강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였으며, 이를 위해 오류역전파알고리즘을 이용한 신경망모형과 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨 모형 그리고 최적화된 상태에서 다시 학습을 진행하는 세 가지 모형에 대하여 적용한 결과 유전자 알고리즘을 사용하여 신경망을 학습시킨 모형이 다른 모형들에 비해 우수한 결과를 보여주고 있으며 예측시간이 길어지더라도 예측력이 크게 떨어지지 않았다. 또한 입력자료로 강우와 수위를 사용한 모형보다는 수위를 사용한 모형에서 조금 더 우수한 결과를 보여주었다.
The rainfall-runoff relationship is very difficult to predict because it is complicate factor affected by many temporal and spatial parameters of the basin. In recent, models which is based on artificial intelligent such as neural network, genetic algorithm fuzzy etc., are frequently used to predict discharge while stochastic or deterministic or empirical models are used in the past. However, the discharge data which are generally used for prediction as training and validation set are often estimated from rating curve which has potential error in its estimation that makes a problem in reliability. Therefore, in this study, water stage is predicted from antecedent rainfall and water stage data for short term using three models of neural network which trained by error back propagation algorithm and optimized by genetic algorithm and training error back propagation after it is optimized by genetic algorithm respectively. As the result, the model optimized by Genetic Algorithm gives the best forecasting ability which is not much decreased as the forecasting time increase. Moreover, the models using stage data only as the input data give better results than the models using precipitation data with stage data.
