LSTM 알고리즘을 이용한 메콩강유역의 하천유량 예측

• 영문명: Prediction of River Discharge Using LSTM Algorithm in Mekong River Basin
• 발행기관: 한국방재학회
• 저자명: 정성호(Jung Sungho) 이대업(Lee Daeeop) 이경상(Lee Kyoungsang) 이기하(Lee Giha)
• 간행물 정보: 『3. 한국방재학회 학술대회논문집』2018년, 450~450쪽, 전체 1쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2018.02.27

국문 초록

본 연구에서는 동남아시아 메콩강의 각 지점의 수위관측소에서 얻을 수 있는 관측자료를 기반으로 하여 하천의 유량 예측을 목적으로 하고 있으며, 딥러닝(Deep Learning) 기법을 적용하여 시계열 예측에 탁월한 순환 신경망 알고리즘인 LSTM(Long-Short Term Memory) 모형을 구축하였다. 예측을 위해 사용한 입ㆍ출력자료는 메콩강 중상류부터 주요 10곳의 수위관측소와 하류부에 속하는 Kratie 수위관측소까지의 2000년부터 2014년 8월까지의 11곳의 일 단위 수위 자료이며, 관측된 유량자료를 바탕으로 확보된 수위 자료와 비교하여 수위-유량관계곡선식을 산정하고 미 관측된 기간의 유량자료를 구축하였다. 2000년부터 2011년까지의 11년간의 유량자료는 모형의 학습훈련으로 활용하며 2012년부터 2014년 8월까지의 약 3년간의 유량자료는 예측ㆍ검증에 활용한다. 하천 유량에 영향을 미치는 매개변수 없이 중상류부터 Kratie 수위관측소까지 11곳의 변환된 유량자료만을 사용하여 출력으로는 다음날(t+1)부터 3일(t+3), 6일(t+6), 9일(t+9)뒤까지 많은 경우의 수로 예측하여 나타내었다. 그 결과를 비교ㆍ분석한 결과 예측시간이 늘어날수록 비교 관측값과의 오차가 증가하여 변동성이 발생하고 정확도가 떨어지는 현상을 도출하였으나 전체적으로 안정적이고 정확하게 예측하고 있다. 따라서 시계열 자료 예측에 효과적인 LSTM 모형은 추가적인 연구를 통하여 다양한 수리ㆍ수문분야의 딥러닝 적용에 활용될 수 있을 것으로 판단된다.

키워드

딥러닝 텐서플로 메콩강 하천유량 LSTM