KCI등재
극한홍수 대응 AI Surrogate 기반 홍수예측 기술
저자
발행기관
학술지명
차세대융합기술학회논문지(Journal of Next-generation Convergence Technology Association)
권호사항
발행연도
2024
작성언어
Korean
주제어
KDC
506
등재정보
KCI등재
자료형태
학술저널
수록면
215-222(8쪽)
제공처
본 논문에서는 이상강우 현상으로 기존에 경험하지 못한 홍수에 대응하기 위하여 AI Surrogate 기반의 홍수 예측 기술을 제안하였다. 최근 급격한 기후변화로 인한 태풍이나 국지성 호우, 돌발성 홍수 등 빈번한 발생 으로 대규모 홍수 피해를 초래하고 있는 실정이다. AI Surrogate 모델의 장점으로는 기존의 관측자료 기반의 AI 모델이 가지고 있는 관측소 설치 및 유지관리 비용을 절감할 수 있고, 경험하지 못한 강우량에 대한 대응 능력을 향상 할 수 있다. 따라서 우리는 기후변화 시나리오(SSP5-8.5)에서 제시한 약 30% 증가한 강우를 적용하여 극한 강우에 따른 유출량을 공학적 방법으로 생성했다. 이렇게 생성된 자료를 활용하여 우리 관측자료 부족으로 인한 인공지능 모델의 한계를 극복하고 현재 전 산업분야에서 이슈가 되고있는 가상 시뮬레이터 데이터를 활용한 AI Surrogate 모델을 수자원 분야에 적용하였다. 연구방법으로는 AI 학습자료를 생성하기 위하여 2011년~2022년까 지 수문 관측자료를 사용하였고 2011년, 2012년, 2020년 강우자료에 30%를 증가시킨 극한강우 학습자료를 생성하 였다. AI 학습데이터 셋을 생성 후 LSTM 모델을 적용한 유출량 예측 AI-Surrogate 모델을 개발하였다. AI 학 습자료 구성은 입력데이터의 80%를 훈련용 데이터로 하고 나머지 20%를 모델의 정확도 검증데이터 그리고 2020 년 자료를 테스트자료로 구성하였다. 개발된 모형의 정확성을 평가한 결과 30% 증가된 강우데이터로 학습한 AI-Surrogate 모델의 R²는 0.91028, RMSE는 0.01533이고 관측자료만으로 구성된 모델의 R²는 0.89582, RMSE 는 0.02038이었다. 실험결과를 통해 이상강우를 적용한 모델의 정확도가 우수한 결과를 도출하였고 유량은 강우에 강한 상관관계를 가지고 있기에 LSTM의 하이퍼파라미터 옵션에 상대적으로 덜 영향을 받고 있음을 알 수 있다.
더보기Recently, large-scale flood damage has happened due to frequent occurrences of typhoons, local heavy rains, and flash floods due to rapid climate change. In order to respond to floods that have never been experienced before because of such abnormal rainfall events, this paper proposes the new flood prediction method based on AI Surrogate. We could cope with the limitations of the AI model due to a lack of observation information by using an approximately 30% increase in rainfall suggested by the weather change scenario (SSP5-8.5) to generate runoff due to extreme rainfall using an engineering method and have utilized the AI Surrogate model on the basis of the virtual simulator data in the water resources field. To derive from the AI learning data, hydrological observation information from 2011 to 2022 was applied. In addition, extreme rainfall learning data were created by increasing the rainfall data of 2011, 2012, and 2020 by 30%, and an AI-Surrogate model for runoff prediction using the LSTM model was developed. As a result of evaluating the accuracy of the developed model, the R² of the AI Surrogate model aquired 30% increased rainfall data was 0.91028 and the RMSE was 0.01533, and the R² of the model consisting of only observation data was 0.89582 and RMSE of 0.02038. The experimental results showed that the accuracy of the model with abnormal rainfall was excellent and that flow rate had a strong correlation with rainfall and was relatively less affected by the hyperparameter options of LSTM.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)