본 연구에서는 미급수지역의 주요 수원인 지하수의 수위 변동 상황을 기반으로 한 미급수지역 가뭄 예보 기법 개발을 목적으로 하였다. 이를 위해 지역화된 표준지하수지수(SGI)와 표준강수지수들(SPIs)의 상관관계를 분석하였다. 관측 지하수위로부터 산정된 SGI의 자기회귀 특성 및 지속기간별 SPI와 SGI의 상관관계를 동시에 고려할 수 있는 NARX (nonlinear autoregressive exogenous model) 인공신경망 모형을 이용하여 지역별 예측모형을 구축하였다. 학습기간 동안 관측 SGI와 모델 출력 SGI의 상관계수는 0.7 이상인 곳이 전체 167개 지역별 모형 중 146개(87%)로 상관성이 높은 것으로 분석되었다. 적용기간에 대해서는 평균제곱근오차와 상관계수로 모형을 평가하였다. 본 연구를 통해 기상청에서 제공하는 59 개 관측소별 강수량 전망 값으로부터 산정된 지속기간별 SPI와 관측된 지하수위를 이용한 지역별 SGI 전망이 가능하도록 하였으며, 미급수지역의 가뭄 예‧경보를 위한 기초자료로 활용이 가능토록 하였다.

A primary objective of this study is to develop a drought forecasting technique based on groundwater which can be exploit for water supply under drought stress. For this purpose, we explored the lagged relationships between regionalized SGI (standardized groundwater level index) and SPI (standardized precipitation index) in view of the drought propagation. A regional prediction model was constructed using a NARX (nonlinear autoregressive exogenous) artificial neural network model which can effectively capture nonlinear relationships with the lagged independent variable. During the training phase, model performance in terms of correlation coefficient was found to be satisfactory with the correlation coefficient over 0.7. Moreover, the model performance was described by root mean squared error (RMSE). It can be concluded that the proposed approach is able to provide a reliable SGI forecasts along with rainfall forecasts provided by the Korea Meteorological Administration.

Abstract
 요 지
 1. 서 론
 2. 강수량 전망 값을 이용한 지하수 가뭄 전망
  2.1 강수량과 지하수위 상관관계
  2.2 강수량과 지하수위 관측 자료의 시공간적 범위 설정
  2.3 SPI와 SGI의 상관성 분석
 3. 인공신경망을 이용한 지하수 가뭄 전망 모형
  3.1 인공신경망 모형
  3.2 인공신경망을 이용한 SPI-SGI 상관관계 학습
 4. 모형 적용 및 평가
 5. 결 론
 References

• Lee Jeongju(Water Data Collection and Analysis Department, K-water) | 이정주 Corresponding Author
• Kang Shinuk(K-water Convergence Institute) | 강신욱
• Kim Taeho(Water Data Collection and Analysis Department, K-water) | 김태호
• Chun Gunil(Water Data Collection and Analysis Department, K-water) | 전근일