Application of machine learning technique-based time series models for prediction of groundwater level fluctuation to national groundwater monitoring network data

본 연구에서는 기계학습 기법인 인공신경망(ANN)과 지지벡터기계(SVM) 기반 지하수위 시계열 예측모델을 개발하고 이를 국가지하수관측망 216개소 지하수위 자료에 적용하였다. 시계열 예측 모델 적용의 목적은 결측 및 이상 자료를 보정하고 지하수위 자료에 포함된 양수 및 하천수위 변동 영향을 제거하여 강우에 의한 지하수위 변동 모의에의 적용성을 평가하는 것이다. 먼저 각 관측소에 대해 1일 직접예측 모델을 구성한 뒤 이를 이용한 반복예측 모델을 구성하고 각 모델의 예측 및 모의 능력을 검토하였다. 시계열 예측 모델 적용 결과 결측, 이상 자료, 양수 및 하천수위 영향을 효과적으로 보정하고 강우에 의한 지하수의 변동 패턴을 모의하는 것으로 나타났다. 오차지표 분석 결과 ANN 모델이 SVM 모델보다 다소 높은 직접예측능력을 보여주지만 반복예측모델에 대한 안정성은 SVM이 높은 것을 알 수 있다. 또한 본 연구에서는 이용된 연구자료에 대한 ANN, SVM 기반 시계열 모델 적용 시 적절한 모델 파라미터 값의 범위를 제시하였다. 본 연구에서 적용한 방법론과 결과는 지하수관측망 수위 자료 이상값을 탐지하는데 이용되어 지하수관측망을 효과적으로 관리하는데 활용될 수 있다. 또한 강우에 의한 지하수위 변동을 모의함으로써 지하수위 변동법을 적용하여 지하수 함양률을 산정하는 등 지하수 자원을 관리하는데 활용될 수 있을 것으로 기대한다.