다목적 유전자알고리즘을 이용한 Tank 모형 매개변수 최적화(I): 방법론과 모형구축

Abstract

본 연구의 목적은 개념적인 강우-유출모형인 Tank 모형의 매개변수를 산정하기 위한 다목적 유전자알고리즘의 적용성을 평가하는 것이다. 다목적 유전자알고리즘 기법으로는 최근에 가장 많이 사용되는 기법중의 하나인 NSGA-II를 채택하여 Tank 모형과 결합하였으며, 4가지 목적함수(유출용적오차, 평균제곱근 오차, 고수유량 평균제곱근 오차 및 저수유량 평균제곱근 오차)값을 최소화하는 형태의 목적함수를 적용하였다. NSGA-II는 목적함수의 개수가 많아지면 한 번의 실행에 의해 굉장히 많은 수의 파레토최적해를 구하는 단점을 가지고 있기 때문에 구해진 파레토최적해 중에서 어떤 해가 최우선해 인지를 결정해야 할 필요가 있으며, 이러한 고차원적인 의사결정을 위하여 선호적순서화(preference ordering) 기법을 적용하였다. NSGA-II를 이용하여 Tank모형의 매개변수를 추정할 때 초기조건이 최적화과정에 미칠 수 있는 영향을 최소화하기 위해 세대수(generation number)와 개체군의 크기(population size)에 대한 민감도분석을 수행하였다. 분석결과 Tank모형의 매개변수 최적화를 위한 세대수와 개체군 크기의 초기 값을 각각 900번과 1000개로 선정하는 것이 적합한 것으로 나타났다. The objective of this study is to evaluate the applicability of multi-objective genetic algorithm(MOGA) in order to calibrate the parameters of conceptual rainfall-runoff model, Tank model. NSGA-II, one of the most imitating MOGA implementations, is combined with Tank model and four multi-objective functions such as to minimize volume error, root mean square error (RMSE), high flow RMSE, and low flow RMSE are used. When NSGA-II is employed with more than three multi-objective functions, a number of Pareto-optimal solutions usually becomes too large. Therefore, selecting several preferred Pareto-optimal solutions is essential for stakeholder, and preference-ordering approach is used in this study for the sake of getting the best preferred Pareto-optimal solutions. Sensitivity analysis is performed to examine the effect of initial genetic parameters, which are generation number and Population size, to the performance of NSGA-II for searching the proper paramters for Tank model, and the result suggests that the generation number is 900 and the population size is 1000 for this study.