한국농어촌공사에서는 전국 17,600여개의 농업용저수지 중 19%인 3,300여개의 저수지를 관리하고 있으며, 이는 전국 총유효저수량(27.76×10⁹톤)의 89%(2.46×10⁹톤)에 해당된다. 농업용저수지의 수질관리를 목적으로 많은 종류의 수질모델이 사용되고 있는데, 농업용저수지 수질개선사업 실시설계와 같이 수질개선 공법별 예상되는 수질을 정확히 예측하여 공사비를 산출해야 하는 경우, WASP, CE-QUAL-W2, GEMSS와 같은 복잡한 모델을 사용하여 수질을 정확히 예측할 필요가 있다. 반면에 약 3,300여개의 농업용저수지 관리하는 실무부서에서는, 각 농업용저수지의 관리방법별 예상되는 저수지수질을 예측해야 하는 경우가 많은데, 기존 모델은 모델 구축 및 구동을 위해 너무 많은 입력자료, 시간 및 전문적인 지식을 필요로 하기 때문에 수질예측모델 적용에 많은 어려움이 있다. 그러므로 본 연구에서는 농업용저수지 관리를 위해 수질모델에 대한 전문적인 지식이 부족한 일선 실무자들도 쉽고 빠르게 구축 및 구동이 가능한 모델을 개발하고자 한다. 수평 및 수직방향의 수질차이를 조사하기 위해 한국농어촌공사에서 관리하고 있는 저수지를 비지도학습법 인공신경회로망인 self-organizing map(SOM)을 이용해 3가지 유형으로 분류하였으며, 각 유형별 1～2개의 저수지를 선정하여 각 저수지별 수평방향으로 3지점, 수직방향으로 3지점, 총 9지점에 대해 수질을 조사하였다. 그 결과 저수지 면적(평균 12.2ha)이 작고 수심(평균 4.0m)이 깊지 않아 일부지점 및 시기를 제외하고는 대부분 통계적으로 유의한 차이를 보이지 않았으며, 이상의 결과를 바탕으로 간단한 저수지 수질모델개발을 위해 0차원모델(완전혼합모델)형태의 모델을 개발하였다. 개발된 농업용저수지 수질모델(ARSIM, Agricultural Reservoir Simulation Model)은 DO, COD, T-N, NH₄-N, NO₃-N, T-P, PO₄-P, Chl-a를 모의할 수 있으며, 수질 항목 간 상호관계 및 반응식은 대부분 WASP 것을 이용하였으며, Runge Kutta 4차 방법으로 미분방정식을 계산하였다. 입력자료로 저수지 제원(수표면적, 유효저수량), 일별 기상자료, 유입하천의 유량 및 수질, 초기 저수지 수질자료가 필요하다. 기상자료는 기상 DB와 연결하여 관측소와 년도만 선택하면 자동 입력되도록 하였고, 수질 항목별 모델결과는 그래프 및 표를 이용해 쉽게 확인할 수 있도록 하였다. 사용되는 모델 파라메타의 의미와 평균값 및 범위를 마우스 이동을 통해 쉽게 확인할 수 있도록 하였으며, 쉽고 빠른 모델 보정을 위해 유전자 알고리즘(Genetic Algorithm)을 이용한 자동 보정기능을 추가하였다. 개발된 농업용저수지 모델의 적용성을 분석하기 위해 농업용저수지 유형별로 1개의 저수지를 선정하여 총 3개의 저수지에 대해 실측한 유입하천 및 저수지 유량 및 수질자료를 이용해 모델을 구동한 결과 짧은 시간 내에 수질모델 구축 및 구동이 가능하였으며, COD, T-N, T-P에 대해 실측값과 모의값을 비교한 결과 비슷한 경향을 나타내었다. 농도가 높아 연중 저수지 수질변화가 큰 3그룹의 저수지보다 농도가 낮고 연중수질변화가 적은 1그룹의 저수지에서 실측값과 모의값이 더 잘 일치하였다.