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
- 2021.4
- 수록면
- 287 - 294 (8page)
이용수
초록· 키워드
오류제보하기
삽교호로 유입하는 곡교천 유역의 홍수시 유출량을 추정하기 위해서 Tensorflow를 활용하여 파이썬 기반의 LSTM 모형을 구축하였다. 층의 깊이가 성능에 미치는 영향을 분석하기 위해, 은닉층의 깊이를 2, 4, 6층으로 증가시키면서, 선행시간 1시간부터 5시간까지 예측을 수행하였으며, 은닉층의 개수가 4개일 때가 가장 우수한 성능을 나타내었다. 학습에 사용하는 입력자료의 길이 즉, 시퀀스길이가 모형의 성능에 미치는 영향을 파악하고자 시퀀스길이를 3시간, 5시간, 7시간으로 증가시키면서 모형을 실행한 결과, 시퀀스길이가 3시간 일 때, 전 시간대에 걸쳐 예측 성능이 우수한 것으로 분석되었다. 모형 검증에서 극한 강우 3건에 대하여 예측을 수행한 결과 선행시간 1시간에 대하여 평균 NSE 0.96 이상의 높은 정확도를 나타내었으며, 선행시간 2시간 이상에 대하여 정확도는 점차적으로 낮아지는 것으로 확인되었다. 결론적으로 시퀀스길이 3시간을 사용하여 선행시간 1시간에 대한 예측을 수행한다면 곡교천 강청 관측소의 홍수위를 높은 수준의 정확도로 예측할 수 있음을 확인하였다.
목차
요약
Abstract
1. 서론
2. 본론
3. 모형 구축
4. 결론
References
참고문헌 (17)
참고문헌 신청
H. Jun, J. Lee, “A Methodology for Flood Forecasting and Warning Based on the Characteristic of Observed Water Levels Between Upstream and Downstream”, Journal of Korea Society of Hazard Mitigation , Vol.13, No.6, pp.367-374, 2013. DOI: http://dx.doi.org/10.9798/KOSHAM.2013.13.6.367
M. Moradi, T. Lee, “Comparison of Optimization Algorithms in Deep Learning-Based Neural Networks for Hydrological Forecasting: Case Study of Nam River Daily Runoff”, Journal of Korea Society of Hazard Mitigation , Vol.18, No.6, pp.377-384, 2018. DOI: http://dx.doi.org/10.9798/KOSHAM.2018.18.6.377
S. Jung, D. Lee, K. Lee, “Prediction of River Water Level Using Deep-Learning Open Library”, Journal of Korea Society of Hazard Mitigation , Vol.18, No. 1, pp.1-11, 2018(a). DOI: http://dx.doi.org/10.9798/KOSHAM.2018.18.1.1
S. Jung, H. Cho, J. Kim, G. Lee, “Prediction of Water Level in a Tidal River Using a Deep-learning Based LSTM Model”, Journal of Korea Water Resources Association , Vol.51, No.12, pp.1207-1216, 2018(b). DOI: http://doi.org/10.3741/JKWRA.2018.51.12.1207
M. K. Park, Y. S. Yoon, H. H. Lee, J. H. Kim, “Application of Recurrent Neural Network for Inflow Prediction into Multi-purpose Dam Basin”, Journal of Korea Water Resources Association , Vol.51, No.12, pp.1217-1227, 2018. DOI: http://doi.org/10.3741/JKWRA.2018.51.12.1217
M. Moradi, T. Lee, “Comparison of Optimization Algorithms in Deep Learning-Based Neural Networks for Hydrological Forecasting: Case Study of Nam River Daily Runoff”, Journal of Korea Society of Hazard Mitigation , Vol.18, No.6, pp.377-384, 2018. DOI: http://dx.doi.org/10.9798/KOSHAM.2018.18.6.377
S. Jung, D. Lee, K. Lee, “Prediction of River Water Level Using Deep-Learning Open Library”, Journal of Korea Society of Hazard Mitigation , Vol.18, No. 1, pp.1-11, 2018(a). DOI: http://dx.doi.org/10.9798/KOSHAM.2018.18.1.1
S. Jung, H. Cho, J. Kim, G. Lee, “Prediction of Water Level in a Tidal River Using a Deep-learning Based LSTM Model”, Journal of Korea Water Resources Association , Vol.51, No.12, pp.1207-1216, 2018(b). DOI: http://doi.org/10.3741/JKWRA.2018.51.12.1207
M. K. Park, Y. S. Yoon, H. H. Lee, J. H. Kim, “Application of Recurrent Neural Network for Inflow Prediction into Multi-purpose Dam Basin”, Journal of Korea Water Resources Association , Vol.51, No.12, pp.1217-1227, 2018. DOI: http://doi.org/10.3741/JKWRA.2018.51.12.1217
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝 기반 LSTM 모형을 이용한 감조하천 수위 예측
한국수자원학회논문집
2018 .01
-
확장된 LSTM 오토인코더 기반 이상 시퀀스 탐지 기법
한국전자거래학회지
2021 .02
-
LSTM 기반의 Sequence to Sequence Learning을 이용한 지역 유동 인구수의 예측 모형
대한공간정보학회 학술대회
2020 .06
-
딥러닝을 이용한 잠수교 수위예측
한국수자원학회 학술발표회
2018 .01
-
우리들의시간
지반(한국지반공학회지)
2017 .07
-
우리들의 시간
지반(한국지반공학회지)
2019 .01
-
우리들의시간
지반(한국지반공학회지)
2017 .09
-
우리들의 시간
지반(한국지반공학회지)
2018 .03
-
뒤돌아보면 빠른 시간
콘크리트학회지
2021 .05
-
우리들의시간
지반(한국지반공학회지)
2018 .01
-
LSTM 기반 유도조종 태스크의 실행 시간 예측
한국정보과학회 학술발표논문집
2019 .06
-
LSTM 기반 시퀀스 투 시퀀스를 사용한 이벤트 시퀀스 예측 모델
한국정보과학회 학술발표논문집
2021 .06
-
하루 전력 사용량 프로파일 시퀀스를 이용한 LSTM기반 단기 사용 패턴 예측 방법
한국통신학회 학술대회논문집
2018 .06
-
시퀀스 투 시퀀스(Sequence-to-sequence) 모델을 활용한 대화생성 결과 비교 분석
한국정보과학회 학술발표논문집
2018 .06
-
LSTM을 이용한 단기 강우예측 모형 개발 및 적용성 분석
대한토목학회 학술대회
2021 .10
-
자동화 머신런닝 기법을 이용한 농업용 저수지의 시단위 수위 예측 모델 개발 및 적용성 평가
대한환경공학회지
2024 .10
-
LSTM 구조를 활용한 채권 데이터의 예측에 관한 연구
한국통신학회 학술대회논문집
2018 .01
-
A computational approach for the prediction of m5C sites using LSTM
대한전자공학회 학술대회
2022 .04
-
LSTM을 활용한 국내 코로나19 기간 별 확진자 수 예측 연구
대한전자공학회 학술대회
2022 .06
-
An Effective Detection Method of Anomalous Sequences Considering the Occurrence Order and Time Interval of the Elements
Journal of KIISE
2021 .04
이 논문의 저자 정보
최근 본 자료
댓글(0)
0