딥러닝 기법을 이용한 하천유량 예측

Le résumé fourni par la source

환경부에서는 우리나라의 지속가능한 유역관리 및 하천수질 개선을 위해 4대강 수계를 대상으로 오염총량관리제도를 시행하고 있다. 오염총량관리제도의 시행과정을 살펴보면, 먼저 기본계획 및 시행계획이 수립되기 전 환경부 장관이 시도경계지점의 단위유역 목표수질을 고시하도록 되어 있으며 시도지사는 이 수질을 달성할 수 있는 관할지역의 목표수질을 환경부 장관의 승인을 얻어 설정하도록 되어있다. 이러한 목표수질 설정은 수질항목별 유황구간을 나눠서 설정하게 되며 BOD는 저수기, T-P는 저수기 또는 평수기 중 수질이 악화된 유황구간에서 설정하게 된다. 이를 위해 환경부에서는 8일간격으로 총량단위유역 말단지점(총량측정망 지점)에서 유량을 측정하고 있으나 보다 정확한 유황구간 예측을 위해 목표수질 설정시 마다 SWAT 또는 HSPF와 같은 유역모형을 이용해 일유량을 모의 하여 사용하고 있다. 이러한 유역모형은 일유량 자료 생산에 효과적일 수 있으나 우리나라 전국 모든 단위유역 지점을 모의하기에는 다수의 인력과 다량의 예산이 소요된다. 이에 본 연구에서는 복잡한 유역모형이 아닌 인근 수위-유량관측소의 유량자료와 딥러닝(Deep Learning) 기반의 모델을 활용하여 8일간격 총량측정망 지점의 유량자료를 일유량으로 확장 할 수 있는 가능성을 모색하였다. 연구대상지역은 영산강 유역의 영본A, 지석A 총량단위유역을 선정하였다. 일유량 확장에는 딥러닝 라이브러리인 케라스(Keras)를 활용하여 총량측정망 8일 간격 유량자료와 인근의 수위-유량 관측소의 일유량 관측 자료(2009∼2016)를 감독(Supervised)학습시켜 모델을 개발하고 이를 활용해 총량측정망 지점의 미계측된 일자(2017∼2018)에 대한 유량자료를 예측하여 모델을 검증하였다. 딥러닝 기반의 모델 개발은 다층 퍼셉트론(Multi Layer Perceptron) 신경망 모델을 기반으로 하였으며 3층 퍼셉트론 구조로 입력층, 은닉층, 출력층을 구성하였다. 그 결과, 유역별 딥러닝 기반의 모델의 학습결과 및 검증결과는 R2 및 NSE 모두 0.9이상으로 높게 나타나 유량 예측정확도가 매우 높은 것으로 나타났다. 따라서 향후 영본A 및 지석A의 목표수질 설정 시 이 모델을 사용한다면 복잡한 유역모형을 사용하지 않더라도 인근 수위-유량 관측소의 자료만 이용하여 단위유역 말단에서의 일유량 확장이 가능할 수 있을 것으로 판단된다. 또한 딥러닝 기법을 오염총량관리 목표수질 설정에 전반적으로 사용하기 위해서는 다양한 유역에 이를 적용하고 평가해야 할 것으로 판단된다.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.