하도내에서 발생하는 유출량 및 TOC 자료는 비선형성이 강한 자료임에 따라 홍수에 대한 재난대응과 수질의 상시감시를 위해서는 자료의 특성 분석과 예측에 관한 연구는 필수라 할 수 있다. 따라서 본 연구에서 유출량 및 TOC, TOC부하량 자료에 대한 웨이블렛 변환에 의해 최종분해된 최종파형분해단계의 근사성분과 상세성분을 이용하여 예측모형을 개발하였다. 그 결과 기존 인공신경망 모형에서 관찰되었던 시계반대 방향으로 전이되는 지속현상의 극복 가능성을 보여주

평창강 수질자동측정망 실시간 자료를 이용하여 강우시와 무강우시로 구분하여 분석하였다. 강우시에 측정된 TOC 자료는 무강우시 측정된 자료에 비해 평균값, 최대값, 표준편차가 크게 나타났으며, 강우시의 DO 자료는 무강우시에 측정된 자료보다 낮아 유량이 수질변화에 영향을 미치는 것으로 분석되었다. 신경망 모형과 뉴로-퍼지 모형으로 수질예측 모형을 구성하고, 적용하였다. LMNN, MDNN, ANFIS 모형은 TOC 모의에서 DO 예측에서는 LMNN, MD

This study was carried out to evaluate the artificial neural network algorithm for water quality forecasting in Chungju lake, north Chungcheong province. Multi-layer perceptron(MLP) was used to train artificial neural networks. MLP was composed of one input layer, two hidden layers and one output layer. Transfer functions of the hidden layer were sigmoid and linear function. The number of node in the hidden layer was decided by trial and error method. It showed that appropriate node number in the hidden layer is 10 for pH training, 15 for DO and BOD, respectively. Reliability index was used to verify for the forecasting power. Considering some outlying data, artificial neural network fitted well between actual water quality data and computed data by artificial neural networks.

수질 인자들은 다양하고 관계가 복잡하여 수질 변화를 예측하는데 많은 어려움이 있다. 따라서 입력과 출력이 비교적 용이하고 비선형 예측에 적합한 신경망 모형을 이용하여 금강유역 공주지점의 DO, BOD, TN에 대한 월수질 예측을 수행하고 ARIMA 모형과 비교하여 적용 가능성을 검토하였다. 사용된 신경망 모형은 학습을 위해 BP(Back Propagation) 알고리즘을 적용하였으며 학습을 향상시키기 위한 모멘트-적응학습율(Moment-Adaptive

This study was carried out to develop the stream water quality model for the intaking station of Kongju waterworks in the Keum River system. The monthly water quality(total nitrogen and total phosphorus) with periodicity and trend were forecasted by multiplicative ARIMA models and then the applicability of the models was tested based on 7 years of the historical monthly water quality data at Kongju intaking site. The parameter estimation was made with the monthly observed data. The last one year data was used to compare the forecasted water quality by ARIMA model with the observed one. The models are ARIMA(2,0,0)×(0,1,1)_12 for total nitrogen, ARIMA(0,1,1)×(0,1,1)_12 for total phosphorus. The forecasting results showed a good agreement with the observed data. It is implying the applicability of multiplicative ARIMA model for forecasting monthly water quality at the Kongju site.

낙동강 유역에서 수질예보시스템의 개발을 위해서 신뢰도해석 기법에 기초한 QUAL2E-AFOSM모형을 개발하였다. 왜관∼물금 구간에 대해 수리학적 부등류 해석을 실시하였고, 최적의 반응계수 추정을 위해 BFGS 기법을 사용하여 최적화 해석을 실시하였으며, 이를 기초로 하여 모형의 보정과 검증을 실시하였다. 추계학적 해석을 위하여 AFSOM 기법을 적용한 신뢰도 해석을 수행하였다. 상류단과 주요 지류에서의 수질, 유량과 반응계수에 대한 변동성을 고려하였다.