For the prediction of multi-site rainfall with radar data and ground meteorological data, a rainfall prediction model was proposed, which uses the neural network theory, a kind of artifical intelligence technique. The input layer of the prediction model was constructed with current ground meteorological data, their variation, moving vectors of rainfall field and digital terrain of the measuring site, and the output layer was constructed with the predicted rainfall up to 3 hours. In the application of the prediction model to the Pyungchang river basin, the learning results of neural network prediction model showed more improved results than the parameter estimation results of an existing physically based model. And the proposed model comparisonally well predicted the time distribution of rainfall.

Linacre(1968), Herljand(1956), 중산 등(1983), Chang(1970), Doorenbos et at.(1977)등이 보고한 5개의 순폭사량추정 모델로 추정한 순폭사량과 실측한 순폭사량을 비교하여 이들 모델에 대한 우리나라에서의 적용성을 검토하였으며, 또한 일사량, 기온, 증기압을 매개변수로하는 순폭사량 추정모델을 작성하여 추정정도를 검증하였다. 결과를 요약하면 다음과 같다. 1. 상기의 5개 모델의 parameter값을 그대로 이용하여 추정한 순폭사량은 평균편차로 0.86～1.64MJ/m2 /day, 상대평균편차로 8.75～16.64%의 큰 추정오차를 나타내었다 2. 실측 순폭사량과 기상요소들을 이용하여 이들 모델의 계수를 재추정하여, 계수추정에 이용하지 않은 독립자료를 이용하여 검증한 결과 평균편차로 0.74～0.88MJ/m2 /day, 상대평균편차로 7.99～9.52%의 오차를 나타내었다. 3, 일사량(Rs), 알베도(α ), 기온( Tk), 증기압( ea )를 매개변수로 하는 다음과 같은 순폭사량 추정모델을 작성하였다. Rn=(1- α ) Rs- ~sigma Tk4 (0.0103 Exp (0 .0731 Rs) -0.0475 (equation omitted) +0 .2478) (R2 =0.997, n=63) 4. 이 모델을 독립자료를 이용하여 검증한 결과 이 모델은 평균편차로 0.4988MJ/m2 /day, 상대평균편차로 5.38%의 오차를 나타내어, 상기의 기존모델중 가장 추정정도가 높았던 중산 등(1983)의 평균편차 0.7425 MJ/m2 /day, 상대평균편차 8.01%보다 추정오차가 적었다.적었다.