Daily Flow Forecasting based on Deterministic and Stochastic Features

국문 초록 (Abstract)

수문 시계열은 다양한 모형을 이용하여 예측되어 왔는데 선행 연구에서는 카오스 분석 기법인 상관 차원과 DVS (Dynamic vs. Stochastic) 알고리즘을 사용하여 일유량 자료의 특성을 분석하였다. 미국 플로리다주 코코아 지역 근처 St. Johns River에서 관측된 일유량 시계열은 비선형 동역학적 특성을 보인 반면, 소양강댐 저수지로의 일유입량은 추계학적 특성을 보였다. 그러나 해당 연구는 자료의 비선형성과 유량 예측 및 모형화를 위한 추계학적 모형을 검토 하지 않았다. 따라서 본 연구에서는 유량 자료의 비선형성을 검정하고, 선정된 추계학적 모형 및 DVS 알고리즘과 인공신경망에 의한 예측 결과를 비교 분석하고자 하였다. 그 결과, DVS 알고리즘과 인공신경망을 통해 도출한 예측 결과는 추계학적 특성의 일유입량보다 일유량 자료에서 더 높은 예측 정확도를 보였다. 또한, AR (1)모형의 일유량과 ARMA (3, 1)모형에 의해 일유입량 자료를 예측한 결과에서도 일유량 자료의 예측 정확도가 일유입량 보다 더 좋게 도출되었다. 이는 수문 시계열에 내재된 카오스적 동적 구조가 예측 성능에 영향을 줄 수 있음을 시사한다고 판단하지만, BDS 통계에 의한 비선형성 검토에서 두 시계열 모두 비선형성을 보여 선형 보다는 비선형 모형이 분석 및 예측에 보다 더 적합할 수 있음을 보여준다.

다국어 초록 (Multilingual Abstract)

Hydrological time series have been forecasted using various models. A study employed nonlinear dynamical methods, namely the correlation dimension and dynamic vs. stochastic (DVS) algorithm, to analyze daily flow data characteristics. Analysis using the correlation dimension and DVS algorithm revealed that the daily streamflow observed from the St. Johns River near Cocoa, Florida, USA, exhibited chaotic characteristics, whereas the daily inflow to the Soyanggang Dam reservoir showed stochastic properties. However, the nonlinearity of the flows has not been investigated, and the stochastic models have not been fit for flow modeling and forecasting. Therefore, the present study tests the nonlinearity and fits stochastic models of the flow data. In addition, the forecasting results obtained from the DVS algorithm and neural networks were compared with those from the fitted stochastic models. The forecasting results derived from the DVS algorithm and neural networks demonstrated higher accuracy for daily streamflow than for daily inflow. Furthermore, when applying the AR (1) model to daily flow and ARMA (3, 1) model to daily inflow, the results showed that the chaotic nature of the daily streamflow yielded more accurate forecasts. The findings suggest that the dynamic structure inherent in hydrological time series may influence forecasting performance. Notably, the two flows exhibited nonlinearity based on BDS statistics, indicating that nonlinear time-series models may be more appropriate for analysis.