퍼지-유전자 알고리즘을 이용한 결측 강우량의 보정
* 본 문서는 배포용으로 복사 및 편집이 불가합니다.
서지정보
ㆍ발행기관 : 한국습지학회
ㆍ수록지정보 : 한국습지학회지 / 7권 / 4호
ㆍ저자명 : 김도진, 장대원, 서병하, 김형수
ㆍ저자명 : 김도진, 장대원, 서병하, 김형수
목차
1. 서 론2. 결측 강우량 보정방법
3. 대상유역선정과 자료수집
4. 퍼지-유전자 알고리즘을 이용한 결측 강우량 보정
5. 결 론
참고문헌
한국어 초록
분포형 모형이 개발되어 지면서 이러한 유역의 공간적인 특성을 고려한 정확한 강우 자료와 조밀한 계측망의 요구는 더욱 커지고 있다. 그러나 현실적으로 조밀한 계측망에 의해 측정된 정확한 강우 자료를 얻기는 쉽지 않다. 일반적으로 강우관측소가 적정 밀도를 가지고 유역을 대표 하도록 설치되어 있으나 부족한 실정이고, 설치되어 있더라도 강우의 시․공간적 변동성을 반영하기가 쉽지 않다. 또한 여러 가지 이유로 결측이 되는 경우도 있다. 강우는 측정된 점 관측 자료를 이용해 유역의 평균 강우분포를 추정하게 된다. 따라서 결측 강우자료는 시간의 연속성 측면에서 그 보정이 반드시 필요하며 보정 후 강우자료의 공간적 분포를 산정할 수 있을 것이다.본 연구에서는 결측 강우량의 보정을 위하여 퍼지-유전자 알고리즘을 이용하였는데 이 방법을 기존의 방법 즉, 산술평균법, 역거리법, 년정상강우량법, 거리-고도비율법과 비교하였다. 보정결과 기존의 방법은 실측의 70∼80%의 정확도를 보였으나 퍼지-유전자 알고리즘은 90%정도의 정확도를 보였다. 특히, 민감도 분석 결과를 바탕으로 수평거리와 고도차에 대한 적정 차수를 제안하였다.
영어 초록
As the distributed model is developed and widely used, the accuracy of a rainfall measurement and more dense rainfall observation network are required for the reflection of various spatial properties. However, in reality, it is not easy to get the accurate data from dense network. Generally, we could not have the proper rainfall gages in space and even we have proper network for rainfall gages it is not easy to reflect the variations of rainfall in space and time. Often, we do also have missing rainfall data at the rainfall gage stations due to various reasons. We estimate the distribution of mean areal rainfall data from the point rainfalls. So, in the aspect of continuous rainfall property in time, we should fill the missing rainfall data then we can represent the spatial distribution of rainfall data.This study uses the Fuzzy-Genetic algorithm as a interpolation method for filling the missing rainfall data. We compare the Fuzzy-Genetic algorithm with arithmetic average method, inverse distance method, normal ratio method, and ratio of distance and elevation method which are widely used previously. As the results, the previous methods showed the accuracy of 70 to 80 % but the Fuzzy-Genetic algorithm showed that of 90 %. Especially, from the sensitivity analysis, we suggest the values of power in the equation for filling the missing data according to the distance and elevation.