지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2018.1
- 수록면
- 1,207 - 1,216 (10page)
이용수
초록· 키워드
오류제보하기
본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.
목차
등록된 정보가 없습니다.
참고문헌 (21)
참고문헌 신청
Chen, W. B. / 2012 / Comparison of ANN approach with 2D and 3D hydrodynamic models for simulating estuary water stage / Advances in Engineering Software 45(1):69~79
Chiang, Y. M. / 2010 / Dynamic neural networks for real-time water level predictions of sewerage systems-covering gauged and ungauged sites / Hydrology and Earth System Sciences 14(7):1309~1319
Géron, A. / 2017 / Hands-on machine learning with Scikit-Learn and TensorFlow / O’Reilly Media
Greff, K. / 2017 / LSTM: A search space odyssey / IEEE transactions on neural networks and learning systems 28(10):2222~2232
Hidayat, H. / 2014 / Prediction of discharge in a tidal river using artificial neural networks / Journal of Hydrologic Engineering, ASCE 19(8):04014006
Chiang, Y. M. / 2010 / Dynamic neural networks for real-time water level predictions of sewerage systems-covering gauged and ungauged sites / Hydrology and Earth System Sciences 14(7):1309~1319
Géron, A. / 2017 / Hands-on machine learning with Scikit-Learn and TensorFlow / O’Reilly Media
Greff, K. / 2017 / LSTM: A search space odyssey / IEEE transactions on neural networks and learning systems 28(10):2222~2232
Hidayat, H. / 2014 / Prediction of discharge in a tidal river using artificial neural networks / Journal of Hydrologic Engineering, ASCE 19(8):04014006
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝을 이용한 잠수교 수위예측
한국수자원학회 학술발표회
2018 .01
-
LSTM을 이용한 하천수위 예측기법
한국정보과학회 학술발표논문집
2020 .12
-
삽교호 유입량 예측을 위한 LSTM 모형의 적용성 평가
한국산학기술학회 논문지
2021 .04
-
가상센서의 학습데이터 구성에 따른 LSTM 수위예측 성능 비교
대한토목학회 학술대회
2024 .10
-
강우자료 학습에 따른 딥러닝 기반 LSTM모형의 수위예측
대한토목학회 학술대회
2019 .10
-
LSTM기반 실시간 해수위 예측 기술을 이용한 조력발전운영에 관한 연구
대한전기학회 학술대회 논문집
2020 .07
-
LSTM 기반 딥러닝 기술을 활용한 수온 변화 예측
한국정보통신학회 여성 ICT 학술대회 논문집
2020 .08
-
실시간 수위 예측을 위한 시공간 특징공학적 최적학습모델
정보과학회 컴퓨팅의 실제 논문지
2024 .09
-
수문시계열 분석을 위한 딥러닝 알고리즘 LSTM의 적용성 및 한계
한국수자원학회 학술발표회
2019 .01
-
LSTM 구조를 활용한 채권 데이터의 예측에 관한 연구
한국통신학회 학술대회논문집
2018 .01
-
하천 범람 예측을 위한 인공지능 수위 예측 시스템 설계
한국정보통신학회논문지
2020 .02
-
Stacked Bidirectional과 Stacked Unidirectional LSTM을 활용한 주별 전력부하예측
한국정보기술학회논문지
2020 .09
-
수계 상류 관측 수위자료를 이용한 하류 홍수위 예측기법
Ecology and Resilient Infrastructure
2020 .12
-
LSTM 기반 유도조종 태스크의 실행 시간 예측
한국정보과학회 학술발표논문집
2019 .06
-
LSTM 기반의 다중 차량 경로 예측 네트워크
제어로봇시스템학회 국내학술대회 논문집
2020 .07
-
LSTM 모델 기반 5G 네트워크 대역폭 예측
한국정보과학회 학술발표논문집
2022 .06
-
LSTM 기반 딥러닝 모델을 이용한 비행 데이터 예측 기법
한국항공우주학회 학술발표회 초록집
2021 .11
-
LSTM을 활용한 국내 코로나19 기간 별 확진자 수 예측 연구
대한전자공학회 학술대회
2022 .06
-
LSTM을 이용한 전력 데이터 예측
한국정보과학회 학술발표논문집
2016 .12
-
LSTM을 이용한 단기 강우예측 모형 개발 및 적용성 분석
대한토목학회 학술대회
2021 .10
이 논문의 저자 정보
최근 본 자료
댓글(0)
0