater recharge rate have been applied in this country, but standardized method is not proposed yet. Although the TSM-hWTF method was developed using the groundwater level time series, it was difficult to estimate the groundwater recharge rate in the unmeasured area due to the limited number of groundwater monitoring stations. To solve this problem, an artificial neural network model was developed by using multi-layered perceptron algorithm with 15 input factors of site characteristics of 207 stations, which include topographic elevation, slope, stream, geology, and soil, and 1 output factor of groundwater recharge rate of the stations. The correlation coefficient between the model predicted value and the actual value of groundwater recharge rate was higher than 0.8, and the topsoil and subsoil characteristics were found to have the greatest influence on the model. Both groundwater recharge rates estimated by applying this model in Yanggok-ri, Seobu-myeon, Hongseong-gun and by using the TSM-hWTF method from 9 groundwater monitoring data showed similar trends and it indicated that the groundwater recharge estimation by this artificial neural network model was effective.

참고자료

· 없음