예측 정보 기반 저수지 운영(FIRO)은 홍수 위험을 줄이면서 물 저장을 향상시킬 수 있지만, 예측 불확실성과 샘플 외 극한 사건에 견딜 수 있는 정책을 설계하는 것은 여전히 도전 과제입니다. 본 연구에서는 중기(1-14일) 합성 예측 집합과 축척된 홍수 사건을 사용하여 FIRO 정책의 강건성을 평가하기 위한 프레임워크를 개발했습니다. 우리는 최적화된 위험 곡선을 가진 집합 예측 운영(EFO), 모델 예측 제어(MPC), 그리고 누적 유입 예측에 기반한 안내 곡선의 세 가지 정책 접근 방식을 비교합니다. 다양한 EFO 정책은 모든 사용 가능한 힌드캐스트를 사용하여 훈련되며, 특정 극한 사건은 제외되고, 합성 예측으로 훈련됩니다. 이러한 정책은 예측이 없는 기준 정책 및 완벽한 예측 정보를 가정하는 정책과 비교됩니다. 우리는 Oroville 저수지, CA의 사례 연구를 사용하여 각각의 정책에 대해 100년, 200년, 300년 사건에 대한 필요 홍수 풀을 결정합니다. 결과는 EFO와 MPC가 누적 방법보다 더 작은 홍수 풀이 필요하며, 물 공급에 미치는 영향이 제한적임을 보여줍니다. 합성 데이터로 훈련된 EFO 정책은 예측 불확실성에 대해 가장 높은 강건성을 보이며, 이는 합성 예측에서 훈련하는 것이 단일 예측 집합에 대한 과적합을 피하는 데 도움이 될 수 있음을 시사합니다. 또한, 훈련에서 가장 큰 역사적 홍수를 제외해도 충분히 낮은 우선 순위 가중치가 주어진 EFO 정책의 성능은 감소하지 않습니다. 본 연구는 홍수 위험을 줄이기 위한 다양한 정책 수립의 효과성을 비교하는 템플릿을 제공하여, 더 큰 물 저장을 가능하게 하고 예측 정보 기반 정책의 보다 넓은 채택을 지원할 수 있습니다.
Taylor et al. (Mon,)는 이 질문을 연구했습니다.