수문시계열 자료에 변동성, 도약성, 경향성, 주기성 등이 있으면 이러한 자료는 일반적으로 비정상성을 가지며, 특히 경향성 판단을 통한 다양한 방법들이 제시되어 왔다. 그러나 다양한 방법 간의 검정능력에 대한 평가는 많이 이루어지지 않았으며, 그로인해 동일 자료에 대한 다른 방법의 적용으로 반대의 결과가 나오는 경우도 발생하게 된다. 따라서 본 연구에서는 통계적 특성에 따른 경향성 분석의 변화를 파악하고, 경향성 분석방법 간의 검정능력을 파악해 보았다. 이를 위해 경향성 분석기법인 Mann-Kendall 검정, Hotelling-Pabst 검정, t 검정, Sen 검정을 적용하였으며 기울기, 표본크기, 표준편차에 따라 다양한 모의실험을 수행하였다. 그 결과 t 검정이 다른 검정에 비해 상대적으로 높은 검정력을 보였고, Mann-Kendall 검정, Hotelling-Pabst 검정, Sen 검정은 비슷한 결과를 보였다.

본 연구에서는 비선형적 모델인 웨이블렛-인공신경망을 적용하여 충주댐 유역의 일유입량을 예측하였다. 일반적으로 시계열 자료는 경향성, 주기성 및 추계학적 성분의 선형조합으로 이루어져 있다. 그러나 이러한 자료를 통해 시계열 모형 구축 시 경향성 및 주기성은 제거되어야하는 성분이다. 따라서 수문기상자료에 포함되어있는 경향성 및 주기성과 같은 비선형 동역학적 잡음과 측정과정에서 발생하는 단순잡음을 제거시키기 위해 디노이징기법인 웨이블렛 변환을 적용하였다. 웨이블렛 변환을 적용한 자료를 입력자료로 사용한 웨이블렛-인공신경망(WANN)과 원자료를 사용한 인공신경망(ANN)을 비교하였다. 산정결과 결정계수와 선형회귀를 통한 기울기는 WANN이 ANN보다 각각 0.032, 0.0115 더 큰 값을 나타냈고, 타겟값과 예측값 사이의 오차를 나타내는 RMSE와 RRMSE는 WANN 모형이 ANN 보다 각각 37.388, 0.099 더 작은 값을 나타냈다. 따라서 본 연구에서 적용한 WANN 모형이 ANN 보다 정확한 결과를 나타내었으며, 웨이블렛 변환을 통한 디노이징 기법의 적용이 잡음이 포함되어 있는 원자료의 사용보다 더 정확한 예측을 하는 것으로 판단된다.

본 연구는 인공신경망의 성능을 향상시키기 위한 여러 가지 방법들 중의 하나인 입력변수 선정기법에 관한 연구로서, 일반적으로 널리 사용되고 있는 상관계수를 이용한 입력변수 선정기법 외에 상호정보량을 활용한 방법을 적용하여 인공신경망의 성능을 향상시키고자 하였다. 대상자료는 기상청에서 제공하는 RDAPS자료의 152개 출력값으로 지상강우량의 예측값인 APCP를 포함하고 있으며, 강우관측값간의 상호정보량을 구해 가장 영향력이 큰 변수를 입력변수로 사용하였다.