유해 조류 대발생은 전국 각지의 인공호소나 하천에서 다발적으로 발생하며, 경관을 해치고 수질을 오염시키는 등 수자원에 부정적인 영향을 미친다. 본 연구에서는 인공호소에서 발생하는 유해 조류 대발생을 예측하기 위해 심층학습 기법을 이용하여 예측 모델을 개발하였고, 실제 데이터와 비교해 모델의 타당성을 검증하였다. 대상 지점은 대청호 추동 지점으로 선정하였고, 2011년 1월부터 2019년 12월까지 측정된 수질, 기상, 수문 자료를 입력 자료를 이용해 학습용 데이터세트를 구축하였다. 대청호는 금강유역 중류에 위치한 댐으로, 약 150만명에 달하는 급수 인구수를 유지 중이기에 유해 남조 대발생 관리가 매우 중요한 장소이다. 예측에 사용할 심층학습 도구는 인공신경망을 기반으로, 두 개의 은닉층을 가진 DNN을 사용하였다. 총 3000 학습 epoch 동안 최적의 가중치를 계산하여, 매 반복마다 그 결과를 저장하였다. 모델 성능의 타당성은 예측과 실측 데이터 간의 상관관계를 R2, NSE, RMSE를 통해 산출하여 검증하였다. 모델에서 사용된 활성함수는 모두 ReLU였다. 모델 성능 평가 결과 R2는 학습 0.66, 검증 0.57이었고, NSE는 학습 0.26, 검증 0.05, RMSE는 학습 0.88, 검증 0.94로 나타났다. 은닉층의 개수 여부에 따른 학습 효율을 비교하고자 은닉층 개수를 한 개 추가한 모델을 준비해 두 결과를 비교하였다. 은닉층 추가 결과, 7646번째 주기에서 활성함수 linear, relu, elu, linear가 순서대로 사용되었으며, 학습 R2가 0.75, 검증 R2가 0.49로 나타나 과적합이 의심되었다. 이러한 결과는 은닉층의 개수가 많을수록 모델 학습에 소요되는 시간이 증가할 뿐만 아니라, 과적합에 의해 모델의 신뢰도가 하락할 수 있다는 것을 의미한다.