[논문]도시하천의 홍수예·경보를 위한 의사결정지원시스템 개발

이재응

doi:10.12652/ksce.2008.28.6b.743

도시하천의 홍수예·경보를 위한 의사결정지원시스템 개발
Development of Decision Support System for Flood Forecasting and Warning in Urban Stream 원문보기

大韓土木學會論文集, Journal of the Korean Society of Civil Engineers, B. 수공학, 해안 및 항만공학, 환경 및 생태공학, v.28 no.6B, 2008년, pp.743 - 750

이재응 (아주대학교 환경건설교통공학부)

초록
AI-Helper

최근 들어 지구 온난화로 인한 이상기후의 영향으로 우리나라뿐만 아니라 전 세계적으로 가뭄 및 홍수가 빈번하게 발생하고 있다. 물로 인한 각종 재해는 농촌 지역에서도 피해를 발생시키지만, 특히 인구가 밀집되어 있는 도시 지역에서 큰 피해를 발생시킨다. 도시하천 유역에서의 유출과정은 도달시간이 짧고 홍수량은 급격히 증가하는 특성을 보이므로 호우가 발생하면 대처할 시간이 충분하지 않아 피해가 크게 발생할 가능성이 높다. 도시하천 유역에서 호우로 인한 피해를 경감시키기 위한 하나의 대안으로 홍수예 경보를 위한 의사결정시스템을 개발하였다. 도시하천의 홍수예 경보를 위한 의사결정시스템은 ANFIS (Adaptive Neuro Fuzzy Inference System)을 이용한 모형관리시스템, 실시간 자료를 구축할 수 있는 데이터베이스 관리시스템, 그리고 사용자가 이용하기 편리한 인간과 컴퓨터 사이의 대화관리시스템로 구성되어 있다. 개발된 시스템을 탄천 유역에 적용한 결과 호우로 인한 하천의 유량을 실시간으로 예측하여 사전에 경보를 발생하고 피해를 경감시킬 수 있었다.

Abstract ▼ AI-Helper

Due to unusual climate change and global warming, drought and flood happen frequently not only in Korea but also in all over the world. It leads to the serious damages and injuries in urban areas as well as rural areas. Since the concentration time is short and the flood flows increase urgently in urban stream basin, the chances of damages become large once heavy storm occurs. A decision support system for flood forecasting and warning in urban stream is developed as an alternative to alleviate the damages from heavy storm. It consists of model base management system based on ANFIS (Adaptive Neuro Fuzzy Inference System), database management system with real time data building capability and user friendly dialog generation and management system. Applying the system to the Tanceon river basin, it can forecast and warn the stream flows from the heavy storm in real time and alleviate the damages.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

Lamarche(1992)는 St.-Lawrence 강의 수질악화를 방지하기 위한 GIS 기반의 의사결정지원시스템을 개발하였다. Bender와 Simonovic(1994)는 장기간의 용수 공급 예측모형을 위한 의사결정지원시스템을 개발하여, 자료 관리의 자동화, 시계열 모형 구축, 전문가 지식의 이용을 가능하도록 하였다.
2절에서 제시한 ANFIS모형은 자료지향형 모형(data driven model)으로, 입력자료와 출력자료를 이용하여 학습과정을 거치고 시스템을 구축한다. ANFIS 시스템 구축의 목적은 강우 및 수위 자료를 바탕으로 목표지점의 수위를 실시간으로 예측하는 것으로, 본 연구에서는 탄천 유역에서 하대원동, 서현동, 운중동 지점의 강우자료와 대곡교의 수위자료를 바탕으로 대곡교의 장래 수위를 예측할 수 있는 시스템을 구축하였다.
본 연구에서는 도시하천의 홍수를 미리 예보하고 의사결정 자가 필요한 의사결정을 수행하는데 도움이 될 수 있도록 탄천 유역을 대상으로 홍수예·경보를 위한 의사결정지원시스템을 개발하였다.
본 연구에서는 이러한 기존의 홍수예·경보 시스템에서의 한계를 극복하고 불확실성을 해결하여 모형 출력의 신뢰성과 정확도를 높이기 위한 방법으로, 불확실성을 적극적으로 인정하고 수학적으로 해석하려는 신경회로망 이론과 퍼지 이론에 신경망을 도입한 뉴로-퍼지 모형을 홍수량 예측에 적용한 홍수예·경보를 위한 의사결정지원시스템을 개발하였다.

제안 방법

그림 3은 이러한 기능을 수행할 수 있도록 개발된 소켓을 나타낸다. 개발된 소켓에서는 예기하지 못한 자료의 결측 및 포맷 이상 현상에 대비하여 자료의 수동 처리 기능을 포함하였으며, 각 현장에서 수신된 모든 자료와 로그파일을 서버컴퓨터에 백업하는 기능도 포함하고 있다.
둘째, u-city의 방재 분야에 활용할 수 있는 기반을 구축하였다.
왜냐하면 각각의 측정값들은 고유의 특성치들을 내포하고 있고, 이러한 특성치들은 전체적인 추세를 이용해 수위예측 모형을 만드는 과정에서 특정 경향을 발견하는데 저해요소로 작용하기 때문이다. 따라서 측정된 자료를 사용하여 수위예측 모형을 구축하기 위한 전처리 과정으로 자료의 정규화를 수행하였다. 아래 식 (8)을 이용하여 관측값들이 최대값이 1과 최소값이 0 사이의 값들을 갖도록 하였다.
그림 7의 좌측 하단부에는 기왕의 수위 변동 실적과 예측 수위를 함께 나타내었다. 또한 영상을 통해 현재 하천의 상황을 실시간으로 파악할 수 있도록 하였다. 10분 후 새로운 관측 정보의 입력에 따라 이상과 같은 과정이 반복된다.
본 연구에서는 이러한 기존의 홍수예·경보 시스템에서의 한계를 극복하고 불확실성을 해결하여 모형 출력의 신뢰성과 정확도를 높이기 위한 방법으로, 불확실성을 적극적으로 인정하고 수학적으로 해석하려는 신경회로망 이론과 퍼지 이론에 신경망을 도입한 뉴로-퍼지 모형을 홍수량 예측에 적용한 홍수예·경보를 위한 의사결정지원시스템을 개발하였다. 또한 의사결정지원시스템의 요소로서, 전문가가 아니더라도 이용하기 쉽도록 사용자 위주의 GUI를 개발하고, 실시간 자료의 전송, 변환 및 저장이 가능한 실시간 데이터베이스를 구축하였다. 본 연구에서 개발된 시스템은 집중호우 발생 시 홍수피해 발생 가능성 정보를 미래형 U-City에 거주하는 시민들에게 제공하여 인적·물적 피해 규모를 감소시킬 수 있을 것으로 기대된다.
ANFIS는 Matlab 기반에서 개발되었으나, 독립적으로 실행될 수 있도록 C 언어를 이용하여 구축되었다. 비전문가라도 ANFIS를 이용하여 개발된 모형을 쉽게 이용할 수 있도록 하기 위하여 Windows 기반에서 DBMS와 DGMS를 구축하였다.
셋째, 강우와 수위자료만을 이용하여 신뢰성 있는 홍수 예측 시스템을 구축하였다.
본 연구에서는 도시하천의 홍수를 미리 예보하고 의사결정 자가 필요한 의사결정을 수행하는데 도움이 될 수 있도록 탄천 유역을 대상으로 홍수예·경보를 위한 의사결정지원시스템을 개발하였다. 이를 위하여 퍼지이론과 신경망이론이 결합된 뉴로-퍼지 시스템인 ANFIS를 이용하여 모형관리시스템을 구축하였고, 개발된 모형을 쉽게 이용하기 위하여 Windows 기반에서 데이터베이스관리시스템과 인간과 컴퓨터 사이의 대화관리시스템을 개발하였다. ANFIS는 자료 지향형모형으로 기존에 널리 사용되던 개념적 모형이나 물리적 모형과는 차이가 있다.
평가 결과, t시간, t1, t-2 시간의 강우자료와 t 시간, t-1 시간 수위자료를 사용한 모형이 가장 우수한 수위 예측을 하는 것으로 나타났다. 이상과 같이 구축한 모형을 검증하기 위하여 새로운 자료를 사용하여 모형에 적용하였다. 적용 결과 t+1 시간에서 RMSE는 0.
따라서 우선적으로 적절한 모형의 형태를 결정하는 것이 필요하다. 적절한 모형의 형태를 결정하기 위하여 t 시간의 강우, t-1 시간의 강우, t-2 시간의 강우, t 시간의 수위, t-1 시간의 수위, t-2 시간의 수위, 10분과, 30분의 지체시간, t+1, t+2, t+3의 예측시간을 조합하여 모두 72개 형태의 모형을 구성하였다. 기왕의 자료를 사용하여 72개 모형을 검토한 결과 중 일부를 그림 5에 제시 하였다.
특히 DBMS는 현장에서 관측된 자료들이 모형에서 자동으로 인식될 수 있는 형태로 변환시킬 수 있는 기능을 보유해야 한다. 즉, 현장에서 관측된 자료는 TCP-IP 통신 프로토콜이 지원되는 원격 서버컴퓨터로 전송되므로, 서버 컴퓨터에서 수신된 자료를 처리하고 웹 시스템과 연동 가능한 DBMS에 입력하는 절차를 수행하기 위한 소프트웨어를 개발하였다. 그림 3은 이러한 기능을 수행할 수 있도록 개발된 소켓을 나타낸다.

대상 데이터

경기도 성남시 분당구에 위치한 탄천 유역을 도시하천의 홍수예·경보를 위한 의사결정지원시스템 적용 대상지점으로 선정하였다.
시범유역에서 홍수예·경보 의사결정시스템 개발을 위해서 유역의 실제 강우 및 수위 자료가 필요하다. 그림 4에 나타낸 것과 같이 하천 수위의 예측을 위하여 하대원동, 서현동, 그리고 운중동에 위치한 세 개의 강우관측소와 대곡교 지점의 하천 수위자료를 이용하였다. 운중동에도 모든 관측 시스템은 CDMA 무선 데이터 통신을 이용한 실시간 모니터링 시스템으로 구축되었다.
본 연구에 사용된 강우자료는 2004년부터 2005년까지의 강우자료 중, 단일 호우사상이 100 mm이상의 강우량을 가지면서, 24시간 이상의 지속기간을 가지는 강우사상을 선정하였다. 관측소에서 측정된 강우와 수위자료는 모형구축에 직접 사용되기에 적절하지 못하다.
탄천은 경기도 용인시에서 발원해서 성남시와 서울특별시 송파구와 강남구를 거쳐 한강으로 흘러드는 한강의 지류로서, 절반이 넘는 약 25 km 구간이 성남시의 중심부에 걸쳐 있는 전형적인 도시하천이다. 총 유역면적 302 km², 총 연장 35.6 km이며 유역의 동서간 최대길이는 17.5 km, 남북간 최대길이는 29.7 km 이다. 유역의 중심이 속한 성남 지점의 최근 11년간 강우량 자료를 통해 살펴보면 연 평균 강우량은 약 1238.

데이터처리

최적의 자료 조합을 통한 모형을 선정하기 위해서 평균제곱오차(RMSE)와 첨두수위비(PLR)를 통해 모형을 평가하였다. RMSE 값의 경우는 전체적인 예측값이 실측값과 얼마나 큰 편차를 가지고 있는가 하는 전체적인 추이를 나타내는 값이고, PLR은 실측값과 예측값의 첨두수위값을 비교하기 위한 척도이다.

이론/모형

그림 6과 표 1에는 lead time에 대하여 예측이 가장 어려운 t+3의 경우를 제시하였다. 최종적으로 표 1에서 가장 우수한 결과를 나타낸 현재강우, t-1 강우, t-2 강우, 현재수위, t-1 수위를 사용하여 미래의 수위를 예측하는 모형을 ANFIS 모형으로 선정하였다.

성능/효과

넷째, 현재의 하천 상황과 예측 정보를 인터넷을 통해 제공함으로써 관리자나 운영자뿐만 아니라 일반 사용자들도 관련 정보의 접근이 가능하다.
본 연구에서 개발된 시스템은 실시간 강우 및 수위자료 계측 시스템과 연동되어 자료의 공급, 저장, 자료변환 및 입력, 자료 도시 등이 실시간 자동으로 이루어져 긴급한 상황이 발생할 경우, 의사결정자의 홍수예·경보에 관련된 의사결정을 신속하게 지원할 수 있다.
Toth 등(2000)은 기존에 홍수예·경보에 널리 사용되던 기법들을 비교하였다. 비교된 방법은 ARIMA 기법, 인공신경망기법, 비매개변수최근해법 등이며, 인공신경망 기법이 가장 양호한 결과를 나타내었다. Werner 등(2005)은 수치기상예보기법을 사용하여 전 유역 단위에서 홍수예·경보시스템을 개발하였다.
이상과 같이 구축한 모형을 검증하기 위하여 새로운 자료를 사용하여 모형에 적용하였다. 적용 결과 t+1 시간에서 RMSE는 0.0262, PLR 0.1031, 오차 -0.0246 m t+2의 경우 RMSE는 0.0317, PLR 0.3520, 오차 -0.0143 m, t+3의경우 RMSE는 0.0432, PLR 0.0018, 오차 -0.0300 m의 결과를 얻었으며, 실측값과 예측값의 차이는 1.4-3 cm에 불과하였다. 또한 lead time에 따른 RMSE를 비교하면 예측시간이 t+1인 경우가 t+2의 경우보다, t+2의 경우가 t+3인 경우보다 우수함을 알 수 있다.
첫째, 도시하천의 홍수예·경보 의사결정지원시스템을 개발하여 신속한 홍수 예측이 가능하다.
여기서 n은 관측값의 개수, PLR은 첨두수위비, PWL은 예측첨두수위, RWL은 실측첨두수위이다. 평가 결과, t시간, t1, t-2 시간의 강우자료와 t 시간, t-1 시간 수위자료를 사용한 모형이 가장 우수한 수위 예측을 하는 것으로 나타났다. 이상과 같이 구축한 모형을 검증하기 위하여 새로운 자료를 사용하여 모형에 적용하였다.

후속연구

본 연구에서 개발된 시스템은 집중호우 발생 시 홍수피해 발생 가능성 정보를 미래형 U-City에 거주하는 시민들에게 제공하여 인적·물적 피해 규모를 감소시킬 수 있을 것으로 기대된다.
본 연구에서 개발된 홍수예·경보시스템은 일단 유역에 대하여 시스템이 완성되면 추가적인 모형의 매개변수 추정 등에 시간이 소요되지 않으므로, 비교적 단시간 내에 홍수 예측이 가능하여 소하천에서 홍수예·경보의 발령에 활용이 가능하리라고 판단된다.
추후 과제로는 첫째, 장래 발생하는 호우 자료를 이용하여 모형의 신뢰성을 지속적으로 검토하고, 둘째, 본 홍수예·경보 시스템을 중소하천뿐만 아니라 대하천으로까지 확대 가능성을 검토하며, 셋째, 일반인의 이용성을 증대시키기 위하여 모바일 기기에 적용성을 검토하는 것 등이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	저류함수법의 단점은?	우리나라에서는 계산절차가 간편하고 강우-유출의 비선형성을 고려할 수 있다는 점에서 홍수예·경보를 위한 유출모형으로 저류함수법(심순보, 1992; 배덕효, 1998)이 널리 이용되고 있다. 그러나 저류함수법은 유효우량을 산정하는데 문제가 있고, 모형의 매개변수를 추정에서 신뢰성이 떨어지는 단점이 있다. 이외에도 기왕의 홍수예·경보는 특정 지점에서의 유출량을 예측하기 위해 전처리과정과 주 계산과정을 거치는 동안 많은 오차들이 발생하고 그것들이 누적되어 결과물 내에 오차들이 내포되어 있다.
	의사결정지원시스템은 어떤 시스템으로 구성되어 있는가?	DSS는 데이터베이스관리시스템(DBMS: DataBase Management System), 모형관리시스템(MBMS: Model Base Management System), 인간과 컴퓨터 사이의 대화관리시스템(DGMS: Dialog Generation and Management System)으로 구성되어 있다. DBMS는 다양한 종류의 자료를 통합, 관리할 수 있어야 하며, 자료를 신속하고 쉽게 추가하거나 제거할 수 있어야 한다.
	의사결정지원시스템이란 무엇인가?	의사결정지원시스템(DSS: Decision Support System)의 개발은 호우로 인한 홍수예측과 같은 어려운 문제에 대해 의사결정자의 의사결정을 지원할 수 있다. “의사결정지원시스템이란 잘못 구성되었거나, 부분적으로만 구성되었거나, 아직 완전히 구성되지 않은 문제에 대해 이용할 수 있는 정보와 지식을 체계적으로 구성할 수 있도록 지원함으로써 기술적인 의사결정이나 관리와 관련된 의사결정을 지원할 수 있는 시스템”이라고 정의할 수 있다. Smith 등(1985)은 DSS를 “잘못 구성된 문제로부터 완전하게 구성된 문제에 이르기까지 모든 문제들의 해결을 지원하기 위해 사용자와 컴퓨터 간의 상호작용이 가능하고, 사용이 간편해야 하며, 모형구축과 분석도구를 이용할 수 있는 컴퓨터 시스템”이라고 정의하였다.

참고문헌 (21)

？배덕효(1997) 저류함수법을 이용한 추계학적 실시간 홍수예측모형 개발. 한국수자원학회 논문집, 한국수자원학회, 제30권, 제5호, pp. 449-457.
심순보, 김선구, 고석구(1992) 최적화 기법에 의한 저류함수 유출 모형의 자동 보정. 대한토목학회논문집. 대한토목학회. 제12권, 제3호. pp. 127-137.
이경훈, 문병석, 강일환(1998) ANFIS를 이용한 상수도 1일 급수량 예측에 관한 연구. 한국수자원학회 논문집, 한국수자원학회, 제31권, 제6호, pp. 821-832.
정대명, 배덕효(2004) 기상예보를 활용한 월 댐유입량 예측. 한국수자원학회논문집. 한국수자원학회, 제37권, 제6호, pp. 449-460.
Arnold, J.G. and Sammons, N.B. (1988) Decision support system for selecting inputs to a basin scale model. Water Resources Bulletin, Vol. 24, No. 4.
Bender, M. and Simonovic, S.P. (1994) Decision-support system for long-range stream flow forecasting. Journal of Computing in Civil Engineering, Vol. 8, No. 1.

상세보기
Berthouex, P.M., Lai, W., and Darjatmoko, A. (1989) Statisticsbased approach to wastewater treatment plant operations, Journal of Environmental Engineering, Vol. 115, No. 3, June.
Chang, F.J. and Chen, Y.C. (2001) A counterpropagation fuzzyneural network modeling approach to real time streamflow prediction, Journal of Hydrology, Vol. 245, pp. 153-164.

상세보기
Gautam, D.K. and Holz, K.P. (2001) Rainfall-runoff modeling using adaptive neuro-fuzzy systems, Journal of Hydroinformatics, pp. 3-10.
Jang, J.S. (1993) ANFIS: Adaptive-Networkbased Fuzzy Inference Systems, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 23, No. 3, pp. 665-685.

상세보기
Labadie, J.W. and Sullivan, C.H. (1986) Computerized decision support systems for water managers. Journal of Water Resources Planning and Management, Vol. 112, No. 3, ASCE, pp. 299-307.

상세보기
Lamarche, A. (1992) Development of a geographic information system in support of the st.-lawrence action plan. Geographic Information Systems (GIS) and Mapping-Practices and Standards, ASTM STP 1126, American Society for Testing and Materials, Philadelphia, pp. 85-96.
Mamdani, E.H. and Assilian, S. (1975) An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, Vol. 7, No. 1 pp. 1-13.

상세보기
Merabtene, T., Kawamura, A., Jinno, K., and Olsson, J. (2002) Risk assessment for optimal drought management of an integrated water resources system using a genetic algorithm. Hydrological Processes. Vol. 16, No. 11, pp. 2189-2208.

상세보기
Morton, M.S.S. (1980) Book Review of Decision Support Systems: Current Practice and Continuing Challenge by Steven L. Alter, Sloan Management Review, 21:77.
Nasseri, M., Asghan, K., and Abedini, M.J. (2008) Optimized scenario for rainfall forecasting using genetic algorithm coupled with artificial neural Network. Expert Systems with Applications, Vol. 35, No. 3, pp. 1415-1421.

상세보기
Overton, I.C. (2005) Modeling floodplain inundation on regulated river: integrating GIS, remote sensing and hydrologic models, River Research and Applications, Vol. 21, No. 9, pp. 991-1001.

상세보기
Smith, R.D., Peart, R.M., and Barrett, J.R. (1985) Agricultural production management with decision support systems. ASAE Paper No. 85-3076.
Sugeno, M. (1985) Industrial Applications of Fuzzy Control. Elsevier Science Pub. Co.
Toth, E., Brath, A., and Montanari, A. (2000) Comparison of shortterm rainfall prediction models for real-time flood forecasting. Journal of Hydrology, Vol. 239, No. 1-4, pp. 132-147.

상세보기
Werner, M., Reggiani, P., Roo A.D., Bates, P., and Sprokkereef, E. (2005) Flood forecasting and warning at the river basin and at the european scale. Natural Hazards, Vol. 36, No. 1-2, pp. 25-42.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증