[표지] 1
요약문 2
목차 6
Abstract 10
I. 서론 12
II. 연구내용 및 방법 13
1. 연구사례 및 대상지역 13
가. 연구사례 13
나. 연구대상지역 14
2. 분포형 모델 구축 및 일차원 수리모델 15
가. 분포형 수문모델 15
나. 일차원 수리모델 17
다. 분포형 수문모델과 일차원 수리모델의 결합 19
3. 자료기반 조류예측 기법 21
가. Long Short Term Memory(LSTM) 21
나. Convolutional Neural Network(CNN) 22
다. CNN-LSTM 23
III. 연구결과 및 고찰 25
1. 분포형 모델 구축 및 일차원 수리모델 25
가. 분포형 수문모델과 일차원 수리모델 구축 25
나. 분포형 수문모델과 일차원 수리모델 연계 26
다. 분포형 모델 및 일차원 수리모델 재현성 29
라. Kriver vs 수질오염사고대응예측시스템 모델링 결과 비교 31
2. 자료기반 조류예측 결과 34
가. 데이터 구축 34
나. 데이터 전처리 36
다. CNN-LSTM 모델 구축 37
라. 학습 자료 상세화 기법에 따른 모델 예측력 비교 38
마. CNN-LSTM을 이용한 남조류 예측 40
IV. 결론 41
참고문헌 42
〈Table 1〉 Water level observatory and major points in the Nakdong river basin 28
〈Table 2〉 Model Specifications and Features 32
〈Table 3〉 Scenario modeling conditions 33
〈Table 4〉 Correlation of water quality, meteorological data for cyanobacteria 35
〈Table 5〉 Comparison of cyanobacteria prediction results according to sequence variable application method 39
〈Table 6〉 Cyanobacteria prediction accuracy in 8 weirs of Nakdong river 40
〈Figure 1〉 Study area 15
〈Figure 2〉 K-DRUM subroutine 16
〈Figure 3〉 Calculation flow chart of K-River module 18
〈Figure 4〉 Calculation flow chart of K-DRUM and call location of K-River module 20
〈Figure 5〉 Conceptual diagram of LSTM 21
〈Figure 6〉 Conceptual diagram of CNN 23
〈Figure 7〉 Construction of topographical and geological data for hydrological analysis 26
〈Figure 8〉 Example of hydraulic structures 27
〈Figure 9〉 Construction of distributed hydrology mode 29
〈Figure 10〉 Results of distributed hydrology model reproducibility evaluation 30
〈Figure 11〉 Hydraulic modelling results at major points 31
〈Figure 12〉 Scenario modeling domain 32
〈Figure 13〉 Comparison of Scenario modeling result 34
〈Figure 14〉 Heat map(ex: Changnyeong-Haman weir) 36
〈Figure 15〉 Calculation flow chart of CNN-LSTM 38
〈Figure 16〉 Comparison of cyanobacteria prediction results according to sequence variable application method 39