초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 이상강우 현상으로 기존에 경험하지 못한 홍수에 대응하기 위하여 AI Surrogate 기반의 홍수 예측 기술을 제안하였다. 최근 급격한 기후변화로 인한 태풍이나 국지성 호우, 돌발성 홍수 등이 빈번히 발생하여 대규모 홍수 피해를 초래하고 있는 실정이다. AI Surrogate 모델의 장점으로는 기존의 관측자료 기반의 AI모델이 가지고 있는 관측소 설치 및 유지관리 비용을 절감할 수 있고, 경험하지 못한 강우량에 대한 대응 능력을 향상 할 수 있다. 따라서 본 연구에서는 기후변화 시나리오(SSP5-8.5)에서 제시한 약 30% 증가한 강우량를 적용하여 극한강우에 따른 유출량을 공학적 방법으로 생성했다. 이렇게 생성된 자료를 활용하여 관측자료 부족으로 인한 ...

본 논문에서는 이상강우 현상으로 기존에 경험하지 못한 홍수에 대응하기 위하여 AI Surrogate 기반의 홍수 예측 기술을 제안하였다. 최근 급격한 기후변화로 인한 태풍이나 국지성 호우, 돌발성 홍수 등이 빈번히 발생하여 대규모 홍수 피해를 초래하고 있는 실정이다. AI Surrogate 모델의 장점으로는 기존의 관측자료 기반의 AI모델이 가지고 있는 관측소 설치 및 유지관리 비용을 절감할 수 있고, 경험하지 못한 강우량에 대한 대응 능력을 향상 할 수 있다. 따라서 본 연구에서는 기후변화 시나리오(SSP5-8.5)에서 제시한 약 30% 증가한 강우량를 적용하여 극한강우에 따른 유출량을 공학적 방법으로 생성했다. 이렇게 생성된 자료를 활용하여 관측자료 부족으로 인한 인공지능 모델의 한계를 극복하고 현재 전 산업분야에서 이슈가 되고있는 가상 시뮬레이터 데이터를 활용한 AI Surrogate 모델을 수자원 분야에 적용하였다.

연구방법으로는 AI Surrogate 모델의 학습자료를 생성하기 위하여 2011년 ~ 2022년까지 수문 관측자료를 활용하였고 2011년, 2012년, 2020년 강우자료에 30%를 증가시킨 극한강우 학습자료를 생성하였다. AI 학습데이터 셋을 생성 후 LSTM 모델을 적용한 유출량 예측 AI-Surrogate 모델을 개발하였다. AI 학습자료 구성은 입력데이터의 80%를 훈련용 데이터로 사용하고 나머지 20%를 모델의 정확도 검증데이터 그리고 2020년 자료를 테스트자료로 구성하였다. 개발된 모형의 정확성을 평가한 결과 30% 증가된 강우량 데이터로 학습한 AI-Surrogate 모델의 R²는 0.91028, RMSE는 0.01533 이고 관측자료만으로 구성된 모델의 R²는 0.89582, RMSE는 0.02038 이었으며 실험결과를 통하여 이상강우를 적용한 AI Surrogate 모델이 관측강우 자료만으로 학습된 모델보다 정확도가 우수한 것을 확인하였다.

Keyword