• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 추계학술발표회 논문집
• /
• pp.389-392
• /
• 2004

A recent unusual change in the weather is formed as a localized heavy rain in a short time. This phenomenon has caused a flash flood, and flash floods extensively have damaged human lives many times. In large river's case, the extent of loss of lives and properties has been decreased through the flood warning system by flood control stations of each stream. However, the extent of damage in other small rivers has increased reversely. Therefore, it is necessary to establish a new flood warning system against flash floods instead of the existing flood warning system. It is a specific character that the damage from flash floods in mountain streams brings much more loss of lives than large river's flood. The purpose of this study is calculating the characteristic of flash floods in streams, analyzing topographical characteristics of water basin through applying GIS techniques with the calculation as mentioned above and researching what topographical conditions have influence on hydrological flash floods in water basin. The flash flood prediction model we used is made by GIUH (geomorphoclimatic instantaneous unit hydrograph) with hydrologic-topographical technology. As applying the flash flood prediction model, this is a procedure for calculating topographical information in basin: we made a topological data up out of database with utilizing GIS, and we also produced a DEM (digital elevation model) and used it as a topographical data for determining amount of flash floods.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1471-1476
• /
• 2021

수해는 홍수나 해일을 유발하여 막대한 인명과 재산의 피해를 초래할 수 있다. 이에 대해 홍수 예측을 통한 빠른 대피 결정으로 피해를 줄일 수 있으며, 해당 분야에서는 시계열 데이터를 활용하여 홍수를 예측하려는 연구들도 많이 진행되고 있다. 본 논문에서는 CNN 기반의 시계열 예측 모델을 제안한다. 하천의 수위와 강수량을 사용하여 CNN 기반의 수위 예측 모델을 구현하였고, 시계열 예측에 많이 사용되는 LSTM, GRU 모델과 비교하여 성능을 확인하였다. 또한 입력 데이터의 크기에 따른 성능 차이를 확인하여 보완해야 할 점을 찾을 수 있었고, LSTM과 GRU보다 더 좋은 성능을 낼 수 있다는 것을 확인하였다. 이를 통해 홍수 예측을 위한 초기 연구로서 활용할 수 있을 것으로 사료된다.

• 정보처리학회논문지B
• /
• 제18B권5호
• /
• pp.271-278
• /
• 2011

최근 급증하는 기상이변 및 기후온난화 현상은 풍수로 인한 피해를 더욱 가속시키고 있어 풍수해 발생가능성을 미리 예측하여 선제적으로 대응할 방안 마련이 필요하다. 재난 재해의 위험성 분석은 주로 확률 통계기법에 기반한 수식모델 연구가 주류를 이루고 있고 소방방재청 국립방재연구소에서 구축한 태풍위원회 재해정보시스템(TCDIS: Typhoon Committee Disaster Information System) 또한 지역별 풍수해 위험성 분석에 확률모델을 활용하고 있다. 본 논문에서는 경험적 패턴인식에 탁월한 성능을 가진 신경망 알고리즘을 활용하여 개발한 풍수해 예측모델을 소개하고 이 모델과 TCDIS의 KDF 확률밀도함수를 이용한 풍수해 예측모델의 성능 비교 결과를 제시하여 기존 TCDIS의 위험성 분석기능에 신경망 모델을 적용함으로써 시스템의 강건성과 예측 정확도 향상이 가능함을 보이고자 한다.

• 농업과학연구
• /
• 제47권3호
• /
• pp.471-483
• /
• 2020

Flood prediction is an important issue to prevent damages by flood inundation caused by increasing high-intensity rainfall with climate change. In recent years, machine learning algorithms have been receiving attention in many scientific fields including hydrology, water resources, natural hazards, etc. The performance of a machine learning algorithm was investigated to predict the water elevation of a river in this study. The aim of this study was to develop a new method for securing a large enough lead time for flood defenses by predicting river water elevation using the a long- short-term memory (LSTM) technique. The water elevation data at the Oisong gauging station were selected to evaluate its applicability. The test data were the water elevation data measured by K-water from 15 February 2013 to 26 August 2018, approximately 5 years 6 months, at 1 hour intervals. To investigate the predictability of the data in terms of the data characteristics and the lead time of the prediction data, the data were divided into the same interval data (group-A) and time average data (group-B) set. Next, the predictability was evaluated by constructing a total of 36 cases. Based on the results, group-A had a more stable water elevation prediction skill compared to group-B with a lead time from 1 to 6 h. Thus, the LSTM technique using only measured water elevation data can be used for securing the appropriate lead time for flood defense in a river.

• 한국정보통신학회논문지
• /
• 제24권2호
• /
• pp.198-203
• /
• 2020

본 논문에서는 소규모 강의 범람 예측을 위한 인공 수위 예측 시스템을 제안한다. 강의 수위 예측은 홍수 피해를 줄일 수 있는 대책이 될 수 있다. 그러나 하천 범람에 영향을 미치는 강 또는 강우의 고유 특성으로 인해 범람 모델을 구축하기가 어렵다. 일반적으로 하류 수위는 상류의 인접한 수위에 영향을 받는다. 따라서 본 연구에서는 측정 지점에서 수위를 예측하기 위해 두 개의 상류 측정 지점의 수위를 순환신경망(LSTM)을 사용하여 인공 지능 모델을 구축했다. 제안 된 인공 지능 시스템은 수위 측정기를 설계하고 Nodejs를 사용하여 서버를 구축했다. 제안 된 신경망 하드웨어 시스템은 실제 강에서 6시간마다 수위를 잘 예측함을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.1145-1149
• /
• 2006

The typhoon Rusa passed through the Korean peninsula from the west-southern part to the east-northern part in the summer season of 2002. The flash flood due to the Rusa was occurred over the Korean peninsula and especially the damage was concentrated in Kangnung, Yangyang, Kosung, and Jeongsun areas of Kangwon-Do. Since the latter half of the 1990s the flash flood has became one of the frequently occurred natural disasters in Korea. Flash floods are a significant threat to lives and properties. The government has prepared against the flood disaster with the structural and nonstructural measures such as dams, levees, and flood forecasting systems. However, since the flood forecasting system requires the rainfall observations as the input data of a rainfall-runoff model, it is not a realistic system for the flash flood which is occurred in the small basins with the short travel time of flood flow. Therefore, the flash flood forecasting system should be constructed for providing the realistic alternative plan for the flash flood. To do so, firstly, Flash Flood Monitoring and Prediction (FFMP) Model must be developed suitable to Korea terrain. In this paper, We develop the FFMP model which is based on GIS, Radar techniques and hydro-geomorphologic approaches. We call it the F2MAP model. F2MAP model has three main components (1) radar rainfall estimation module for the Quantitative Precipitation Forecasts (QPF), (2) GIS Module for the Digital terrain analysis, called TOPAZ(Topographic PArametiZation), (3) hydrological module for the estimation of threshold runoff and Flash Flood Guidance(FFG). For the performance test of the model developed in this paper, F2MAP model applied to the Kangwon-Do, Korea, where had a severe damage by the Typhoon Rusa in August, 2002. The result shown that F2MAP model is suitable for the monitoring and the prediction of flash flood.

• 한국수자원학회논문집
• /
• 제30권2호
• /
• pp.131-141
• /
• 1997

본 연구에서는 저류함수법과 Loopnet(부정류해석모형) 모형으로 홍수예측 시스템을 구성하여 대청댐의 방루에 따른 하류지역의 홍수영향을 에측하여 보았다. 대청댐 하류부에 지역빈도 분석방법(L-모멘트)으로 강우량을 산정하고, 홍수예측시스템으로 금강 하류부의 홍수추적을 실시하여 빈도별 홍수량을 산정하였다. 또한 대청댐의 방류에 따른 금강 하루 주요지점의 홍수량, 홍수위 및 방류량 도달시간을 산정하여 홍수발생시 대청댐 운영의 지표포 활동할 수 있도록 하였다.

• 대한토목학회논문집
• /
• 제38권5호
• /
• pp.671-683
• /
• 2018

도시유역에 대한 집중호우에 따른 침수피해가 증가하고 있으며, 기존에 수행된 많은 연구에서 입증 되어진 바와 같이 도시 침수는 하수관망의 통수능을 상회함에 따라 발생하는 내수침수에 주로 기인하고 있다. 도시화가 상당히 진행되고 인구가 밀집되어 있는 지역에 대한 침수피해는 심각한 사회 경제적 피해를 야기한다. 이에 따라 도시지역에 대한 홍수 예측을 위한 확정 및 확률론적 연구가 진행되어 왔지만, 충분한 선행시간을 확보하며 단시간에 홍수량에 대한 예측결과를 도출하기에는 부족한 실정이다. 본 연구에서는 최적의 실시간 도시 홍수 예측 기법을 제시하기 위하여 도시유출해석 기반 실시간 홍수 예측을 위한 IDNN, TDNN 그리고 NARX 동적신경망을 비교하였다. 강남 지역의 2010, 2011년 실제 호우사상에 대하여 총 홍수량 예측 결과, 입력 지연 인공신경망의 최대 Nash-Sutcliffe 효율 계수는 각각 0.86, 0.53, 시간 지연 인공신경망의 경우 0.92, 0.41, 외생변수를 이용한 비선형 자기 회귀의 경우 0.99, 0.98으로 나타났다. 연구 대상지역에 대한 각 맨홀 누적월류량을 고려한 예측 결과의 오차분석을 통하여 외생변수를 이용한 비선형 자기 회귀 기법을 사용하는 것이 추후 도시 홍수 대응체계 구축에 적합할 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.216-218
• /
• 2022

이상 기후로 인한 자연 재해는 지속적으로 증가하고 있으며, 자연재해 중 가장 많은 피해를 입히는 유형은 폭우, 태풍 등으로 인한 수해 피해로 이러한 재해는 홍수를 동반하여 더욱 큰 피해를 입히기도 한다. 따라서, 홍수 피해를 줄이기 위해 본 논문에서는 LSTM과 GRU를 활용하여 실시간으로 홍수의 주요 파라미터인 수위를 실시간으로 예측할 수 있는 시스템을 제안한다. 홍수 예측을 위해 사용된 입력 데이터는 하천의 상류 및 하류 수위, 기온, 습도, 강수량이 사용되며, 사전에 학습된 LSTM-GRU 모델을 통해 실시간 예측을 진행한다. 입력 데이터는 과거 20시간의 데이터를 활용하여 향후 3시간의 수위를 예측한다. 본 논문에서 제안한 시스템을 통해 위험도 판별 기능을 추가하고 홍수에 노출된 사람들에게 대피 명령을 내릴 수 있다면 홍수로 인한 많은 피해를 줄일 수 있을 것으로 사료된다.

• 산업기술연구
• /
• 제30권B호
• /
• pp.83-89
• /
• 2010

Generally, the accuracy of the prediction of flood elevation is difficult to identify due to the sedimentation on a river bed, earth and sand being moved by flow, and localized torrential downpours caused by climate change. It is also because of natural and artificial influences on rivers. To predict river floodings successfully, more precise and reliable flood elevation prediction system is needed, in which the concentration time of downstream is numerically interpreted through analyzing and utilizing the watermark of the upper region. Therefore, this research analyzed the prediction methods of the changes in water levels, which use the watermarks of the upper region. The watermarks which impacts the spot being predicted of flood was selected through floodgate analysis and correlation analysis. With the selected watermarks, a statistically reliable regression equation was yielded.