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
- 학위논문
- 저자정보
- 지도교수
- 문영일
- 발행연도
- 2021
- 저작권
- 서울시립대학교 논문은 저작권에 의해 보호받습니다.
이용수87
초록· 키워드
오류제보하기
현재 기후변화에 의한 돌발성 집중호우의 증가와 급격한 도시화로 인해 도시홍수의 위험성이 가중되고 있으며 실제 인명과 재산피해가 급증하고 있다. 특히 소규모 도시하천은 대부분 1~3시간의 짧은 도달시간으로 집중호우에 매우 취약하여 더욱 빠르고 정확한 홍수 예경보가 요구된다. 그러나 현재는 홍수통제소의 4대강 위주의 홍수특보발령, 기상청의 기상위성과 기상레이더를 이용한 초단기, 단기, 그리고 중장기 기상예보가 주를 이루고 있으며, 중, 소규모의 도시하천유역에는 실시간 강우, 수위자료를 통해 하천의 수위가 위험수위에 도달할 시 하천을 통제하고 위험경보를 실시하는 방안에 그치고 있다.
따라서 본 연구에서는 돌발홍수에 따른 도시하천의 고립사고를 방지하기 위해 통계-역학기반의 내외수 통합 침수예측모델을 개발하고 정확하고 선행적인 홍수 예경보를 실시하여 인명과 재산피해를 최소화하고자 한다. 도시유역의 실시간 홍수 예경보 적용방안으로 첫 번째, 딥러닝 기반의 인공신경망 모형을 통한 수문시계열 자료의 학습으로 도시하천의 수위를 예측하는 단기침수예측모듈을 개발하였다. 인공신경망 학습을 위해서 대상유역 인근의 모든 강우와 수위자료를 수집하여 품질관리를 수행한 후 학습자료를 구축하였으며 예경보 지점의 수위(정답 레이블)에 리드타임(Lead time)을 60분~180분까지 설정하고 학습을 실시하여 선행적이며 정확하게 도시하천의 수위를 예측한다. 인공신경망 모형으로는 시계열학습에 큰 강점을 가진 LSTM을 사용하여 예측수위의 정확성을 평가하였으며 강우지점 자료학습, 수위지점 자료학습 등 여러 조건의 학습모형을 구축하여 최적의 홍수 예경보 방안을 산정하였다. 그 결과, 강우자료와 예측지점의 수위자료를 같이 학습하는 모델이 가장 높은 예측성능을 나타내어 단기침수예측모듈의 예측모형으로 선정하였으며 리드타임별로 대상지점의 예측수위 결과를 제공한다. 두 번째로 기상레이더를 활용하여 초단기 예측강우를 산정하고 유출모형에 입력자료로 사용하여 도시하천의 예측수위를 분석하는 초단기침수예측모듈을 개발하였다. 초단기 강우예측은 기상청 레이더 자료를 활용하였으며 예측시간별로 예측강우의 정확성을 평가하였다. 분석된 레이더 예측강우의 정확성과 선행시간을 고려한 결과, 40분의 리드타임을 가진 예측강우를 유출모형의 입력값으로 선정하였으며 실시간 강우-유출분석을 통해 대상하천 전반에 걸친 예측수위를 제공한다. 두 모듈을 통해 분석된 실시간 예측수위와 서울시에서 운영하는 서울통합방재시스템의 예경보 결과를 분석한 결과, 도시하천의 수위를 더욱 정확하고 선행적으로 예측하여 도시지역의 실시간 홍수 예경보에 충분히 활용 가능함을 나타내었다.
인공신경망을 활용한 수위예측은 고품질, 다량의 수문시계열 자료가 확보될 경우 안정적이고 정확한 수위예측결과를 산정할 수 있는 장점이 있지만 데이터의 확보와 품질관리가 쉽지 않다. 반면, 기상레이더를 이용한 수위예측의 경우, 분석시간이 더 길게 소요되며 레이더 예측강우의 정확성과 유출모형의 최적화를 지속적으로 개선해나가야 하지만 더 넓은 범위의 세밀한 분석결과를 획득할 수 있는 장점이 있다. 본 연구에서는 최적의 홍수 예경보 분석모듈들을 개발하고 정확하고 선행적인 실시간 홍수 예경보데이터를 제공하여 홍수피해를 최소화하기 위한 의사결정을 지원하는 통합 침수예측모델을 개발하고자 하였으며 시간적, 공간적 그리고 지역적 특성을 반영한 신속하고 정확도 높은 예측방안적용으로 도시지역의 돌발홍수피해를 저감하고자 한다.
따라서 본 연구에서는 돌발홍수에 따른 도시하천의 고립사고를 방지하기 위해 통계-역학기반의 내외수 통합 침수예측모델을 개발하고 정확하고 선행적인 홍수 예경보를 실시하여 인명과 재산피해를 최소화하고자 한다. 도시유역의 실시간 홍수 예경보 적용방안으로 첫 번째, 딥러닝 기반의 인공신경망 모형을 통한 수문시계열 자료의 학습으로 도시하천의 수위를 예측하는 단기침수예측모듈을 개발하였다. 인공신경망 학습을 위해서 대상유역 인근의 모든 강우와 수위자료를 수집하여 품질관리를 수행한 후 학습자료를 구축하였으며 예경보 지점의 수위(정답 레이블)에 리드타임(Lead time)을 60분~180분까지 설정하고 학습을 실시하여 선행적이며 정확하게 도시하천의 수위를 예측한다. 인공신경망 모형으로는 시계열학습에 큰 강점을 가진 LSTM을 사용하여 예측수위의 정확성을 평가하였으며 강우지점 자료학습, 수위지점 자료학습 등 여러 조건의 학습모형을 구축하여 최적의 홍수 예경보 방안을 산정하였다. 그 결과, 강우자료와 예측지점의 수위자료를 같이 학습하는 모델이 가장 높은 예측성능을 나타내어 단기침수예측모듈의 예측모형으로 선정하였으며 리드타임별로 대상지점의 예측수위 결과를 제공한다. 두 번째로 기상레이더를 활용하여 초단기 예측강우를 산정하고 유출모형에 입력자료로 사용하여 도시하천의 예측수위를 분석하는 초단기침수예측모듈을 개발하였다. 초단기 강우예측은 기상청 레이더 자료를 활용하였으며 예측시간별로 예측강우의 정확성을 평가하였다. 분석된 레이더 예측강우의 정확성과 선행시간을 고려한 결과, 40분의 리드타임을 가진 예측강우를 유출모형의 입력값으로 선정하였으며 실시간 강우-유출분석을 통해 대상하천 전반에 걸친 예측수위를 제공한다. 두 모듈을 통해 분석된 실시간 예측수위와 서울시에서 운영하는 서울통합방재시스템의 예경보 결과를 분석한 결과, 도시하천의 수위를 더욱 정확하고 선행적으로 예측하여 도시지역의 실시간 홍수 예경보에 충분히 활용 가능함을 나타내었다.
인공신경망을 활용한 수위예측은 고품질, 다량의 수문시계열 자료가 확보될 경우 안정적이고 정확한 수위예측결과를 산정할 수 있는 장점이 있지만 데이터의 확보와 품질관리가 쉽지 않다. 반면, 기상레이더를 이용한 수위예측의 경우, 분석시간이 더 길게 소요되며 레이더 예측강우의 정확성과 유출모형의 최적화를 지속적으로 개선해나가야 하지만 더 넓은 범위의 세밀한 분석결과를 획득할 수 있는 장점이 있다. 본 연구에서는 최적의 홍수 예경보 분석모듈들을 개발하고 정확하고 선행적인 실시간 홍수 예경보데이터를 제공하여 홍수피해를 최소화하기 위한 의사결정을 지원하는 통합 침수예측모델을 개발하고자 하였으며 시간적, 공간적 그리고 지역적 특성을 반영한 신속하고 정확도 높은 예측방안적용으로 도시지역의 돌발홍수피해를 저감하고자 한다.
목차
제 1 장 서 론 1제 1 절 연구 필요성 및 목적 1제 2 절 연구 동향 3제 3 절 연구의 방법 및 범위 9제 2 장 이론적 배경 12제 1 절 인공신경망 12제 2 절 초단기 강우예측 24제 3 절 도시홍수분석 30제 3 장 분석대상 및 수문시계열자료 품질관리 40제 1 절 분석유역 선정 40제 2 절 수문시계열 자료 구축 45제 3 절 수문시계열 자료 품질관리 60제 4 장 데이터 기반 단기침수예측모듈 72제 1 절 딥러닝모형 구축 및 학습 73제 2 절 딥러닝모형 분석 및 검증 78제 5 장 모형 기반 초단기침수예측모듈 92제 1 절 레이더 기반 초단기 강우예측 분석 93제 2 절 레이더 기반 초단기 강우예측 평가 97제 3 절 강우-유출모형 구축 및 분석 113제 4 절 초단기침수예측모듈 평가 및 적용 127제 6 장 침수위험지도 구축 137제 1 절 2차원 침수분석 데이터베이스 구축 137제 2 절 선정 호우사상 평가 141제 7 장 결 론 146참고 문헌 150Abstract 155감사의 글 158
최근 본 자료
댓글(0)
0