적응형 퍼지-신경회로망을 이용한 하천 홍수위 예측
Flood Forecasting of Stream Level Using Adaptive Neuro-Fuzzy Inference System
- 주제(키워드) ANFIS(Adaptive Neuro-Fuzzy Inference System) , 홍수위 예측
- 발행기관 아주대학교 대학원
- 지도교수 이재응
- 발행년도 2008
- 학위수여년월 2008. 8
- 학위명 석사
- 학과 및 전공 일반대학원 토목공학과
- 본문언어 한국어
초록/요약
최근 지구 온난화로 인한 이상기후의 영향으로 국지성 집중호우가 빈번하게 발생하고 있다. 국지성 집중호우의 발생이 증가함에 따라 도시형 중소하천에서의 홍수 피해가 증가하고 있다. 이에 따라 대하천뿐만 아니라 중·소하천에서도 홍수 예·경보의 중요성이 높아지고 있다. 기존의 홍수 예·경보 체계의 경우 강우로부터 유출량을 계산하는 전과정에서 전처리과정과 주계산과정을 거치는 동안 많은 오차들이 발생하고, 각 과정에서 발생한 오차들이 누적되어 그 결과물(예측된 유출량) 속에 많은 오차들을 내포하고 있다. 또한 유출모형의 적용에 필요한 매개변수들을 추정하기 위해서도 많은 실측자료를 필요로 하고, 자료수집 및 처리과정에서 불확실성이 증대된다는 단점이 있다. 본 연구에서는 기존의 홍수 예·경보 시스템의 문제점과 불확실성을 최대한 감소시키기 위해 ANFIS (Adaptive Neuro-Fuzzy Inference System)를 사용하여 홍수기 하천수위를 예측하였다. ANFIS는 신경회로망 기법을 사용한 자료 지향형 모형(data driven model)으로 기존의 물리적 모형(Physically-based Model)의 구축과정에서 필수적이었던 방대한 양의 물리적 자료를 배제하고 유역의 강우자료 및 수위자료와 같은 입·출력 자료만을 이용하여 모형을 구축하고 수위 예측을 실시할 수 있다. 모형 구성을 위한 입력 자료로는 시계열 강우자료와 수위자료를 사용하였고, 모형을 통하여 t+1, t+2, t+3 시간 후의 수위를 예측하였다. 본 연구에서는 탄천유역의 2003년부터 2005년까지의 강우사상을 이용하여 모형의 적용성과 타당성을 검토하였고, 2006년 실제 강우에 모형을 적용한 결과 실제 수위를 큰 오차 없이 모의할 수 있었다.
more초록/요약
Since the damage from the torrential rain increases recently due to climate change and global warming, the significance of flood forecasting and warning becomes important in medium and small streams as well as large rivers. Through the preprocess and main processes for estimating runoff, diverse errors occur and the errors are accumulated, so that the outcome contains the errors in the existing flood forecasting and warning method. And the estimation of the parameters needed for runoff models requires a lot of data and the processes contain various uncertainty. In order to overcome the difficulties of the existing flood forecasting and warning system and the uncertainty problem, ANFIS(Adaptive Neuro-Fuzzy Inference System) technique has been applied to the forecasting of flood water level in this study. ANFIS, a data-driven model using the fuzzy inference theory with neural network, can forecast stream level only by using the precipitation and stream level data in catchment without using a lot of physical data that are necessary in existing physical model. Time series data for precipitation and stream level are used as input, and stream levels for the future time are forecasted by this model. The applicability and the validity of the model is examined by actual rainfall and stream level data from year 2003 to year 2005 in Tancheon catchment area. The results of applying ANFIS to Tancheon catchment area for the actual data show that the stream level can be simulated sufficiently well without large errors.
more목차
제1장 서론 = 1
1.1 연구 배경 및 목적 = 1
1.2 연구 동향 = 4
제2장 ANFIS의 기본 이론 = 7
2.1 퍼지 이론 = 7
2.1.1 fuzzy 기본이론 = 7
2.1.2 퍼지 제어와 퍼지 추론 = 11
2.2 신경회로망 = 18
2.2.1 신경회로망의 개요와 역사 = 18
2.2.2 신경회로망의 구조 = 20
2.2.3 역전파 학습 알고리즘 = 21
2.3 ANFIS의 구조와 학습 알고리즘 = 27
2.4 퍼지 클러스터링 기법 = 31
제3장 모형의 적용 = 34
3.1 서론 = 34
3.2 유역의 개황 = 35
3.3 하대원동, 서현동 강우를 이용한 구미교 수위 예측 = 37
3.3.1 입력 자료의 선정 = 38
3.3.2 자료의 구성 = 40
3.3.3 클러스터링(clustering)과 그리드 파티션(grid partition) = 44
3.3.4 ANFIS를 이용한 training과 checking = 46
3.3.5 Testing을 통한 최적 자료 구성과 예측 결과 = 48
3.4 하대원동, 서현동, 운중동 강우를 이용한 대곡교 수위 예측 = 55
3.4.1 관측소 지점 선정과 자료의 처리 = 55
3.4.2 모형의 구성 = 58
3.4.3 결과 = 58
제4장 결론 = 61
참고문헌 = 63
Abstract = 66
