머신러닝 기반의 강우-유출모형(M-RAT) 매개변수 최적화 기법

초록

최근 기후변화, 기후변동으로 인해 저수지 및 소하천의 유량이 감소하는 추세이다. 이와 같은 하천 유량 감소는 건천화 현상을 발생시켜 하천의 생태계 파괴, 자정기능 상실, 친수 기능 상실 등 각종 부작용의 원인이 될 수 있다. 가뭄으로 인해 하천 및 저수지에 저유량이 유지되는 유역은 유출량의 특성 파악이 중요한 요소로 작용한다. 강우-유출 모형을 활용한 유출량 모의를 통해 하천의 유량을 파악할 수 있으며, 그 중 M-RAT (Monthly Runoff Assessment Tool) 모형은 일반적이고 간단한 월 물수지 방정식을 기반으로 유출 분석을 통해 월 유출량을 추정한다. M-RAT 모형을 활용한 유출량 모의 시 하천 유역의 수문 및 기상자료를 사용하여 모형의 매개변수를 보정하는 과정을 통해 모의의 정확도를 높일 수 있다. 본 연구는 머신러닝 기법을 활용하여 13개 유역을 대상으로 M-RAT 모형의 매개변수를 검보정 및 최적화하고, 획득한 매개변수를 활용하여 M-RAT 모형을 통한 월 유출량을 모의하였다. 모형 성능 검증을 위해 미호강, 합천댐, 홍천강 3개 유역에 적용하여 정확성을 검토한 결과, 머신러닝 기반의 매개변수 최적화 기법을 활용했을 때 기존에 수행된 기법에 비해 개선된 결과를 확인할 수 있었다.

키워드