입력 강우 형태에 따른 수위예측 회귀모형의 성능 비교분석

Abstract

최근 수위 예측을 위한 수문학적, 물리적 기반 모형 등의 단점을 극복하고자 홍수예측을 위해 자료지향형 모형 중의 하나인 회귀모형이 널리 도입되고 있다. 이러한 모형의 장점 중 하나는 지점 강우와 같은 관측 자료를 아무런 처리 없이 그대로 사용할 수 있다는 것이다. 즉, 양질의 관측 데이터만 확보하면 성능 높은 수위 예측 모형을 구축할 수 있다. 그러나 대부분의 강우-유출 모형의 경우에는 지점 강우를 유역 평균 강우의 형태로 변환해야 하는 작업을 필요로 한다. 본 연구의 목적은 이러한 수위 예측 회귀모형 구축시 사용하는 지점 강우와 유역 평균 강우에 따른 홍수예측 성능을 비교 검토하고 이를 통해 적절한 수위 예측 회귀모형을 구축하는 것이다. 이를 위해 입력자료의 자기상관분석을 통해 독립변수의 시간 규모를 결정한 지점 강우와 유역 평균 강우를 이용한 홍수예측 모형을 구축하고 중랑천 유역의 다양한 홍수사상에 대해 적용하였다. 구축된 모형들의 성능을 평가하기 위해 평균제곱근오차, Nash-Sutcliffe 효율계수, 평균절대오차, 수정 결정계수와 같이 4개의 통계지표들을 사용하였다. 모의결과 지점 강우를 이용한 홍수예측 회귀모형이 유역 평균 강우를 이용한 홍수예측 회귀모형에 비해 좀 더 나은 예측 결과를 나타냈다. Recently to overcome limitations of hydrological and physics based models for flood stage forecasting, the regression model as one of data-derived models has been widely adopted for predicting flood stage. One of the advantages of regression model is able to use data such as point rainfall without handling of data. But most of the rainfall-runoff models need converting point rainfall to basin mean rainfall. The objectives of this study are to compare performance of different flood stage predicting regression models according to point rainfall and basin mean rainfall and determine the most effective predicting flood stage regression model. To do this, the time scale was determined through the autocorrelation analysis of input data and different flood stage forecasting models were developed using point rainfall and basin mean rainfall. To evaluate the performance of established models, fours statistical indices were used, namely; Root mean square error(RMSE), Nash-Sutcliffe efficiency coefficient(NSEC), mean absolute error(MAE), adjusted coefficient of determination(<TEX>$R^{*2}$</TEX>). The results show that the flood stage predicting regression model using point rainfall can carry out the river flood stage prediction better than the flood stage predicting regression model using basin mean rainfall.