수계 상류 관측 수위자료를 이용한 하류 홍수위 예측기법 (Forecasting Technique of Downstream Water Level using the Observed Water Level of Upper Stream)

서지정보

· 발행기관 : 응용생태공학회
· 수록지 정보 : Ecology and Resilient Infrastructure / 7권 / 4호 / 345 ~ 352페이지
· 저자명 : 김상문, 최병웅, 이남주

초록

최근 하천범람에 따른 피해를 최소화하기 위해서는 대피를 위한 선행시간을 확보하는 것이 매우 중요하다. 본 연구에서는현재 하천에서 측정되고 있는 수위 관측 자료를 이용하여 이상호우 발생시 하류의 수위를 예측하였다. 수위 예측을 위해 다중회귀모형및 인공신경망 모형을 섬강시험유역에 적용하였다. 다중회귀모형 및 인공신경망 모형의 학습에는 섬강시험유역의 2002년부터2010년까지의 수위 관측 자료를 이용하였으며, 학습된 모형을 이용하여 발생 가능한 수위를 예측하였다. 모의 결과 인공신경망수위예측모형의 결정계수는 0.991 - 0.999로 나타났으며, 다중회귀수위예측 모형의 결정계수는 0.945 - 0.990로 나타나 인공신경망을 이용한 수위예측모형이 다중회귀모형보다 좀 더 나은 예측 결과를 나타내는 것을 확인할 수 있었다. 본 연구결과는 향후하천에서 선행시간을 확보한 홍수 예보 구축에 활용할 수 있을 것으로 판단된다.

영어초록

Securing the lead time for evacuation is crucial to minimize flood damage. In this study, downstream water levels for heavy rainfall were predicted using measured water level observation data. Multiple regression analysis and artificial neural networks were applied to the Seom River experimental watershed to predict the water level. Water level observation data for the Seom River experimental watershed from 2002 to 2010 were used to perform the multiple regression analysis and to train the artificial neural networks. The water level was predicted using the trained model. The simulation results for the coefficients of determination of the artificial neural network level prediction ranged from 0.991 to 0.999, while those of the multiple regression analysis ranged from 0.945 to 0.990. The water level prediction model developed using an artificial neural network was better than the multiple-regression analysis model. This technique for forecasting downstream water levels is expected to contribute toward flooding warning systems that secure the lead time for streams.

참고자료

· 없음