지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.9
- 수록면
- 213 - 233 (21page)
- DOI
- 10.13088/jiis.2024.30.3.213
이용수
초록· 키워드
오류제보하기
도시화와 기후변화의 영향으로 하노이와 같은 저지대 도시는 강우로 인한 심각한 침수 문제에 직면하고 있다. 특히, 하수 수위가 일정 임계점을 넘을 경우, 하수도 시스템의 범람으로 대규모 침수가 발생할 수 있다. 이러한 상황에서 하수 수위의 최대값을 정확하게 예측하는 것은 도시 침수를 예방하는 데 중요한 정보가 된다. 본 연구는 하수 수위의 최대값 예측에 집중하여, 침수 위험이 높은 시점을 사전에 파악하는 방법을 제시한다. 특히, 기상 변수와 하수 수위 간 상호작용을 분석해 일정 시간 간격 내의 최대 수위를 예측하는 릿지 회귀 모형을 개발하였다. 모형 설계의 핵심은 특정 시간 간격 동안의 하수 수위 최대값을 종속변수로 설정해 예측 정확성을 높이는 데 있다. 윈도우 크기를 1, 3, 6, 9, 12시간으로 조정하여 예측했으며, 윈도우 크기가 증가할수록 예측 정확성이 향상됨을 확인하였다. 단, 윈도우 크기가 커지면 최대 수위 도달시점을 정확히 예측하기 어려워지는 한계가 있으므로, 설계 시 예측 정확성과 시점의 정확성 간 균형을 고려해야 한다. 또한, 기상 데이터의 윈도우 크기를 다양하게 설정해 하수 수위에 영향을 미치는 기상 변수의 효과를 분석하여, 특정 기간동안의 기상 데이터가 예측에 미치는 영향을 체계적으로 평가하였다. 연구 결과, 릿지 회귀 모형은 기상 변수 간 상호작용을 효과적으로 분석하여 예측의 정확도를 높이는 데 기여하였다. 특히, 강우량, 기온, 습도 등 기상 변수와 하수 수위 간의 복잡한 상호작용을 고려함으로써, 윈도우 크기가 1인 경우보다 뛰어난 성과를 보였다. 이러한 예측은 침수 위험이 높은 시점을 사전에 파악하고, 대응책 마련에 중요한 정보를 제공할 수 있다.
목차
1. 서론
2. 관련 연구
3. 연구 모형
4. 모형 성능 평가
5. 결론
참고문헌(References)
Abstract
참고문헌 (28)
참고문헌 신청
Bell, J. B., Tikhonov, A. N., & Arsenin, V. Y. (1978). Solutions of Ill-Posed Problems. Mathematics of Computation, 32(144), 1320. https://doi.org/10.2307/2006360
Berkhahn, S., & Neuweiler, I. (2024). Data driven real-time prediction of urban floods with spatial and temporal distribution. Journal of Hydrology X, 22, 100167. https://doi.org/10.1016/J.HYDROA.2023.100167
Chen, J., Li, Y., & Zhang, S. (2023). Fast Prediction of Urban Flooding Water Depth Based on CNN−LSTM. Water 2023, Vol. 15, Page 1397, 15(7), 1397. https://doi.org/10.3390/W15071397
Duncan, A., Duncan, A. P., Chen, A. S., Keedwell, E. C., Djordjević, S., & Savić, D. A. (2013). RAPIDS: Early warning system for urban flooding and water quality hazards. https://ore.exeter.ac.uk/repository/bitstream/handle/10871/16090/Duncan%20MALWAS%20AISB.pdf?sequence=2
Duncan, A. P., Chen, A. S., Keedwell, E. C., Djordjević, S., & Savić, D. A. (2011). Urban flood prediction in real-time from weather radar and rainfall data using artificial neural networks. https://www.researchgate.net/profile/Dragan-Savic-4/publication/235694689_Urban_flood_prediction_in_real-time_from_weather_radar_and_rainfall_data_using_artificial_neural_networks/links/0046351504ede9fe4c000000/Urban-flood-prediction-in-real-time-from-weatherradar-and-rainfall-data-using-artificial-neuralnetworks.pdf
Berkhahn, S., & Neuweiler, I. (2024). Data driven real-time prediction of urban floods with spatial and temporal distribution. Journal of Hydrology X, 22, 100167. https://doi.org/10.1016/J.HYDROA.2023.100167
Chen, J., Li, Y., & Zhang, S. (2023). Fast Prediction of Urban Flooding Water Depth Based on CNN−LSTM. Water 2023, Vol. 15, Page 1397, 15(7), 1397. https://doi.org/10.3390/W15071397
Duncan, A., Duncan, A. P., Chen, A. S., Keedwell, E. C., Djordjević, S., & Savić, D. A. (2013). RAPIDS: Early warning system for urban flooding and water quality hazards. https://ore.exeter.ac.uk/repository/bitstream/handle/10871/16090/Duncan%20MALWAS%20AISB.pdf?sequence=2
Duncan, A. P., Chen, A. S., Keedwell, E. C., Djordjević, S., & Savić, D. A. (2011). Urban flood prediction in real-time from weather radar and rainfall data using artificial neural networks. https://www.researchgate.net/profile/Dragan-Savic-4/publication/235694689_Urban_flood_prediction_in_real-time_from_weather_radar_and_rainfall_data_using_artificial_neural_networks/links/0046351504ede9fe4c000000/Urban-flood-prediction-in-real-time-from-weatherradar-and-rainfall-data-using-artificial-neuralnetworks.pdf
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기상 데이터를 이용한 하천 수위 예측 모델 개발
한국정보과학회 학술발표논문집
2015 .12
-
선형회귀를 이용한 수위 예측에 관한 사례연구
한국정보과학회 학술발표논문집
2017 .12
-
수계 상류 관측 수위자료를 이용한 하류 홍수위 예측기법
Ecology and Resilient Infrastructure
2020 .12
-
기후변화에 따른 주요 도시의 하수도 침수 재현기간 예측
상하수도학회지
2016 .01
-
관측 수위자료를 이용한 하류 홍수위 예측기법
한국수자원학회 학술발표회
2017 .01
-
하천 범람 예측을 위한 인공지능 수위 예측 시스템 설계
한국정보통신학회논문지
2020 .02
-
실시간 수위 예측을 위한 시공간 특징공학적 최적학습모델
정보과학회 컴퓨팅의 실제 논문지
2024 .09
-
수위예측 알고리즘 정확도 향상을 위한 Hybrid 활성화 함수 개발
한국수자원학회 학술발표회
2019 .01
-
비정형화 데이터를 활용한 수위예측 알고리즘 개발 : 청담대교 적용
한국수자원학회 학술발표회
2019 .01
-
실시간 도시침수 예측 시스템 개발
한국수자원학회 학술발표회
2019 .01
-
수위자료의 품질관리를 위한 수위의 공간적 변화 시각화 기법 개발
한국수자원학회 학술발표회
2015 .01
-
뉴럴 네트워크 기반의 수위 데이터 이상치 탐지 - 오십천을 대상으로 -
대한토목학회 학술대회
2024 .10
-
하수관망 규모에 따른 단순화 SWMM에 대한 2차원 침수분석결과의 정확성 평가
한국수자원학회논문집
2019 .01
-
하수관망의 간소화가 도시침수 모의에 미치는 영향 분석에 관한 연구
한국수자원학회논문집
2018 .01
-
머신러닝을 이용한 침수 깊이와 위치예측 모델 개발
한국전자통신학회 논문지
2023 .02
-
ANFIS 알고리즘을 이용한 지하수수위 예측
한국전자통신학회 논문지
2019 .01
-
상·하수도 설계기준 펌프설비 해설
한국유체기계학회 학술대회 논문집
2024 .12
-
데이터 마이닝 기법을 활용한 댐방류에 따른 하천 수위 예측
한국통신학회 학술대회논문집
2021 .06
-
하수처리 시설 수질 데이터의 인공지능 기반 분석 및 예측
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
Segmentation 모듈을 통한 수위 상태 예측 시스템
한국통신학회 학술대회논문집
2024 .06
이 논문과 함께 이용한 논문
도시 침수예측 및 안전 대피소 안내 방안에 관한 연구
김광영
,
김민기
,
양명석
한국전자거래학회지
2024
.08
주성분분석(PCA)을 이용한 황사 종관패턴 분류에 영향을 미치는 주요 변수 식별
이승연
,
윤지원
,
박선기
한국기상학회 학술대회 논문집
2022
.10
무엇이 한국 언론 자유와 언론 신뢰에 대한 인식에 개입하나 : 능선 회귀(Ridge Regression)와 Lasso 통계학습을 중심으로
임종섭
한국언론학보
2021
.06
암호화된 데이터상에서 Lasso와 Ridge 회귀분석을 이용한 연구
홍미연
,
윤지원
한국통신학회 학술대회논문집
2020
.11
식이 조건에 따른 햄스터의 생장과 조직의 비교
조규태
,
서동석
,
안경준
기초과학연구논총
1999
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-090881814