Earticle

초록

영어

Climate change has increased heavy rainfall frequency and intensity, leading to rising flood damage and expanding natural disaster impacts due to urbanization. This has created demand for accurate runoff estimation and flood analysis technologies. Traditional physical models require complex data and user expertise, while AI models using observational data, particularly LSTM-based prediction models, are gaining attention. LSTM and Bi-LSTM models were applied to predict flood levels at Jamsu Bridge on the Han River. The models were trained using 10-minute rainfall data from eight Korea Meteorological Administration AWS stations and Paldang Dam discharge data from the Han River Flood Control Office. Time delays of 2 hours were applied to Gangdong, Guri, and Paldang Dam data, while 1-hour delays were applied to Seongdong, Gwangjin, Seocho, and Songpa stations. By comparing model prediction results, researchers proposed methods to improve flood level prediction accuracy.

한국어

기후변화로 인해 집중호우의 빈도와 강도가 증가하면서 홍수 피해가 매년 늘어나고 있다. 지역별 강수량 과 유출량의 변화, 도시화로 인한 불투수면적 증가로 자연재난 피해 범위와 규모도 확대되었다. 이러한 변화로 인해 정확한 유출량 산정 방법과 정밀한 홍수 분석 기술의 필요성이 커지고 있다. 기존 물리 모델은 입력 자료 구축이 복잡하고 사용자의 높은 이해도가 필요하며 매개변수 산정 등에서 사용자의 주관이 개입될 수 있다. 이에 반해 인공지능 모델은 관측자료만을 이용하고 이 중 LSTM 기반 예측 모델이 각광받고 있으며, 한강 잠수교 홍수위 예측을 위해 LSTM과 Bi-LSTM 모델을 적용하였다. 10분 단위 강우량과 팔당댐 방류량 데이터를 활용하여 모델을 학습시켰다. 기상청 AWS 관측소 8개 지점에서 강우량을 수집하고, 한강홍수통제소에서 잠수교 수위와 팔당댐 방류량을 수집하였다. 강동, 구리, 팔당댐 에는 2시간, 성동, 광진, 서초, 송파에는 1시간 지체시간을 적용하였다. 각 모델의 예측 결과를 비교·분석 하여 홍수위 예측의 정확성을 높이는 방안을 제시하였다.

목차

Abstract
Ⅰ. 서론
1. 연구배경
Ⅱ. 이론적 배경
1. LSTM(Long Short-Term Memory)
2. Bi-LSTM(Bidirectional-Long Short-Term Memory)
Ⅲ. 연구방법
1. 연구 내용 및 범위
2. 입력자료구축
3. 모델 평가지표
Ⅳ. 분석결과
1. 한강 잠수교 홍수위예측모델 학습(Training) 및 검증(Validation) 결과
2. 한강 잠수교 홍수위예측에 대한 토의
Ⅴ. 결론
감사의 글
References
국문초록

키워드

저자

• Sung Wook An [ Ph.D Student, Department of Graduate School of Disaster Prevention, Kangwon National University, Samcheok 25913, Korea ] The 1st author
• Han Min Cho [ Managing Director, Korea Engineering Consultants Corporation, 131611, Korea ]
• Byung Hyun Lee [ Adjunct professor, Department Electronic and AI System Engineering, Kangwon National University, Samcheok 25913, Korea ]
• Byung Sik Kim [ Professor, Department of Department Electronic and AI System Engineering/Graduate School of Disaster Prevention, Kangwon National University, Samcheok 25913, 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