인공지능(AI)은 방대하고 이질적인 환경 데이터 세트에서 직접 학습하고 프로세스 기반 및 통계 모델로는 쉽게 포착할 수 없는 패턴을 밝혀내는 강력한 새로운 도구를 제공했습니다. 시계열 데이터에서 긴 시간적 종속성을 포착하는 능력으로 잘 알려진 장단기 메모리(LSTM) 모델은 수문 모델링에서 가장 널리 적용되는 머신러닝(ML) 방법이 되었으며, 유량, 퇴적물, 용존 산소 및 영양소 예측에서 뛰어난 성능을 보여주었습니다. 7 , 8 , 9 , 10 순환 신경망을 넘어, 심층 연산자 네트워크(DeepONet)와 같은 연산자 학습 프레임워크는 유역 간 모델 전이성을 향상시키고 앙상블 시뮬레이션을 활용하는 데 유망한 것으로 나타났습니다. 11 자연어 처리를 위해 개발된 어텐션 기반 트랜스포머 아키텍처는 12 여러 과학 분야에서 우수한 성능을 입증했으며, 현재 강우-유출 및 수질 예측에도 적용되고 있습니다. 13 , 14 이러한 순환, 연산자 및 어텐션 기반 모델은 현재 수문학 및 수질 모델링을 발전시키고 있는 주요 딥러닝 아키텍처 제품군을 나타냅니다.