자료기반 학습 LSTM 알고리즘을 이용한 지하수위 예측 (Prediction of Groundwater Level LSTM Algorithm of Using Data-Based Learning)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 30권 / 2호 / 161 ~ 166페이지
· 저자명 : 박귀만, 윤호열, 배영철

초록

지진 발생 전⋅후에 지하수위는 급격하게 변화되는 것으로 알려지고 있어 지하수위 예측을 통하여지진을 예측하는데 이용한다. 지하수위를 강수로 예측한 선행 연구가 있지만 강우에 의한 지하수위변화가 뚜렷한 지역을 예측하기 때문에 한계가 있다. 본 논문은 LSTM 알고리즘을 이용하여 지진 예측을 위한 지하수위를 예측하는 알고리즘을 제시한다. 본 논문에서는 밀양시에 설치된 한국농어촌공사 농촌지하수관측망의 지하수수위 데이터와 기상청의 강수량, 기온 데이터를 사용하였다. 보다 쉬운 학습을 위해 데이터를 표준화하였고 데이터를 10시간씩 블록으로 만들었다. 예측 정확도를 측정하기 위해 train 95%, test 5%로 각각 지정하여 훈련 데이터로 알고리즘을 훈련시킨 뒤 예측을 하고, RMSE, CORR, MAPE로 계산된 오차척도를 사용하여 예측 정확도를 측정한다.

영어초록

Before and after the earthquake, the underground water level is rapidly changing and it is used to predict earthquakes. This paper presents an algorithm for predicting underground water level for earthquake prediction using LSTM algorithm. Although there is a prior study predicting groundwater levels as precipitation, it is limited because it predicts areas where changes in groundwater levels are evident due to rainfall. For this purpose, this paper used precipitation and temperature acquired from National Weather Service and data of underground water level from Rural Groundwater Observation Network of Korea Rural Community Corporation which is installed in Miryang city, Gyeongnam. We standardized the data to learn easier and, we also make data with 10 hour block. In order to measure accuracy of prediction, we assign 95%, 5% for train data and test data. Respectively, we trained with train data and then we tried prediction, we also measured accuracy of prediction using error criteria by RMSE, CORR and MAPE.

참고자료

· 없음