AI 기반 앙상블 홍수 예측 및 저수지 홍수 관리를 위한 다목적 강인 최적화 운영의 구현

초록 예측에 따라 저수지를 알리는 것은 실시간 홍수 관리를 위해 매우 중요합니다. 본 연구는 불확실성 하에서 저수지 홍수 관리 운영을 위한 예측 정보 기반 방법론 프레임워크를 제안했습니다. 즉, 클라우드 모델과 오차 기반 콥라 함수의 두 가지 후처리 방법의 새로운 조합이 개발되어 개별 AI 기반 예측을 앙상블 홍수 예측으로 결합했습니다. 이는 확률적 오차 기반 클라우드(SE-Cloud)라고 불립니다. 그런 다음 위험, 복원력 및 취약성을 통합한 다목적 강인 최적화 모델(MRO)이 앙상블 예측 하에서 홍수 관리 문제를 해결하기 위해 제안되었으며, 비교를 위해 기대되는 최고 저수지 수준과 최고 방출을 최소화하기 위한 이목적 확률적 최적화 모델(TSO)이 개발되었습니다. 제안된 방법론은 중국 시펑 강 유역의 리시멘 저수지에 적용되어 결정론적 예측, 앙상블 예측, 홍수 관리 성과 간의 관계를 종합적으로 검증하는 것을 목표로 했습니다. 결과는 클라우드 모델이 다양한 모델을 효과적으로 통합하고 예측 정확도를 향상시킬 수 있음을 보여주었습니다. 그러나 결정론적 예측 품질이 높다고 해서 항상 홍수 관리 성과가 개선되는 것은 아닙니다. SE-Cloud는 피크 유량을 포착하고 예측 불확실성을 효과적으로 특성화할 수 있었으며, 클라우드 모델과 비교하여 하이퍼볼륨 값을 13.14%에서 39.65% 증가시켰습니다. 이는 개별 결정론적 예측보다 강력한 솔루션을 생성하는 데 있어 앙상블 예측의 우수성을 나타냅니다. MRO는 TSO보다 더 많은 유입수를 방출하여 예상되는 최고 수위는 0.05m 낮추고, 예상되는 최고 방출량은 4.29% 증가시켰습니다. 그러나 하류의 복원력 값이 0으로 유지되면서, MRO가 상류의 취약성을 개선한다고 해서 반드시 복원력을 감소시키지는 않음을 보여주었습니다. 향상된 강인성은 홍수 관리에서 AI 기반 앙상블 예측의 잠재력을 강조합니다.