예보강우량 정확도 향상 기반 저수지 유입량 예측을 통한 농업용 저수지 저수율 예측 모델 개발 = Development of a Reservoir Storage Prediction Model for Agricultural Reservoirs Using Inflow Prediction Based on Improved Forecast Rainfall Accuracy

국문 초록 (Abstract)

우리나라는 최근 이상기후의 심화와 태풍·집중호우 등 극한 기상현상의 빈발로 인해 농업용 수리시설물의 피해가 지속적으로 증가하고 있다. 최근 몇 년간 발생한 집중호우는 단기간에 대규모 강우가 유입되는 형태로 나타나고 있으며, 이에 따라 홍수, 범람, 저수지 월류 등 다양한 형태의 수리시설물 피해가 급증하는 추세이다. 특히 농업용 저수지는 농촌 지역 물 관리의 핵심 기반시설로서 집중호우 시 수위 상승에 취약하여, 재해 발생 시 인명 및 재산 피해로 직결될 가능성이 높다. 이러한 위험성을 감소시키기 위해, 농업용 저수지 저수위를 예측하는 다양한 연구가 수행 중이다.
그러나, 저수위 예측에 있어, 핵심자료인 예보강우량의 정확도 문제와 계측자료의 결측 및 이상치 등으로 인해, 예측 지연현상(Lag) 및 예측 성능 저하 등의 문제가 발생하는 등 저수위 예측의 불확실성을 초래하고 있다. 이에 본 연구는 예보강우량 정확도 향상 기반의 유입량 예측을 활용하여 저수율을 예측하는 방법론을 제안한다. 본 방법론은 예보강우량을 보정함으로써 입력자료의 품질을 향상시키고, 이후 개선된 예보강우량을 활용해 유입량을 예측 후 이를 저수량과 합산하여 저수율로 변환하는 방법을 구축하여 선행연구의 한계를 보완하였다. 예측 모델은 머신러닝(XGBoost 등)을 기반으로 구축되었으며, 1, 2, 3, 6시간 후 저수율 예측을 대상으로 성능을 검증하였다.
연구 결과, 보정된 예보강우량을 사용한 경우, 저수율 예측 성능이 크게 향상되었으며, 또한, 강우 이벤트에서도 전반적으로 우수한 성능을 확인하였다. 본 연구는 선행 연구에서 다루지 못했던 예보강우량 정확도 향상, 유입량 기반 간접 저수율 예측, 계측자료 결측치 대치 등을 통합적으로 수행하였으며, 저수지 운영의 안정성과 예측 신뢰도 향상에 기여할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In recent years, Korea has experienced an increase in damage to agricultural hydraulic facilities due to the intensification of abnormal climate conditions and the frequent occurrence of extreme weather events such as typhoons and localized heavy rainfall. These short-duration, high-intensity rainfall events often lead to rapid inflows, resulting in flooding, overtopping, and other hydraulic failures in agricultural reservoirs. Agricultural reservoirs, which serve as key water management infrastructures in rural areas, are particularly vulnerable to sudden rises in water level, thereby posing significant risks to both human safety and property. Consequently, various studies have been conducted to predict reservoir water levels for disaster prevention and efficient water management.
However, reservoir water level prediction still faces considerable uncertainty due to the low accuracy of short-term rainfall forecasts—one of the most critical input datasets—and the presence of missing values and anomalies in monitoring data. These issues often cause prediction lag and degraded model performance. To address these limitations, this study proposes a novel methodology that predicts reservoir storage based on inflow forecasting driven by improved rainfall forecast accuracy. The proposed approach first enhances the quality of input data by correcting forecast rainfall, then predicts inflow using the improved rainfall information, and finally combines the predicted inflow with reservoir storage to estimate reservoir storage rate. This inflow-based indirect prediction framework compensates for the limitations of previous direct prediction approaches. The prediction model was developed using machine learning techniques, including XGBoost, and its performance was evaluated for 1-, 2-, 3-, and 6-hour ahead reservoir storage forecasts.
The results indicate that the incorporation of corrected forecast rainfall significantly improves reservoir storage prediction accuracy. Moreover, the model demonstrated robust performance during multiple rainfall events. This study integrates key components—forecast rainfall accuracy enhancement, inflow-based indirect reservoir storage prediction, and imputation of missing hydrological data—that have not been sufficiently explored in previous research. The findings suggest that the proposed approach can contribute to improving the stability of reservoir operation and increasing the reliability of short-term water management under extreme weather conditions.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구목적 1
• Ⅱ. 연구방법 2
• 2.1 연구대상지 2
• 2.2 수위 계측자료 결측치 대치(Imputation) 3
• 2.3 예보강우량 자료 정확도 향상 방안 7
• 2.4 eXtreme Gradient Boosting(XGB) 기반 저수율 예측 모형 개발 10
• Ⅲ. 결과 및 고찰18
• 3.1 수위 계측자료 결측치 대치(Imputation) 결과 18
• 3.2 예보강우량 정확도 향상 결과 21
• 3.3 저수율 예측 모델 정확도 평가 35
• Ⅳ. 결론 47
• □ 참고문헌 49
• □ Abstract 51