Earticle

초록

영어

Extreme rainfall events associated with climate change have increased flood risks in urban streams, potentially causing road inundation and flooding in underground spaces. This study developed AI-based models for predicting flood-season water levels using rainfall and water level data and evaluated whether considering the rainfall–water level lag improves prediction performance. Cross-correlation analysis was conducted to determine the rainfall lag most strongly related to the current water level, and the identified lagged rainfall data were used as model inputs. LSTM and Bi-LSTM models were then developed and evaluated using statistical performance metrics. Rainfall from two hours earlier showed the strongest correlation with water levels. During the 2023 validation period, the LSTM and Bi-LSTM achieved NSE values of 0.72 and 0.75, respectively, while both models achieved an NSE of 0.69 in 2024. These results demonstrate the applicability of lag-adjusted AI models to urban stream flood-level prediction and flood response in underground spaces.

한국어

최근 기후변화로 인해 극한 호우가 증가하고 있으며, 이에 따라 도심지 하천의 범람 위험이 커지고 있다. 특히, 도심지 하천 범람은 도로 침수뿐만 아니라 지하철, 지하주차장 등 지하공간 침수로 이어질 수 있기 때문에 홍수기 수위를 사전에 예측하기 위한 기술 개발이 필요하다. 이에 본 연구는 강우량 및 수위 자료를 활용하여 도심지에 위치한 하천의 홍수기 수위를 예측하기 위한 AI 기반의 모형을 개발하고, 강우-수위간 지연시간 반영이 예측 성능에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 강우량와 수위 사이에 교차상관분석을 수행하여 현재 수위와 가장 높은 상관성을 보이는 강우 지연시간을 도출하였으며, 해당 지연시간을 반영한 강우량 자료를 입력변수로 구성하였다. 이후 RNN 기반 시계열 모형인 LSTM과 Bi-LSTM을 적용하였으며, 평가지표를 이용하여 모형별 예측 성능을 비교하였다. 분석 결과, 2시간 전의 강우 자료가 수위와 가장 큰 상관성을 보였으며, 2023년 Validation 기간에서 LSTM은 NSE가 0.72, Bi-LSTM은 0.75로 분석되었으며, 2024년 Validation 기간에서는 두 모형 모두 NSE가 0.69로 분석되었다. 본 연구의 결과를 통해 도심지 하천의 홍수위 예측, 지하공간 침수 대응, 재해 예방 등에 활용될 수 있을 것으로 판단된다.

목차

Abstract
Ⅰ. 서론
Ⅱ. 이론적 배경
2.1. LSTM (Long Short-Term Memory)
2.2. Bi-LSTM (Bidirectional-LSTM)
2.3. 평가지표
Ⅲ. 적용 및 분석
3.1. 대상지역
3.2. 모형 설계
3.3. 모형 적용 결과
Ⅳ. 결론
Acknowledgement
References
국문초록

키워드

저자

• Seung Cheol Choi [ AI for Climate & Disaster Management Center at Kangwon National University, 346 Jungang-ro, Samcheok-si, Gangwon-do, Korea ] The 1st author
• Young Jun Kim [ Cheong Myung Civil Engineering & Architecture Co. Ltd., Unit 1123, Tower B, 201, Songpa-daero, Songpa-gu, Seoul, Korea ]
• Hyeong Seok Noh [ Teuim Co. Ltd., 268, Hagui-ro, Dongan-gu, Anyang-si, Gyeonggi-do, Korea ]
• Seung Pil Lee [ Mugyeol Construction Co., Ltd., 36, Jochon 4-gil, Gunsan-si, Jeonbuk-do, Korea ]
• Jae Hyun Cha [ Sangju City Hall, 223, Sangsan-ro, Sangju-si, Gyeongsangbuk-do, Korea ]
• Byung Sik Kim [ Department of Advanced AI Engineering / Graduate School of Disaster Prevention at Kangwon National University, 346 Jungang-ro, Samcheok-si, Gangwon-do, Korea ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  Crisisonomy

• 간기

  월간

• pISSN

  2466-1198

• eISSN

  2466-1201

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 350 DDC 351