초록 ▼

본 연구에서는 인공지능(AI) 분야인 인공신경망(ANN)을 활용하여, 태풍 해일을 신속하고 정확하게 예측하는 모델을 개발함.
태풍의 주요 매개변수를 분석하여 기후변화가 고려된 한반도에 발생 가능한 가상태풍(synthetic storm)을 수 백개 생성하고 고성능 수치모델(ADCIRC+SWAN)을 사용하여 태풍 해일고를 계산한 DB를 구축함. 구축된 DB를 인공신경망을 사용하여 태풍 매개변수와 해일고의 상관관계를 다양한 학습알고리즘으로 학습(training) 시켜 학습된 신경망으로 대안적 모델(surrogate model)을 개

본 연구에서는 인공지능(AI) 분야인 인공신경망(ANN)을 활용하여, 태풍 해일을 신속하고 정확하게 예측하는 모델을 개발함.
태풍의 주요 매개변수를 분석하여 기후변화가 고려된 한반도에 발생 가능한 가상태풍(synthetic storm)을 수 백개 생성하고 고성능 수치모델(ADCIRC+SWAN)을 사용하여 태풍 해일고를 계산한 DB를 구축함. 구축된 DB를 인공신경망을 사용하여 태풍 매개변수와 해일고의 상관관계를 다양한 학습알고리즘으로 학습(training) 시켜 학습된 신경망으로 대안적 모델(surrogate model)을 개발하였음. 구축된 인공신경망 모델은 과거 및 가상 태풍을 대상으로 검증을 수행하였음. 검증이 완료된 모델을 UI/UX로 구현하여 사용자 편의성을 향상 시켰으며, 시범지역(거제, 울산)을 지정하여 모델의 신속성과 정확성을 증명하여 현업에 투입될 예정임

(출처 : 요약서 3p)

Abstract ▼

Purpose & Contents
An expedient and accurate storm surge prediction model will be developed in this project. High-fidelity numerical models (ADCIRC, FVOM, POM etc.) have good performance, but its calculation time is not fast. On the other hand, SLOSH model operated by NOAA is very speed but not a

Purpose & Contents
An expedient and accurate storm surge prediction model will be developed in this project. High-fidelity numerical models (ADCIRC, FVOM, POM etc.) have good performance, but its calculation time is not fast. On the other hand, SLOSH model operated by NOAA is very speed but not accurate in the performance. Therefore, in the project Artificial neural network of Artificial Intelligence will be applied to combine with the two advantages for the two models. The developed surrogate model can be simulated with uncertain typhoon characteristics (called probabilistic simulation).

Results
First of all, the typhoon best tracks influenced in Korea peninsula is collected and analyzed from JTWC (Joint Typhoon Warning Center), KMA and JMA. As analyzing the typhoon important parameters, probable typhoon scenario are developed fully. With this input data, the well known high-fidelity numerical models (high resolution ADCRIC or ADCIRC+SWAN) in the world are applied to make the database of storm surge response. Then artificial neural networks structured by typhoon parameters and storm surge response are trained. The trained networks should be validated with the past real typhoon and synthetic storms. After this validation, a graphic user interface will be put on the ANN surrogate model. Finally the surrogate model will be applied in some model areas and then is distributed in the required areas.

We have an independent storm surge prediction model with high-speed and ?accurate based on the AI technique. This model is developed to be easy and simple for emergent decision makers by a graphic user interface. At the same time, probabilistic simulation can be possible for the storm surge response.

Expected Contribution
The developed expedient storm surge model can be applied the 50 coastal cities for the natural disaster comprehensive reduction plan in south Korea. This model is combined with the National disaster prediction system and the advanced measured system in The National Disaster Management Research Institute (NDMI) and Korean Hydrographic and Oceanographic Agency (KHOA), respectively.
Furthermore, the model can be exported through ODA project to the Philippines and east-south asia countries influenced by typhoon. In Korea, the natural disaster insurance company can also use this model to calculate damage rate of building, house, infrastructures.

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 보고서 요약서 ... 3
• 국문 요약문 ... 4
• SUMMARY ... 5
• 목차 ... 6
• 제1장 연구개발과제의 개요 ... 9
• 제1절 연구개발 목적 ... 9
• 제2절 연구개발의 필요성 ... 9
• 1. 연구개발의 개요 ... 9
• 2. 핵심기술 ... 10
• 제3절 연구개발 범위 ... 10
• 1. 차년도 연구개발 범위 ... 10
• 제2장 국내외 기술 개발 현황 ... 18
• 제1절 국내외 기술현황 ... 18
• 1. 해일피해 예측 정밀격자 수치모델 및 설계해면 추산(한국해양연구원, 2010) ... 18
• 2. 항만권역 태풍 및 지진해일 재해대응체계 구축에 관한 연구(한양대, 2013~2016) ... 18
• 3. 연안재해취약성 평가체계 구축 결과보고서(국립해양조사원, 2011~2015) ... 18
• 4. 해안침수예상도 제작(국립해양조사원, 2010~2016) ... 18
• 5. 미해양대기청(NOAA) 허리케인센터(NHC) ... 19
• 6. 미육군공병단(USACE) 공학연구개발센터(ERDC)의 해안수리연구실(CHL) ... 19
• 7. 세계 주요대학 및 연구기관 ... 19
• 제2절 국내·외 경쟁기관의 현황 ... 20
• 제3절 국내·외 지식재산권의 현황 ... 20
• 제4절 국내·외 표준화 현황 ... 21
• 제3장 연구 수행 내용 및 성과 ... 22
• 제1절 가상태풍 시나리오 생성 ... 22
• 1. 가상태풍 시나리오의 역할 ... 22
• 2. 가상태풍 시나리오 생성방법 ... 23
• 3. 가상태풍 시나리오 생성 ... 55
• 제2절 시나리오 기반 수치모델링을 통한 DB 구축 ... 66
• 1. 고성능 수치모델링 구축 및 검증 ... 66
• 2. 고성능 수치모델링 2단계(DB 구축) ... 82
• 3. 인공신경망 입력 DB ... 161
• 제3절 인공신경망 모델링 ... 186
• 1. 인공신경망 모델 개발 ... 186
• 2. 인공신경망 모델 검증 ... 206
• 3. 인공신경망 모델 시점지역 적용 ... 245
• 제4절 인공신경망 모델링 가시화 ... 246
• 1. 인공지능 해일고 예측 시스템 개요 ... 246
• 2. 인공지능 해일고 예측 시스템 설계 ... 247
• 3. 인공지능 해일고 예측 시스템 개발 ... 259
• 제5절 인공신경망 모델링 개선 방향 ... 273
• 1. 계산격자 및 태풍 풍속장 고도화 ... 273
• 2. 인공신경망 모델링 개선 방향 ... 289
• 제4장 목표 달성도 및 관련 분야 기여도 ... 293
• 제1절 목표 달성도 ... 293
• 1. 정량적 성과목표 및 성과지표 달성도 ... 293
• 제2절 관련 분야 기여도 ... 293
• 1. 가상태풍 생성 ... 293
• 2. 격자(grid) 기반 수치모델링 탈피 ... 294
• 제5장 연구개발성과의 활용계획 ... 295
• 제1절 연구개발성과의 활용범위 ... 295
• 1. 해안인접 각 시도, 시군구별 풍수해저감종합계획 수립 및 재난대응에 활용 ... 295
• 2. 국립재난안전연구원 재난상황실(스마트빅보드)에 탑재(시범사업 포함) ... 295
• 3. 국립해양조사원 조위검조소에 탑재하여 활용(시범사업 포함) ... 295
• 4. 풍수해 보험사 활용 ... 296
• 5. 대국민 재난대응능력 향상 및 안전산업 수요창출 ... 296
• 제2절 연구개발성과를 활용한 사업화 계획 ... 297
• 1. 제품 생산 계획 ... 297
• 2. 제품 투자 계획 ... 297
• 3. 사업화 전략 ... 298
• 4. 사업화 모형 제시 ... 299
• 제6장 연구 과정에서 수집한 해외 과학기술 정보 ... 301
• 제1절 미국 Joint Probability Method-Optimal Sampling (JPM-OS) ... 301
• 제2절 미국 루이지애나 가상태풍 생성자료 분석(LACPR 2009; FEMA 2007; IPET 2007) ... 302
• 제3절 미국 루이지애나 인공신경망 모델 검증 방법 ... 304
• 제7장 연구개발성과의 보안등급 ... 306
• 제1절 보안등급 분류 ... 306
• 1. 보안과제 ... 306
• 2. 일반과제 ... 306
• 제8장 국가과학기술종합정보시스템에 등록한 연구시설·장비 현황 ... 307
• 제9장 연구개발과제 수행에 따른 연구실 등의 안전 조치 이행 실적 ... 308
• 제1절 연구실 안전조치를 위한 이행계획 ... 308
• 1. 연구실 안전 점검 체계 및 실시 ... 308
• 2. 안전교육 ... 308
• 3. 보험가입 ... 308
• 제10장 연구개발과제의 대표적 연구 실적 ... 309
• 제11장 기타 사항 ... 310
• 제1절 사업화 현황 ... 310
• 제12장 참고 문헌 ... 311
• 끝페이지 ... 312