농업 저수지의 저장률 예측은 농업 가뭄과 같은 재난에 대한 선제적 대응에 도움이 되며, 안정적인 농업용수 공급을 유지하기 위한 계획 수립에도 유용하다. 본 연구에서는 농업 저수지의 월별 저장률을 예측하기 위해 SVM, RF 및 ANN 기계학습 알고리즘을 시험하였다. 30년(1991–2022) 동안 관측된 저장률을 라벨로 설정하고, 강수와 증발산을 특징으로 하여 1–3개월 저장률 예측을 위한 9개의 데이터셋을 구성하였다. 전체 데이터의 70%를 학습 및 검증에 사용하고, 나머지 30%를 테스트에 사용하였다. 1개월 저장률 예측에서는 SVM, RF 및 ANN 모든 알고리즘이 R2 값이 0.8 이상으로 매우 높은 신뢰도를 보였다. 저장률을 2개월 및 3개월로 예측한 결과, ANN과 SVM 알고리즘은 평균 R2가 0.64~0.69로 비교적 합리적인 설명력을 보였으나, RF 알고리즘은 큰 일반화 오차를 나타냈다. 학습 시간 비교 결과, 1–3개월 전 기간에 걸쳐 학습 속도는 SVM, RF, ANN 순으로 가장 빨랐다. 전반적으로 SVM 및 ANN 알고리즘의 학습 성능이 RF보다 우수하였다. SVM 알고리즘은 가장 낮은 오차율과 가장 짧은 학습 시간을 보이며 가장 신뢰할 만하다. 본 연구의 결과는 기상 예측 데이터와의 연계를 통해 가능할 것으로 기대되는 현장 수자원 관리자들의 의사결정에 필요한 과학적 정보를 제공할 수 있을 것으로 예상된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.