제주도 동부지역의 지하수위 예측을 위한 머신러닝 기법의 적용 = Application of Machine Learning Methods for Groundwater Level Forecasting in the eastern region of Jeju Island

국문 초록 (Abstract)

본 연구에서는 제주도 동부 지역의 지하수위 예측을 위한 머신러닝 모델로서 ANN, ELM, LSSVR, LightGBM을 적용하였으며, 모델 평가지표와 도식적 비교를 통해 적용 모델의 지하수위 예측 성능을 평가하였다. 자기상관성이 강한 지하수위 예측에 있어서 비교 모델들은 1일 예측에서 모두 매우 우수한 예측 성능을 나타낸 반면, 7일 예측에서는 예측 성능이 저하되었으며, 비교 모델들간 예측 성능은 거의 비슷하게 나타났다. 또한, 해안지역의 경우 조위변동의 영향으로 인하여 내륙지역보다 지하수위 예측 성능이 다소 저하됨을 확인할 수 있었다. 자기상관성이 강한 지하수위 예측에 있어서 예측 결과가 비슷하 게 나타날 경우 ANN, ELM 등과 같이 상대적으로 복잡한 상세 튜닝을 필요로 하지 않는 머신러닝 모델의 적용성이 상대적으로 우수할 것으로 판단된다. 따라서 머신러닝 모델을 이용한 지하수위 예측은 제주도의 지하수자원을 위한 효과적인 관리도구가 될 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

This study applies ANN, ELM, LSSVR, and LightGBM as machine learning models for groundwater level forecasting in the eastern region of Jeju Island, South Korea. The groundwater level forecasting performance of the applied models is evaluated through model evaluation indices. In forecasting the groundwater levels with strong autocorrelation, the comparative models all show excellent performance in the 1-day forecasting. In contrast, the forecasting performance deteriorates in the 7-day forecasting. The results also show that the forecasting performances among the comparative models are almost similar. In addition, it is confirmed that in coastal areas, groundwater level forecasting performance deteriorates compared to inland areas due to the influence of tidal variation. When forecasting results are similar in forecasting the groundwater levels with strong autocorrelation, models that do not require relatively complex detailed tuning, including ANN and ELM, can have excellent applicability. Therefore, groundwater level forecasting using machine learning models can be an effective tool for groundwater resources in Jeju Island.