[논문]랜덤포레스트 회귀모형을 적용한 도시지역에서의 실시간 침수 예측

김현일; 이연수; 김병현

doi:10.3741/jkwra.2021.54.s-1.1119

초록
AI-Helper

불안정한 기후와 함께 나타나는 국지적 집중호우로 인한 도시 침수는 끊임없이 발생하고 있으나, 강우량을 포함한 기상정보 현황 또는 예보정보를 활용하여 공간적인 도시홍수 예측정보를 제공할 수 있는 체계는 아직 마련되지 못한 상황이다. 공간적인 홍수정보는 하천의 제방, 도시 하수관거의 통수능, 저류지, 펌프시설과 같은 구조물적 대책에 어려움이 있을 시 발생할 수 있는 최악의 홍수상황을 미리 파악함으로써 피해를 최소화하는데 직접적인 영향을 미칠 수 있다. 이에 본 연구에서는 기상청에서 제공되는 강수량, 도시 유역에 대한 2차원 침수해석 결과, 그리고 기계학습 모형 중 하나인 랜덤포레스트 회귀모형을 활용하여 실시간으로 도시유역에 대한 침수지도를 예측할 수 있는 방법론을 제시하고자 한다. 연구유역은 내수침수가 빈번하게 발생하는 울산시 우정태화지구로 선정하였다. 지속시간 6시간의 총강우량 50 mm, 80 mm 그리고 110 mm 대한 랜덤포레스트 회귀분석 예측 침수면적과 검보정된 2차원 물리모형의 침수해석 결과 비교시 각각 63%, 80%, 그리고 67%의 적합도를 보여주어, 빠른 시간안에 발생하는 도시 침수에 대한 대응, 대피를 위한 기초자료로 활용될 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

Urban flooding caused by localized heavy rainfall with unstable climate is constantly occurring, but a system that can predict spatial flood information with weather forecast has not been prepared yet. The worst flood situation in urban area can be occurred with difficulties of structural measures s...

Urban flooding caused by localized heavy rainfall with unstable climate is constantly occurring, but a system that can predict spatial flood information with weather forecast has not been prepared yet. The worst flood situation in urban area can be occurred with difficulties of structural measures such as river levees, discharge capacity of urban sewage, storage basin of storm water, and pump facilities. However, identifying in advance the spatial flood information can have a decisive effect on minimizing flood damage. Therefore, this study presents a methodology that can predict the urban flood map in real-time by using rainfall data of the Korea Meteorological Administration (KMA), the results of two-dimensional flood analysis and random forest (RF) regression model. The Ujeong district in Ulsan metropolitan city, which the flood is frequently occurred, was selected for the study area. The RF regression model predicted the flood map corresponding to the 50 mm, 80 mm, and 110 mm rainfall events with 6-hours duration. And, the predicted results showed 63%, 80%, and 67% goodness of fit compared to the results of two-dimensional flood analysis model. It is judged that the suggested results of this study can be utilized as basic data for evacuation and response to urban flooding that occurs suddenly.

주제어

표/그림 (16)

그림 Fig. 1. Structure of random forest regression model
표 Table 1. Observed rainfall data
그림 Fig. 3. Photo of damaged area (a) Riverside of Taehwa river, (b) Taehwa market (Source: (a) Chosunilbo, (b) Ulsanilbo)
그림 Fig. 2. (a) Study area and (b) Rainfall station
그림 Fig. 4. Rainfall in typhoon Chaba on october 5, 2016
그림 Fig. 5. Overflow at manhole and location of manhole
그림 Fig. 6. Comparison of FLO-2D result with NDMS
그림 Fig. 7. Four representative rainfall events used for training
그림 Fig. 8. Random forest tree
표 Table 2. Random forest training data
표 Table 4. Split citeria for i.
표 Table 3. Random forest prediction data
그림 Fig. 9. Rainfall used to predict flooding
표 Table 5. Rainfall information for flood prediction
그림 Fig. 10. Comparison of flood depth between Flo-2D and random forest regression analysis; (a) 50 mm, (b) 80 mm and (c)110 mm
표 Table 6. The results of goodness of fit

참고문헌 (11)

Albers, S.J., Dery, S.J., Petticrew, E.L. (2015). "Flooding in the Nechako river basin of Canada: A random forest modeling approach to flood analysis in a regulated reservoir system." Canadian Water Resources Journal, Vol. 41, No. 1-2, pp. 250-260.
Kim, J.S. (2020). Urban flood countermeasures for response of climate change, Legislation and Policy Report, Vol. 62, National Assembly Research Service.
Kim, H.I., and Han, K.Y. (2020). "Data-driven approach for the rapid simulation of urban flood prediction." KSCE Journal of Civil Engineering, Vol. 24, pp. 1932-1943.

상세보기
Kim, H.I., and Kim, B.H. (2020). "Flood hazard rating prediction for urban areas using random forest and LSTM." KSCE Journal of Civil Engineering, Vol. 24, pp. 3884-3896.

상세보기
Lee, S.M., Kim, J.C., Jung, H.S., Lee, M.J., and Lee, S.R. (2017). "Prediction of flood susceptibility using random-forest and boosted-tree models in Seoul Metropolitan City, Korea." Geomatics, Natural Hazards and Risk, Vol. 3, No. 2, pp. 1185-1203.
Li, B., Yang, G., Wan, R., Dai, X., and Zhang, Y. (2016). "Comparison of random forests and other statistical methods for the prediction of lake water level: A case study of the Poyang Lake in China." Hydrology Research, Vol. 47, No. S1, pp. 69-83.

상세보기
Mosavi, A., Ozturk, P., and Chaw, K.K. (2018). "Flood prediction using machine learning models: Literature review." Water, Vol. 10. doi: 10.3390/w10111536

상세보기
Park, J.H., Kim, S.H., and Bae, D.H. (2019). "Evaluating appropriateness of the design methodology for urban sewer system." Journal of Korea Water Resource Association, Vol. 52, No. 6, pp.411-420. (in Korean)

원문보기 상세보기
Risi, R.D., Jalayer, F., and Paola, F.D. (2015). "Meso-scale hazard zoning of potentially flood prone areas." Journal of Hydrology, Vol. 527, pp. 316-325.

상세보기
Tyralis, H., Papacharalmpous, G., and Langousis, A. (2019). "A brief review of random forests for water scientists and practitioners and their recent history in water resources." Water, Vol. 11, No. 5. doi: 10.3390/w11050910

상세보기
Zhou, J.Z., Peng, T., Zhang, C., and Sun, N. (2018). "Data pre-analysis and ensemble of varios artificial neural networks for monthly streamflow forecasting." Water, Vol. 10, No. 5. doi: 10.3390/w10050628

상세보기

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

랜덤포레스트 회귀모형을 적용한 도시지역에서의 실시간 침수 예측
Real-time flood prediction applying random forest regression model in urban areas 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (16)

표/그림 (16)

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

랜덤포레스트 회귀모형을 적용한 도시지역에서의 실시간 침수 예측 Real-time flood prediction applying random forest regression model in urban areas 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (16) 모든 표/그림 보기

표/그림 (16) 슬라이드로 보기

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

김병현 (24)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

랜덤포레스트 회귀모형을 적용한 도시지역에서의 실시간 침수 예측
Real-time flood prediction applying random forest regression model in urban areas 원문보기

초록
AI-Helper

표/그림 (16)

표/그림 (16)