하천 유사 농도 예측을 위한 머신러닝 최적화

퇴적물 농도의 수직 분포는 유사 이동 수리학의 핵심 요소로, 하천 시스템의 유사량을 추정하는 데 직접적인 영향을 미칩니다. 따라서 이 분포를 정확하게 특성화하는 것은 수리학 분야의 중요한 과제로 남아 있습니다. 본 연구는 신뢰할 수 있는 예측을 위해 지능형 모델링 기법을 활용했습니다. 이 연구에서는 ORELM, ORELM-HOA, GPR, GPR-HOA, GMDH-ANFIS, GMDH-ANFIS-HOA의 여섯 가지 모델링 접근 방식을 사용하여 상대 퇴적물 농도 분포(C/Ca)를 예측했습니다. 특히, 메타휴리스틱 최적화 기법(하마 최적화 알고리즘, HOA)을 머신러닝 프레임워크에 통합하여 예측 정밀도 향상을 평가했습니다. 분석 결과, 메타휴리스틱 최적화 통합은 GMDH-ANFIS, ORELM, GPR 프레임워크의 예측 정확도를 크게 향상시키는 것으로 나타났습니다. GMDH-ANFIS-HOA 모델은 훈련 단계에서 RMSE 0.0434, R2 0.9747, 테스트 단계에서 RMSE 0.0424, R2 0.9727을 기록하며 가장 높은 예측 정확도를 달성했습니다. GPR-HOA 모델이 그 다음으로 우수한 성능을 보였습니다. 민감도 분석에서는 상대 수심(y/D)이 모델 정확도에 가장 지배적인 영향을 미치는 요인으로 확인되었습니다. 최적화된 GMDH-ANFIS-HOA 모델은 관개 수로, 하천 공학 프로젝트 및 퇴적물 관련 환경 평가의 설계 및 관리를 개선하는 데 기여할 수 있는 신뢰할 수 있고 효율적인 계산 도구를 제공합니다.