본 논문의 목적은 지상 우량계의 강우자료와 레이더 강우자료를 신경망(Artificial Neural Network, ANN)의 학습을 통하여 지상 우량계가 가지는 지점 강우의 정확성과 강우레이더가 가지는 강우의 공간정보의 장점을 최대화하여 강우자료를 보정하는 것이다. 따라서 본 논문에서는 2가지 신경망 모형(Model I, Model II)을 사용하였다. Model II의 입력층은 지체시간을 고려한 4개의 레이더 강우로 구성하였고 Model I의 입력층은 4개의 레이더 강우와 지상우량계 강우로 구성하여 안성천 유역의 레이더 강우를 보정하였다. 3가지 강우사상 중에서 총 2개의 사상을 신경망 모형 I, II에 입력하여 최적 매개변수인 연결강도를 추정한 후에 나머지 사상을 사용하여 검증을 실행하였다. 신경망에 의해 보정된 레이더 강우 자료(ANN 강우)와 보정을 하지 않은 레이더 강우를 준분포형 모형인 Modclark 모형에 입력하여 유출을 모의하고, 실제 유출 수문곡선과 비교 분석 하였다. 분석 결과, 보정을 하지 않은 레이더 강우에 의한 유출량은 전체적으로 실제 수문곡선보다 과소 추정되었다. 반면에 ANN 강우의 유출량은 관측유출량과 비교하였을 때 첨두시간과 첨두유량을 가장 근접하게 모의하는 결과를 나타내었다.
The purpose of this study is to get the adjusted radar rainfalls by ANN(Artificial Neural Network) method. In the case of radar rainfall, it has an advantage of spatial distribution characteristics of rainfall while point rainfall has an advantage at the point. Therefore we adjusted the radar rainfall by ANN method considering the advantages of two rainfalls of radar and point. This study constructed two ANN models of Model I and Model II for radar rainfall adjustment. We collected the three rainfall events and adjusted the radar rainfall for Anseong-cheon basin. The two events were inputted into the Modeland Model to derive the optimum parameters and the rest event was used for validation. The adjusted radar rainfalls by ANN method and the raw radar rainfall were used as the input data of ModClark model which is a semi-distributed model to simulate the runoff. As the results of the simulation, the runoff by raw radar rainfall were overestimated but the peak time and peak runoff from the adjusted rainfall by ANN were well fitted to the observed hydrograph.
