Bi-LSTM을 이용한 시퀀스, 선행 예측 길이에 따른 생활용수 방류량 추정 성능 분석

• 영문명: Performance Analysis of Domestic Wastewater Discharge Prediction Based on Sequence and Lead Time Length Using Bidirectional Long Short-Term Memory
• 발행기관: 한국방재학회
• 저자명: 김진혁(Jin Hyuck Kim) 이상은(Sangeun Lee) 손민우(Minwoo Son)
• 간행물 정보: 『2. 한국방재학회 논문집』25권 3호, 33~42쪽, 전체 10쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

생활용수 방류량은 수자원 관리 및 계획 수립 과정에서 기초적이며, 지역 특성을 판단할 수 있는 자료이다. 이에 따라 신뢰할 수 있는 생활용수 방류량의 예측의 중요성이 증가하고 있다. 본 연구에서는 딥러닝을 이용한 생활용수 방류량 예측에서 시퀀스, 선행 예측 길이에 따른 예측성능 분석을 수행하였다. 생활용수 방류량 예측을 위해 일 단위의 강수량, 취수량, 생활용수 방류량을 학습해 생활용수 방류량을 예측할 수 있는 Bidirectional Long Short-Term Memory (Bi-LSTM) 기반 생활용수 방류량 예측 모형을 구축하였으며, 모형의 성능을 향상 및 성능 견고성을 위해 Hyperband 알고리즘을 이용해 매개변수 최적화를 수행하였다. 시퀀스, 선행 예측 길이에 따른 예측성능 분석을 위해 입력 시퀀스 길이(7, 15, 30일)와 선행 예측 길이(1~5일)의 조합을 구성하여 분석을 수행하였다. 분석 결과 생활용수 방류량 예측에 영향을 미치는 것을 확인하였다. 생활용수 방류량 예측 성능은 선행 예측 길이가 증가할수록 감소하였다. 검증 기간에서 가장 높은 예측 성능은 1일 선행 예측길이에서 시퀀스

영문 초록

Domestic wastewater discharge provides fundamental data for water resource management and planning processes, and can reflect regional characteristics. Accordingly, the importance of reliably predicting domestic wastewater discharge is increasing. This study analyzed the performance of deep learning-based models for predicting domestic wastewater discharge, based on sequence length and prediction horizon. To predict domestic wastewater discharge, a Bidirectional Long Short-Term Memory (Bi-LSTM)-based prediction model was developed and trained on daily precipitation, water intake, and domestic wastewater discharge data. Furthermore, hyperparameter optimization was performed using the Hyperband algorithm to improve the model's performance and robustness. For the analysis of prediction performance based on sequence length and prediction horizon, combinations of input sequence lengths (7, 15, and 30 days) and prediction horizons (1 to 5 days) were configured and analyzed. The results confirmed that these factors affected the prediction of domestic wastewater discharge. Prediction performance generally decreased as the prediction horizon increased. During the validation period, the highest prediction performance occurred with a 7-day sequence length for a 1-day prediction horizon, whereas during the test period, the best performance was observed with a 30-day sequence length for a 1-day prediction horizon. This confirms the necessity of considering various sequence lengths, even for the same prediction horizon. Overall, the 7-day sequence length showed relatively effective and stable performance for longer prediction horizons, demonstrating that increasing the sequence length does not necessarily improve long-term prediction performance. The results of this study confirm the importance of carefully selecting the input sequence length when developing domestic wastewater discharge prediction models.

목차

1. 서 론

2. 연구 방법

3. 연구 결과

4. 결 론

감사의 글

References

키워드

생활용수 방류량 Bi-LSTM 시계열 예측 매개변수 최적화Domestic Wastewater Discharge BI-LSTM Time Series Forecasting Parameter Optimized