도시지역의 수재해 예측을 위한 강우시나리오의 불확실성 분석 (Uncertainty Analysis of Rainfall Scenarios for the Prediction of Flood Disasters in Urban Areas)

서지정보

· 발행기관 : 한국방재학회
· 수록지 정보 : 한국방재학회논문집 / 19권 / 2호 / 255 ~ 264페이지
· 저자명 : 금호준, 김현일, 김병현

초록

수재해 분야에서 데이터 분석의 중요성이 커짐에 따라 수리학적 인자를 고려한 데이터 기반 해석 모형이 홍수해석을 위한 하나의 대안으로 대두되고 있다. 데이터 기반 모델링은 실측 또는 다양한 가상 시나리오에 따른 복잡하고도 광범위한 양의 자료를 필요로 한다. 따라서 대량의 입력 데이터를 효율적으로 활용하여 정확한 결과를 얻기 위한 사전 데이터 처리 기법이 필요하다. 본 연구에서는 다양한 시나리오에 대한 사전 자료처리 기법으로 Gamma Test를 적용하여 도시지역에 대해 효율적인 수재해 예측을 하고자 하였다. 이를 위해, 침수피해 이력이 있는 부산시의 대저, 다대 지구를 대상으로 확률강우량을 산정하고 Huff 분포로 SWMM에 입력하여 맨홀의 월류량을 산정하였다. 확률강우량과 총 월류량에 대한 시계열 데이터 조합에 대하여 Gamma Test로 사전 불확실도 및 민감도 분석을 수행하고, 상관성 분석(Gamma, Gradient, Standard error, V-ratio)을 통해 시나리오별 자료 길이와 형태에 대한 최적의 조합을 사전에 선정하는 방법을 제시하였다. 제안 방법은 모형의 반복적인 수행을 통해 결과를 도출하는 기존 방법에 비해 시간과 노력을 절약하고 효율적으로 최적 입력자료를 선정할 수 있는 정량적 기준을 보여준다.

영어초록

As data analysis becomes increasingly important in the field of flood disasters, a data-based analytical model that considers hydraulic factors has emerged as an alternative to flood analysis. Data-driven modeling requires complex and extensive data that depend on actual and diverse hypothetical scenarios. Thus, preliminary data processing is required to utilize extensive input data efficiently and obtain accurate results. In this study, a gamma test was applied as a preliminary data processing technique to the efficient prediction of flood disasters in urban areas. Specifically, probability rainfall was calculated for the Daejeo and Dadae districts in Busan, and manhole overflow was estimated by inputting relevant data into a storm water management model (SWMM) with a Huff distribution. A preliminary uncertainty and sensitivity analysis was performed with the gamma test using combined time-series data for probability rainfall and manhole overflow, and then an optimal combination of data was selected for a simulation using correlativity analysis (Gamma, Gradient, Standard error, and V-ratio). The proposed method employs quantitative criteria for efficient selection of optimal input data, thus saving a greater amount of time and effort than when using the traditional method that derives results from repeated execution of models.

참고자료

· 없음