딥러닝 기반의 무심천 유역 지하수 함양량 장기 예측 연구 = Long-Term Prediction of Groundwater Recharge in the Musimcheon Watershed Using Deep Learning

국문 초록 (Abstract)

본 연구에서는 통합 지표수-지하수 모형을 통해 산정된 함양량 자료를 활용하여, 무심천 유역의 지하수함양량을 예측하기 위한 딥러닝 기반 접근법을 적용하였다. 일반화 성능을 평가하기 위해 검증 기간(2013–2015)을 별도로 설정하고, 이 기간에서 예측값과 실제값(모형 기반 함양량) 간 일치도를 평가하였다. 그 결과 LSTM과 RNN 모형 모두에서 결정계수(R2)가 약 0.84 수준으로 도출되어, 강수량 기반 입력 자료만으로도 월 단위 함양 변동성을 실무적으로 수용 가능한 수준에서 재현할 수 있음을 확인하였다. 예측된 월별 함양량의 계절 분포를 분석한 결과, 과거 결과와 일관되게 여름철(6–8월)에 연간 함양의 상당 부분이 집중되었으며, 이는 몬순강수와 국지적 집중호우의 영향이 지배적임을 시사한다. 반면 겨울철(12–2월)은 강수량 감소 및 지표면 결빙의 영향으로 함양이 매우 제한적인 수준으로 예측되었다. 종합하면, 본 연구는 무심천 유역에서 딥러닝 기반 함양 예측이 유역 규모 지하수 관리의 장기 변동성 평가에 활용될 수 있음을 보여준다.

다국어 초록 (Multilingual Abstract)

In this study, a deep learning based approach was developed to predict groundwater recharge in the Musimcheon watershed using recharge data derived from an integrated surface water-groundwater model. Model performance during the validation period (2013–2015), designed to assess generalization capability, showed good agreement between predictions and observations, with the LSTM and RNN models achieving an R2 value of 0.84. These results indicate that monthly variations in groundwater recharge can be reproduced at a practically acceptable level using precipitation based inputs alone. Analysis of the seasonal distribution of predicted monthly recharge revealed a persistent seasonal pattern. Consistent with historical observations, a substantial portion of annual groundwater recharge was concentrated during the summer months (June–August), highlighting the dominant role of monsoon rainfall and localized heavy precipitation events in recharge processes. In contrast, recharge during the winter season (December–February) was predicted to be minimal, reflecting reduced precipitation and surface freezing conditions. Overall, the results demonstrate that deep learning based groundwater recharge prediction is effective for the Musimcheon watershed and can provide a reliable tool for long-term assessment of recharge dynamics in basin scale groundwater management.