• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.513-513
• /
• 2023

최근 이상기후의 영향으로 국지성 및 집중호우로 인한 침수 피해가 증가하고 있다. 도시유역의 홍수는 사회적·경제적으로 큰 손실을 야기할 수 있어 실제 호우에 대한 침수 양상을 신속하게 예측하는것은 매우 중요하다. 이로 인해 침수 해석에 대한 결과를 빨리 제공할 수 있는 기계학습을 기반으로 한 도시 홍수 분석에 대한 연구가 증가하고 있다. 본 연구에서 적용한 LSTM(Long Short-Term Memory) 신경망은 기존 RNN(Recurrent neural network)이 가지고 있는 장기 의존성 문제를 해결하기 위해 고안된 모델으로 시계열 데이터에 대한 예측능력이 뛰어나다는 장점을 가지고있다. LSTM 신경망은 강우에 대한 격자별 침수심을 예측하기 위해 사용되었으며, 입력자료로 2000~2022년도에 걸친 도림천 유역의 침수피해를 야기한 지속시간 6시간 AWS(Automatic Weather System) 관측 강우 자료를 사용하였고 목표값으로 수집된 도림천 유역의 강우자료를 이용하여 SWMM(Storm Water Management Model)의 유출 결과를 바탕으로 수행된 2차원 침수해석 모의 결과를 사용하였다. 연구유역의 SWMM 배수 관망 입력자료의 정확성을 높이기 위해 서울시 하수관로 수위 현황 자료를 활용하여 매개변수 조정을 실시하였으며, 하수관로의 실측 수위와 모의 수위를 일치시켰다. LSTM 신경망을 이용하여 격자별로 예측된 침수심 데이터를 시각화하여 침수흔적도와 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.228-228
• /
• 2023

국지적 지역에 내리는 강한 강도의 강우는 많은 인명 및 재산 피해를 발생시킨다. 이러한 피해를 예방하기 위해 도시 침수 예측에 관한 연구가 오랜 기간 수행되어 왔으며, 최근에는 다양한 신경망(neural network) 모델이 활발히 이용되고 있다. 강우 지속 기간이나 강도는 일정하지 않고, 공간적 특징 또한 도시마다 다르므로 안정적인 침수 예측을 위한 신경망 모델은 강건성(robustness)을 지녀야 한다. 강건한 신경망 모델이란 적대적 공격(adversarial attack)을 방어할 수 있는 능력을 갖춘 모델을 일컫는다. 따라서 본 연구에서는, 도시 침수 예측을 위한 시공간 신경망(spatio-temporal neural network) 모델의 강건성 제고를 위한 방법론을 제안한다. 먼저 적대적 공격의 유형과 방어 방법을 분류하고, 시공간 신경망 모델의 학습 데이터 특성 및 모델 구조구성 조건 등을 활용하여 최적의 강건성 제고 방안을 도출하였다. 해당 모델은 집중호우로 인해 나타날 다양한 관망에서의 침수 피해를 각각 예측하고 피해를 예방하기 위해 활용될 수 있다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.18 no.1
• /
• pp.91-98
• /
• 2023

With the increasing flood damage by frequently localized heavy rains, flood prediction research are being conducted to prevent flooding damage in advance. In this paper, we present a machine-learning scheme for developing a flooding depth and location prediction model using real-time rainfall data. This scheme proposes a dataset configuration method using the data as input, which can robustly configure various rainfall distribution patterns and train the model with less memory. These data are composed of two: valid total data and valid local. The one data that has a significant effect on flooding predicted the flooding location well but tended to have different values for predicting specific rainfall patterns. The other data that means the flood area partially affects flooding refers to valid local data. The valid local data was well learned for the fixed point method, but the flooding location was not accurately indicated for the arbitrary point method. Through this study, it is expected that a lot of damage can be prevented by predicting the depth and location of flooding in a real-time manner.

• Journal of Korea Water Resources Association
• /
• v.50 no.6
• /
• pp.397-405
• /
• 2017

In case of inundation in a city where populations and properties are highly concentrated, unlike rural areas it is necessary to apply the method of calculating the damage amount considering the sewage overflow and the corresponding building damage. In this study, Dorim 1 drainage sector has been analyzed with Multi-Dimensional Flood Damage Assessment (MD-FDA) for flood forecast. It is analyzed with past flood history through the SWMM model and calculated the amount of damage with district base data and the result of flow analysis. The result of the SWMM model to predict a range of flood, it was shown that the wide area after 4 hours (at 16:30) by sewer overflow. The building damage was estimated using MD-FDA. As a result, the maximum flood area has shown as $205,955m^2$ (0~0.5 m: $205,190m^2$, over 0.5 m: $865m^2$) and estimated building damage of Dorim 1 drainage sector is approximately 15.5 billion KRW (Korean won) and other contents is 7 billion KRW (Korean won). Also from 0 to 0.5 m depth estimated damage is approximately 22.4 billion KRW (Korean won) and over 0.5 m is 100 million KRW (Korean won). Based on the results of this study, it would be necessary to estimate the amount of sub-divided flood damage in urban areas according to various damage patterns such as flood depth and flood time.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.38-38
• /
• 2017

본 연구는 내수침수에 의한 침수면적 예측을 위한 강우특성과 1차원 유출모형의 유출특성 및 월류특성 자료를 이용한 침수면적의 정확도를 다양한 호우사상을 적용하여 분석하였다. 국내에서 침수 취약지역 예측을 위해서 강우-유출모형의 유출량 예측 즉 홍수추적을 중심으로 이루어지고 있는 실정이다. 기존 모형이 홍수추적을 중심으로 이루어진 것은 대유역의 경우에 XP-SWMM 모형과 같은 정밀모형을 이용할 경우 긴 모의시간으로 인하여 예경보 발령을 위한 골든타임 확보가 어려우며, 홍수량 예측을 통하여 예측된 침수피해에 대한 정밀도 확보가 어렵기 때문에 실제 상황에 적용하기 어려운 문제점이 발생하고 있다. 컴퓨터 하드웨어의 발전에 따른 연산속도의 증가와 빅데이터 처리기술을 발전에 따라서 10년 전과 비교하여 2차원 침수면적 예측시간이 단축되기는 하였지만, 실제 침수면적 예측에 적용하기는 어려운 실정이다. 따라서, 모의시간이 짧은 1차원 강우-유출모형, 1차원 도시유출모형을 이용한 침수면적 예측방법에 대하여 연구하였다. 홍수피해 예측을 위하여 다양한 수문학적 인자의 영향 분석을 위해서 XP-SWMM 모형의 다양한 형태의 강우입력자료에 따른 1차원 유출 모의결과와 2차원 지표류 모의결과를 이용하여, 2차원 침수면적 예측결과를 추정하기 위한 수문학적 인자의 적용방법에 대하여 분석하였다. 모의시간이 짧은 강우-유출모형과 1차원 도시유출모형을 이용하여 도출한 수문학적 인자를 이용한 침수면적의 추정방법을 분석을 비교분석함으로써 침수면적 예측 시스템 구축방안에 대하여 구체적인 수문학적 인자들 생성을 위한 단계적 모형 적용방안 수립을 위한 자료로 활용할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.344-344
• /
• 2023

최근 기후변화에 따라 극한 강우로 전 세계적으로 국지적 홍수 피해가 증가하고 있다. 또한 극한 강우 발생시 다양한 건설 현장의 상황에 따라 침수 취약성이 나타나 인적 물적 피해로 이어질 수 있다. 특히, 시공에 따른 현장 지형 변화에 대해 실시간으로 침수 예측이 불가하여 위험 판단이 어려운 실정이며, 극한 강우 발생에 대비하기 위해 강우 정보 획득 및 분석을 효율화하여 강우예측 정확성을 높일 필요가 있다. 이러한 필요성에 따라 본 연구에서는 건설 현장의 침수 피해를 최소화하기 위해 침수 위험을 판정하고 예측하는 방법을 제시하고자 한다. 본 연구의 침수 위험 판정 방법은 건설 현장에서 실시간 지형변화 정보 확보와 침수 위험 판정의 정확도를 높이기 위한 침수심 분석에 인공 신경망 기법을 활용하였다. 또한, 침수판정 알고리즘은 지형, 강우 분석 모듈과 침수판정 모듈로 구성하였다. 지형 분석 모듈은 건설 현장이 시공진행에 따른 지형 데이터의 변화를 고려하기 위해 실시간 영상 정보의 객체 탐지를 구분하는 인공 신경망 기법을 적용해 지형 분석 모듈을 구축하였다. 강우 분석 모듈은 다양한 강우 정보를 취합할 수 있는 서버를 구축하여 강우 임베딩 정보를 실시간으로 분석하도록 고안하여 정확도를 높였다. 이러한 자료를 바탕으로 강우-유출해석에 의한 침수심 값과 실측값, 침수 지표를 활용하여 인공 신경망 기법으로 침수 위험을 판정하도록 제시하였다. 본 연구를 통해 건설 현장에서 지형 상태의 지속적인 변화와 강우데이터의 정확도 향상에 대응할 수 있는 침수 위험 판정이 가능하고 인적 물적 피해 최소화를 기대할 수 있다. 향후, 본 연구에서 제시된 방법은 건설 현장에서 분석 시스템과 실측 모니터링에 의해 검증되어야 할 것이며, 건설 현장 외에도 스마트 도시 및 지하 공간에서 확대하여 적용할 수 있을 것으로 판단된다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.424-429
• /
• 2007

침수 피해를 방지하고 경감하기 위해서는 침수범위와 침수심을 예측하여 예상침수심에 대응하기 위한 홍수방어대책 수립이 필요하다. 본 연구는 방어침수심보다 아래에 위치한 건축물에 대해서 거실용도로 사용을 제한하는 수방기준을 마련했을 경우에 대하여 비용편익 분석을 통한 경제성 분석을 수행하고자 한다. 한편, 침수지역 및 침수심 산정을 위하여서는 GIS를 이용한 분석이 필요하며, GIS 분석을 통하여 산정된 결과를 바탕으로 건물피해액과 건물내용물에 대한 피해액을 산정할 수 있다. 적용과정에서 현재 서울시에서 구축되어진 데이터 구축 자료의 특성에 맞게 다차원법에서 제시한 일부 방법들을 수정하였다. 본 연구 결과 방어침수심의 설정을 통해 건축물에 대한 홍수피해를 방지하고, 주민의 보호 등을 포함한 침수피해방지대책 계획 수립에 이용할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.416-416
• /
• 2020

우리나라의 계절 특성상 여름철 집중호우가 쏟아지는 현상이 빈번하게 발생하는데 이러한 돌발홍수가 예고 없이 일어나 상습적으로 침수 피해를 입는 지역이 증가하고 있다. 본 연구에서 2009년 ~ 2019년 동안 서울시 침수 피해 사건 중심의 인터넷 기사를 기반으로 실제 침수 사례를 조사해본 결과, 침수가 가장 많이 발생한 순으로 반포동(26건), 대치동(25건), 잠실동(21건)으로 집계되었다. 침수피해가 가장 많은 반포동을 연구지역으로 선정하고 그 중 잠수교의 수위를 예측하는 연구를 진행하였다. 기존 연구에서는 수치모형에 비해 신속한 결과를 도출할 수 있는 자료 기반 모형 중 LSTM 기법을 많이 사용하였다. 그러나 이는 선행 시간이 길어질수록 첨두수위에서 과소추정된 것으로 분석된 취약점이 존재하였다(정성호 외, 2018). 본 연구에서는 이러한 단점을 보완하기 위해 GANs(Generative Adversarial Networks)를 이용하였다. GANs는 생성자와 감별자가 나뉘어 생성자가 실제 자료인 첨두수위에서의 잠수교의 수위를 학습하고 실제와 근접한 가상데이터를 결과로 생성하여 감별자는 그 생성된 미래의 잠수교의 수위가 실제인지 가상인지 판별하도록 학습시키는 신경망 구조이다. 사용한 수문자료는 한강홍수통제소, 기상청, 국립해양조사원에서 제공하는 최근 15년간의 (2005년~2019년) 수위, 방류량, 강수량, 조위 자료를 수집하였고 t-test와 상관성분석을 통해 사용한 인자 간의 유의미성 판단과 상관성을 분석했다. 또한, 민감도 분석 결과 시퀀스길이(5), 반복횟수(1000), 은닉층(10), 학습률(0.005)로 최적값을 선정하였다. 또한 학습구간(2005년~2014년)과 검증구간(2015~2019년)으로 나누어 상대적으로 높은 수위가 관측되는 홍수기의 3, 6, 9시간 후의 수위를 예측하고 오차 지표를 이용해 평가하였다. LSTM 기법으로 예측된 수위와 GANs로 예측된 수위를 비교한 결과 GANs으로 예측된 첨두수위에서의 정확도가 5% 정도로 향상되었다. 향후에는 다양한 영향인자와 다른 기법과의 결합을 고려한다면 보다 정확하게 수위를 예측하여 하천 주변 사회기반시설의 침수 피해를 감소시킬 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.42-42
• /
• 2017

현재 도시지역의 침수피해는 매우 복잡한 형태로 발생하고 있으며, 침수 발생으로 사유재산 및 사회적 피해가 증대되고 있다. 불투수면이 높은 도시의 침수현상은 지표수의 이동, 매설된 관거의 형상과 통수능에 의한 월류가 주된 원인으로 작용한다. 인구와 건물 및 기반시설이 밀집한 도시지역은 침수피해 발생시 막대한 피해를 입을 수 있으며, 발생한 강우와 설치된 우수저감시설 및 내수배제시설에 따라 침수현상이 다르게 나타난다. 이러한 피해를 줄이고 재산을 보호하기 위해 적절한 치수사업이 필요하며, 시설의 도입에 따른 피해액 감소 및 경제성 분석이 우선시 되어 효율성과 타당성을 판단할 수 있어야 한다. 침수에 의한 피해액을 산정하기 위해 정확한 침수예측이 필요하며, 지형, 건물, 도시의 복잡한 도로 등을 잘 반영한 유출해석이 선행되어야 한다. 정밀한 침수해석이 수반되지 않을 경우, 침수예상지역을 다소 과소, 과대하게 나타낼 수 있다. 홍수피해의 경제성을 분석하기 위한 방법에는 다차원 홍수피해 산정방법이 있으며, 경제성 분석은 하천의 정비상태, 하도 및 관거, 제방 및 유수지 등 홍수 방지시설 등 구조적, 비구조적 대책을 모두 대상으로 하여야 하며, 인명과 재산이 집중된 도시의 경우 보다 정확한 피해액을 산정할 필요가 있다. 본 연구에서는 과거 침수피해가 있었던 도림천 유역을 대상으로 펌프시설의 도입에 따른 건물 피해액 분석을 실시하였다. 우수관망과 도시지역의 유출모의에 적합하다고 알려진 SWMM 모형을 활용하여 침수현상을 분석하였으며, 다차원 홍수피해 산정방법을 활용하여 건물 피해와 건물 내용물 자산피해액을 분석하여 시설 도입에 따른 피해액 감소와 경제성을 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.3-3
• /
• 2018

최근 기후변화에 의한 강우패턴 변화로 국지성 집중호우가 증가하고 있으며, 이로 인해 서울 강남('12), 부산('13), 울산('16), 인천, 부산('17) 등 대도시 지역에서 침수피해가 증가하고 있다. 도시침수는 하천홍수 피해와는 달리 매우 짧은 시간에 피해가 발생하며, 시설물 파괴보다는 주택, 차량, 상가 침수로 인한 재산 및 인명 피해가 높은 비율을 차지하고 있다. 또한 도시침수는 다양하고 복합적인 원인에 의해 발생되므로, 상황관리에 어려움이 있다. 현재 도시침수 피해저감을 위한 대책으로 구조적인 대책과 복구사업을 중심으로 이루어지고 있다. 그러나 짧은 시간, 높은 강도의 호우에 의해 발생하는 도시침수는 이와 같은 대책으로는 한계가 있으며, 사전 대비 대응을 위해서는 예 경보 시스템 등 비구조적인 대책이 함께 이루어져야 한다. 또한 도시침수의 실시간 분석 및 모니터링 등 상황관리지원을 위한 도시침수 통합 관리 시스템의 도입이 필요하다. 따라서 국립재난안전연구원에서는 도시침수 상황관리를 위한 "도시침수 모니터링 시스템" 개발 연구를 2014~2016년에 걸쳐 수행하였다. 도시침수 모니터링 시스템은 실시간 AWS 및 RADAR 예측강우 기반의 예 경보, 침수예상도 및 침수위험지역 정보제공, 실시간 강우빈도분석, 다양한 기상정보 제공, SNS알림 서비스 등을 제공하여 담당자의 의사결정 지원이 가능하며, 2017년부터는 시범운영을 통한 고도화를 추진하고 있다. 본 연구에서는 시범운영 결과를 통해 시스템의 적용성을 검증하고, 개선사항을 도출하였으며, 향후 도시침수 모니터링 시스템의 전국화 운영을 위해 전국 읍면동단위의 위험기준 추정 방법을 제시하고자 한다.