머신러닝을 이용한 삼척 오십천 유역의 홍수유출모의 (A Study on Simulation of Flood Discharge in Samcheok Osipcheon Basin Using Machine Learning)

서지정보

· 발행기관 : (사)위기관리이론과실천
· 수록지 정보 : Crisisonomy / 20권 / 7호 / 15 ~ 23페이지
· 저자명 : 안성욱, 이병현, 전원혁, 김병식

초록

기후변화로 인해 집중호우의 발생 빈도 및 강도가 증가하였고 지역별 강수량, 유출량 및 증발산량을변화시켜 자연재난으로 인한 피해 범위와 규모도 증가하고 있다. 수자원 관리를 위해 주로 사용되는물리 모형은 입력자료의 구축이 어렵고 사용자에 따라서 신뢰할 수 없는 결과가 도출될 수 있다. 이러한문제점을 보완하기 위해 수자원분야에서 인공지능(Artificial Inteligence, AI)의 활용도가 높아지고 있다.
따라서 본 연구에서는 삼척 오십천을 대상유역으로 하여 삼척 오십천 하구의 홍수유출 모의를 진행했다.
홍수유출모의에 있어 삼척 오십천교의 1시간 단위 관측 유출량및 기상관측소 5개 지점(태백, 도계, 신기, 삼척, 동해)의 강우자료를 수집했다. 또한 관측 유출량을 잘 반영할 수 있는 인공지능 모델을 제안하기위해 태백, 도계, 신기 관측소에 각각 9시간, 8시간, 6시간을 지체시간으로 적용하여 LSTM 모델에 학습했다. 2014년 8월 기간을 모델에 학습(Train)하여 2011년 7월, 2012년 7월, 2020년 8월을 모델 검증(Validation) 에 이용했다. 그 결과 2011년 7월, 2012년 7월, 2020년 8월 NPE는 0.03, 0.2, 0.2로 첨두홍수량과 도달시간이관측자료와 유사하게 모의되어 수자원 분야에서의 인공지능 모델 활용성이 높을 것이라 기대된다.

영어초록

Climate change increases the frequency and intensity of heavy rainfall events, runoff and evapotranspiration, and expands the range and damage caused by natural hazards. Physical models typically used for water resource management are difficult to construct and, depending on the user. To remedy these problems, in this study, flood runoff was simulated at the Ohsipcheon River in Samcheok. In order to simulate the flood runoff, hourly observed runoff from the Ohsipcheon Bridge in Samcheok and rainfall data from five meteorological stations (Taebaek, Dogye, Singi, Samcheok, and Donghae) were collected. In order to propose an AI model that can reflect the observed runoff, we applied a lag time of 9, 8, and 6 hours to train the LSTM model at Taebaek, Dogye, and Singi stations, respectively. As a result, the NPEs for July 2011, July 2012 and August 2020 were 0.03, 0.2 and 0.2, respectively, and the simulated peak flow and arrival time were similar to the observed data, which is expected to play an important role in AI modeling in the field of water resources.

참고자료

· 없음