머신러닝을 이용한 홍수유출모의에 관한 연구 : -삼척 오십천 유역을 대상으로- = A study on simulation of flood discharge using LSTM-RNN - case of Samcheok Osipcheon basin -
저자
발행사항
춘천 : 강원대학교 방재전문대학원, 2024
학위논문사항
학위논문(석사)-- 강원대학교 방재전문대학원 : 도시환경재난관리전공 2024. 2
발행연도
2024
작성언어
한국어
주제어
발행국(도시)
강원특별자치도
형태사항
75 ; 26 cm
일반주기명
지도교수: 김병식
UCI식별코드
I804:42002-000000034144
소장기관
기후변화로 인해 집중호우의 발생 빈도 및 강도가 증가하였고 이로 인한 홍수 피해가 매년 증가하고 있다. 또한 지역별 강수량, 유출량 및 증발산량을 변화시켜 예외적이던 홍수 및 가뭄 등의 발생빈도와 강도가 증가하고 도시화로 인한 불투수면적의 증가로 유출률이 변화하여 자연재난으로 인한 피해 범위와 규모도 증가하고 있다. 이러한 변화는 정확한 유출량 산정 방법을 포함한 섬세한 홍수 분석 기술의 필요성을 의미한다. 그러나 다양한 유출량 산정 방법들의 정확한 적용에 있어 설계자나 전문가들 사이에 주관적 견해가 개입되기 쉽다. 수자원 관리를 위해 주로 사용되는 물리 모형은 입력자료의 구축이 어렵고 매개변수 산정공식의 선정 등 사용자의 높은 이해도가 필요하기 때문에 유출량 산정결과에 있어 과대 혹은 과소 산정으로 이어질 수 있는 문제가 있다. 이는 사용자에 따라서 신뢰할 수 없는 결과가 도출될 수 있고 하천 수공구조물의 설계와 치수안전성에 영향을 미치는 결과를 초래할 수 있다. 이러한 문제점을 보완하기 위하여 최근 수문자료의 길이가 늘어나면서 수자원분야에서 인공지능(Artificial Inteligence, AI)의 활용도가 높아지고 있다. 환경부(2020)에서는 AI 홍수예보 도입에 따라 홍수특보 지점이 75개 지점에서 223개 지점으로 확대될 예정이라고 밝혔으며 머신러닝(Machine Learning) 등 자료 기반 모형이 적극적으로 활용되고 있다. 따라서 본 연구에서는 삼척 오십천 홍수유출모의를 위해 머신러닝 모델을 이용했으며 2011~2020년 호우가 집중되는 7월, 8월, 9월 삼척 오십천교의 1시간 단위 관측 유출량과 인근 기상관측소 5개 지점(태백, 도계, 신기, 삼척, 동해)의 관측 강우자료를 수집했다. 또한 관측 유출량을 잘 반영할 수 있는 인공지능 모델을 제안하기 위해 태백, 도계, 신기 관측소에 각각 9시간, 8시간, 6시간을 지체시간으로 적용했다. 본 연구에서는 머신러닝 기반의 강우-유출 모의를 위한 독립변수로 관측강우만을 사용하였기 때문에 삼척 오십천 외 다양한 유역 및 미계측 유역에서의 활용성이 높을 것으로 판단되며 더 나아가 기후변화시나리오 기반의 미래 홍수량 산정 및 레이더 자료를 이용한 홍수특보에서도 활용성이 높을 것이라 기대된다.
더보기Climate change has led to an increase in the frequency and intensity of intense rainfall, and the resulting flood damage is increasing every year. In addition, changes in regional precipitation, runoff, and evapotranspiration have increased the frequency and intensity of exceptional floods and droughts, and the increase in impervious area due to urbanization has altered runoff rates, increasing the scope and magnitude of damage from natural disasters. These changes imply the need for sophisticated flood analysis techniques, including accurate runoff estimation methods. However, the accurate application of various runoff estimation methods is prone to subjective opinions among designers and experts. Physical models, which are often used for water resource management, have problems with over- or underestimation of runoff because they are difficult to construct input data and require a high level of understanding from the user, including the selection of parameterization formulas. This can lead to unreliable results depending on the user and affect the design and dimensional safety of river hydraulic structures. To compensate for these problems, the utilization of artificial intelligence (AI) in the water resources field is increasing as the length of hydrological data has recently increased. The Ministry of Environment (2020) stated that the number of flood warning points will be expanded from 75 to 223 with the introduction of AI flood forecasting, and data-based models such as machine learning are being actively utilized. In this study, a machine learning model was used to simulate the flood runoff of Samcheok Osipcheon Bridge, and the hourly observed runoff of Samcheok Osipcheon Bridge and the observed rainfall data of five nearby meteorological observatories (Taebaek, Dogye, Shingi, Samcheok, and Donghae) were collected in July, August, and September, when heavy rains were concentrated from 2011 to 2020. In addition, to propose an artificial intelligence model that can reflect the observed runoff well, 9, 8, and 6 hours were applied to Taebaek, Dogye, and Shingi observatories as lag times, respectively. Since this study used only observed rainfall as an independent variable for machine learning-based rainfall-runoff simulation, it is expected to be highly useful in various basins and unmeasured basins other than Samcheok Osipcheon, and furthermore, it is expected to be highly useful in future flood volume calculation based on climate change scenarios and flood special reports using radar data.
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)