초록 열기/닫기 버튼

본 연구는 데이터 마이닝 기법을 활용하여 하천 환경에서 유사량을 추정하는 모델의 정확성을 개선하고, 이를 통해하천 관리와 환경 변화 평가에 기여하고자 하였다. 기존의 모델 트리 기반 유사량 추정 모델에 2021년부터 2023년까지의 최신데이터를 추가하여 모델의 성능을 개선하였으며, 이를 실제 관측 데이터와 비교하여 분석하였다. 개선된 모델은 대부분의 수계에서 높은 결정 계수를 보이며, 기존 모델 대비 예측 정확성이 향상된 결과를 나타냈다. 특히 영산강과 낙동강에서는 우수한적합도를 보였으며, 한강의 저유사량 범위에서도 개선된 성능을 확인할 수 있었다. 추가적으로 유사량 관계식을 활용하여 유역환경 변화와 침식·퇴적 패턴을 분석함으로써, 하천 환경 변화 예측의 가능성을 입증하였다. 본 연구는 최신 데이터를 활용한지속적인 모델 개선이 유사량 추정의 신뢰성을 높이는 데 중요함을 제시하며, 개선된 모델이 하천 관리, 홍수 및 퇴적물 관리등 다양한 응용 분야에서 활용 가능성을 보여주었다.


This study aimed to improve the accuracy of sediment discharge estimation models in river environments using data mining techniques, contributing to river management and environmental change assessment. The performance of an existing model tree-based sediment estimation model was enhanced by incorporating the latest data from 2021 to 2023, and the improved model was analyzed by comparing it with actual observation data. The enhanced model showed high coefficients of determination in most river systems, with improved prediction accuracy compared to the existing model. Notably, it demonstrated excellent fit in the Yeongsan and Nakdong rivers, and improved performance was also observed in the lower sediment discharge range of the Han River. Furthermore, the study analyzed watershed environmental changes and erosion-deposition patterns by utilizing sediment rating curves, proving the potential for predicting river environmental changes. This study highlights the importance of continuous model improvement using the latest data to increase the reliability of sediment discharge estimation. It demonstrates the potential application of the enhanced model in various fields, such as river management, flood control, and sediment management.