도시 우수 유출량을 예측하기 위한 데이터 기반 학습 모델 개발

폭풍수 관리 모델(SWMM)은 유출을 시뮬레이션하고 예측하기 위한 수문 모델입니다. 강력하지만, SWMM은 계산적으로 요구가 클 수 있습니다. 따라서, 우리는 SWMM의 동작을 근사하고 유출 예측 작업을 가속화하기 위해 기계 학습(ML) 모델을 개발합니다. 우리는 미국 테네시주 녹스빌의 퍼스트 크릭 유역에 대한 사례 연구를 수행합니다. 우리는 강우 데이터와 소유역 특성을 사용하여 ML 모델을 학습시키고, 특징 공학 및 클러스터링을 적용하여 SWMM과 ML 모델의 출력을 객관적으로 비교합니다. 결과는 랜덤 포레스트가 유출량을 정확하게 예측할 수 있으며, 평균 절대 오차(MAE)는 0.006(0.001) 106 갤런임을 보여줍니다. 예측은 거의 즉시 이루어집니다. 따라서, 우리가 제안한 ML 기반 접근법은 유출을 정확하게 예측하면서 계산 요구 사항을 크게 줄일 수 있어, 이 분야의 중요한 필요를 충족합니다.