하도내에서 발생하는 유출량 및 TOC 자료는 비선형성이 강한 자료임에 따라 홍수에 대한 재난대응과 수질의 상시감시를 위해서는 자료의 특성 분석과 예측에 관한 연구는 필수라 할 수 있다. 따라서 본 연구에서 유출량 및 TOC, TOC부하량 자료에 대한 웨이블렛 변환에 의해 최종분해된 최종파형분해단계의 근사성분과 상세성분을 이용하여 예측모형을 개발하였다. 그 결과 기존 인공신경망 모형에서 관찰되었던 시계반대 방향으로 전이되는 지속현상의 극복 가능성을 보여주었으며, 기존 인공신경망 모형에 비하여 예측의 정확도가 향상됨을 확인할 수 있었다. 이러한 연구결과는 향후 홍수에 대한 피해를 최소화하고 각종 수질사고에 적극적인 대응방안 수립이 가능할 것으로 기대된다.
It is critical to study on data charateristics analysis and prediction for the flood disaster prevention and water quality monitoring because discharge and TOC data in a river channel are strongly nonlinear. Therefore, in the present study, prediction models for discharge, TOC, and TOC load data were developed using approximation component in the last level and detail components segregated by wavelet transform. The results show that the developed model overcame the persistence phenomenon which could be seen from previous models and improved the prediciton accuracy comparing with the previous models. It might be expected that the results from the present study can mitigate flood disaster damage and construct active alternatives to various water quality problems in the future.
