[논문]머신러닝을 이용한 침수 깊이와 위치예측 모델 개발

강지욱; 박종혁; 한수희; 김경준

doi:10.13067/jkiecs.2023.18.1.91

머신러닝을 이용한 침수 깊이와 위치예측 모델 개발
Development of Machine Learning based Flood Depth and Location Prediction Model 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.18 no.1, 2023년, pp.91 - 98

강지욱 (포항공과대학교 IT융합공학과) , 박종혁 (포항공과대학교 IT융합공학과) , 한수희 (포항공과대학교 IT융합공학과) , 김경준 (포항공과대학교 IT융합공학과)

초록
AI-Helper

최근 국지성 폭우로 인한 침수 피해가 빈번하게 발생함에 따라 침수 피해를 사전 예방하기 위한 침수 예측 연구가 진행되고 있다. 본 논문에서는 머신 러닝 기반으로 강우 데이터를 이용해 침수 깊이와 침수 위치를 예측하는 모델을 개발하는 방법을 연구한다. 실시간 강우량을 입력으로 사용하여 다양한 강우 분포 패턴에 강건하게 구성하고 적은 메모리로 모델을 학습시킬 수 있는 2가지 데이터 셋(set) 구성 방법을 제시하였다. 침수에 유의미한 영향을 미치는 valid total 데이터는 침수 위치는 잘 예측했지만, 특정 강우 패턴에 대해 값이 다르게 나타나는 경향을 띠었다. 부분적이지만 침수에 영향을 미치는 영역을 valid local이라 한다. Valid local은 고정점 방법에 대해서는 잘 학습되었지만, 임의점 방법에 대해서는 침수 위치를 정확하게 나타내지 못했다. 본 연구를 통해 실시간으로 침수 깊이와 위치를 예측할 수 있게 되어 큰 피해를 예방할 수 있을 것으로 예상된다.

Abstract ▼ AI-Helper

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.

주제어

표/그림 (8)

그림 그림 1. '0'으로 채워진 강우 데이터 Fig. 1. Zero-padded rainfall data
그림 그림 2. 경안천 침수 이미지(335개) 데이터 Fig. 2. No. 335 sample image of Gyeongancheon flood
그림 그림 3. 데이터 전처리 모델의 개념: (a) 전체 유효데이터, (b) 부분 유효데이터 Fig. 3. A schematic diagram of model for each pre-processed data (a) total valid, (b) local valid
그림 그림 4. 유효 데이터 셋에 대한 침수예측 결과 (a) KNN (b) Random Forest Fig. 4. Estimated flood for ‘Valid total’ dataset (a) KNN (b) Random Forest
표 표 1. 전체 유효데이터 셋에 대한 모델 성능 Table 1. Model performance for total dataset
그림 그림 5. 유효 지역 데이터셋에 대한 침수 평가: 왼쪽부터 시뮬레이션 결과, KNN-F20, RF-F20, KNN-R20, RF-R20, 강우량 패턴 번호 (a) 225번, (b) 550번, (c) 668번 Fig. 5. Estimated flood for ‘Valid local’ dataset: from left, true simulation, KNN-F2, RF-F20, KNN-R20, RF-R20, for rainfall data (a) No. 225, (b) No. 550, (c) No. 668
표 표 2. 부분 유효데이터 셋에 대한 모델 성능 Table 2. Model performance for local valid dataset
표 표 3. 부분 유효데이터 셋의 데이터 개수에 의한 성능 Table 3. Performance for different data points

참고문헌 (14)

C. Lee, "Train Location and Control using Spread？Spectrum Radio Communications," United States？Patent, no. 5420883, May 30, 1995.
B. Kim, O. Kim, H. Kwon, and S. Yoon, "Climate？change effect of rainfall frequency analysis using？high resolution RCM data," in Proceeding of the？30th Annual Korea Water Resources Association？Conference, Gyeongju, Korea, 2008, pp. 224-228.
J. Lee and B. Kim, "Scenario-based real-time？flood prediction with logistic regression," Water,？vol. 13, no. 9, Apr. 2021, pp. 1191.
J. Hou, N. Zhou, G. Chen, M. Huang, and B.？Bai, "Rapid forcasting of urban flood inundation？using multiple machine learning models,"？Natural Hazards, vol. 108, May. 2021, pp.？2335-2356.

상세보기
J. Choi and H. Choi. "Prediction of Wind Power？Generation using Deep Learning," The Journal of？The Korea Institute of Electronic Communication？Sciences, vol. 16, no. 2, 2021, pp. 329-338.
G, Bak and Y. Bae. "Groundwater Level？Prediction Using ANFIS Algorithm." The Journal？of the Korea Institute of Electronic Communication？Sciences, vol. 14, no. 6, Dec. 2019, pp. 1235-？1240
M. Motta, M. de Castro Neto, and P. Sarmento,？"A mixed approach for urban flood prediction？using machine learning and GIS," Natural？International Journal of Disaster Risk Reduction,？vol. 56, Apr. 2021, pp. 102154
B. Leo, "Random forests," Machine Learning, vol.？45, 2001, pp. 5-32.
T. Cover and P. Hart, "Nearest neighbor pattern？classification," IEEE Transactions on Information？Theory, vol. 13, 1967, pp. 21-27.

상세보기
A. B. Ranit and P. V. Durge, "Different？Techniques of Flood Forecasting and Their？Application," in Proc. of 2018 International？Conference on Research in Intelligent and？Computing in Engineering (RICE), El Salvador, El？Salvador, Aug. 2018.
S. Bande and V. V. Shete, "Smart Flood Disaster？Prediction System using IoT & Neural？Networks," in Proc. of 2017 International？Conference On Smart Technologies For Smart？Nation (SmartTechCon), Bengaluru, India, 2017.
S. Kurnaz, S. Salahova, R. B. Rustamov, and M.？Zeynalova, "River Inundation Impact Reduction？Based on Space Technology Application," in？Proc. of 2009 4th International Conference on？Recent Advances in Space Technologies, Istanbul,？Turkey, June 2009.
S. Park, "Adaptive Sea Level Prediction Method？Using Mearured Data," J. of the Korea Institute of？Electronic Communication Sciences, vol. 12, no. 5,？2017, pp. 891-898.
F. Pedregosa, G. Varoquaux, A. Gramfort, V.？Michel, B. Thirion, O. Grisel, M. Blondel, P.？Prettenhofer, R. Weiss, V. Dubourg, J.？Vanderpals, A. Passos, D. Cournapeau, M.？Brucher, M. Perrot, and E. Duchensay,？"Scikit-learn: Machine learning in Python," the？Journal of Machine Learning Research, vol. 12,？2011, pp.2825-2830.

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