AHP 기반의 인공신경망 모델을 활용한 지하수 인공함양 후보지 선정 방안 = Site Selection Method by AHP-based Artificial Neural Network Model for Groundwater Artificial Recharge

국문 초록 (Abstract)

최근 우리나라에서 발생되는 국지적 가뭄은 지하수의 효율적 활용에 대한 관심을 증대시키고 있으며, 잉여의 물을 지층 내에 저장하는 지하수 인공함양 기술 도입의 필요성이 대두되고 있다. 본 연구에서는 충청남도내 퇴적 분지의 지하수 인공함양 대상지로의 가능성을 평가하기 위하여 1차 인자 3개, 2차 인자 7개로 구성된 AHP 모델을 개발하였으며, 10개 후보지에 적용한 결과를 토대로 인공신경망 모델을 구축하였다. AHP 모델은 후보지가 추가될 경우 수학적인 연산 과정에 의하여 최종 평가점수가 변하게 되나, 인공신경망 모델은 후보지별 고정적인 최종평가 점수를 제시하게 되어 인공함양 적지 선정 기준으로 사용할 수 있다. 충청남도 지역의 연구 결과, 인공신경망 모델의 최종 평가점수가 약 1.5점 이하인 경우에는 인공함양 후보지로서의 가능성이 낮은 것으로 평가되었다. 향후 타 지역에 대한 추가 연구 및 현장 조사를 통해 다양한 자료 군을 확보한다면 보다 보편적으로 적용할 수 있는 인공신경망 모델 도출이 가능할 것이다.

다국어 초록 (Multilingual Abstract)

Local drought in South Korea has recently increased interest in the efficient use of groundwater and then induces a growing need to introduce artificial recharge of groundwater that stores water in sedimentary layer. In order to evaluate the potential artificial recharge sites in the alluvial basins in Chungcheongnamdo province, an AHP (Analytical hierarchy process) model consisting of three primary and seven secondary factors was developed in this study. In the AHP model, adding candidate sites changes final evaluation score through a mathematical calculation process. By contrast ANN (Artificial neural network) model always provides an unchanged score for each candidate area. Therefore, the score can be used as a selection criterion for artificial recharge sites. It is concluded that the possibility of artificial recharge is relatively low if the score of the ANN model is less than about 1.5. Further studies and field surveys on the other regions in Korea will lead to draw out a more applicable ANN model.

참고문헌 (Reference)

1 문상호, "청원-충주지역 수막재배용 지하수 사용량 및 배출량 분석" 대한지질공학회 22 (22): 387-398, 2013

2 오세형, "제주도 한천유역 지하수 모델개발을 통한 인공함양 평가" 한국지하수토양환경학회 16 (16): 34-45, 2011

3 Saaty, T.L., "The Analytic Hierarchy Process: Planning, Priority Setting, Resources Allocation" McGraw-Hill 1980

4 Sun, Y., "Technical note: Application of artificial neural networks in groundwater table forecasting - a case study in a Singapore swamp forest" 20 : 1405-1412, 2016

5 Ramu, V.M., "Site suitability analysis for artificial recharge of groundwater using GIS and remote sensing techniques: A study of mandya district, Karnataka, India" 2 (2): 10-22, 2015

6 MOLIT, "National Master Plan of Groundwater Management (2017-2026)" 168-, 2017

7 Singh, L.K., "Multi-criteria analysis and GIS modeling for identifying prospective water harvesting and artificial recharge sites for sustainable water supply" 142 (142): 1436-1456, 2017

8 MWR, "Manual of Artificial Recharge of Ground Water"

9 Saaty, T.L., "How to make a decision: the analytic hierarchy process" 24 (24): 19-43, 1994

10 Gdoura, K., "Geospatial and AHP-multicriteria analyses to locate and rank suitable sites for groundwater recharge with reclaimed water" 104 (104): 19-30, 2015

11 Nasiri, H., "Determining the most suitable areas for artificial groundwater recharge via an integrated PROMETHEE II-AHP method in GIS environment (case study: Garabaygan Basin, Iran)" 185 (185): 707-718, 2013

12 Yaseen, Z.M., "Artificial intelligence based models for stream-flow forecasting: 2000-2015" 530 : 829-844, 2015

13 Kaveh Ostad-Ali-Askari, "Artificial Neural Network for Modeling Nitrate Pollution of Groundwater in Marginal Area of Zayandeh-rood River, Isfahan, Iran" 대한토목학회 21 (21): 134-140, 2017