Earticle

초록

영어

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.

한국어

기후변화로 인해 집중호우의 발생 빈도 및 강도가 증가하였고 지역별 강수량, 유출량 및 증발산량을 변화시켜 자연재난으로 인한 피해 범위와 규모도 증가하고 있다. 수자원 관리를 위해 주로 사용되는 물리 모형은 입력자료의 구축이 어렵고 사용자에 따라서 신뢰할 수 없는 결과가 도출될 수 있다. 이러한 문제점을 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 제안하기 위해 태백, 도계, 신기 관측소에 각각 9시간, 8시간, 6시간을 지체시간으로 적용하여 LSTM 모델에 학습했 다. 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 도달시간이 관측자료와 유사하게 모의되어 수자원 분야에서의 인공지능 모델 활용성이 높을 것이라 기대된다.

목차

Abstract
Ⅰ. 서론
1. 연구배경
Ⅱ. 이론적 배경
1. LSTM(Long Short-Term Memory)
Ⅲ. 연구방법
1. 연구 내용 및 범위
2. 대상유역 현황 및 입력자료구축
3. 모델 평가지표
Ⅳ. 분석결과
1. LSTM 모델 학습(Training) 및 검증(Validation) 결과
Ⅴ. 결론
감사의 글
References
국문초록
Profiles

키워드

저자

• Sung Wook An [ Graduate School of Disaster Prevention, Kangwon National University, 346, Jungang-ro, Samcheok-si, Gangwon-do, Korea ] The 1st author
• Byung Hyun Lee [ AI for Climate & Disaster Management Center, Kangwon National University, 346, Jungang-ro, Samcheok-si, Gangwon-do, Korea ]
• Weon Hyouk Jun [ JBSAFETY, 125, Dangwan-gil, Wonju-si, Korea ]
• Byung Sik Kim [ Department of Artificial Intelligence & Software/Graduate School of Disaster Prevention, Kangwon National University, 346, Jungang-ro, Samcheok-si, Gangwon-do, Korea ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국위기관리논집 [Crisisonomy]

• 간기

  월간

• pISSN

  2466-1198

• eISSN

  2466-1201

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 350 DDC 351