|
|
| 머신러닝기반의 연안 복합홍수위산정 모형을 이용한 계획홍수위 검토에 관한 연구 |
|
김경훈1, 백선욱2, 김덕길3, 김형수4 |
1정회원, 인하대학교 토목공학과 박사과정
2정회원, 인하대학교 토목공학과 박사과정
3정회원, LIG System 재난안전연구소 책임연구원
4정회원, 인하대학교 사회인프라공학과 교수 |
| Evaluating Design Flood Levels Using a Machine Learning-based Costal Compound Flood Level Model |
|
Kyunghun Kim1, Seonuk Baek2, Duckgil Kim3, Hung Soo Kim4 |
1Member, Ph.D. Candidate, Department of Civil Engineering, Inha University
2Member, Ph.D. Candidate, Department of Civil Engineering, Inha University
3Member, Senior Researcher, Disaster and Safety Research Institute, LIG System
4Member, Professor, Department of Civil Engineering, Inha University |
Corresponding author:
Hung Soo Kim, Tel: +82-032-872-8729, Fax: +82-32-876-9787,
Email: sookim@inha.ac.kr
|
|
Received: 15 July 2024 • Revised: 17 July 2024 • Accepted: 26 July 2024 |
|
|
| Abstract |
|
Coastal floods, a type of compound disaster, results from the interactions between rainfall and tides. However, in Korea, the design flood level for coastal areas typically relies on the average water level according to the tide, ignoring this interaction. This study aimed to address this gap by developing a machine learning-based compound flood level model that incorporates the interactions between rainfall and tides. It also evaluated the adequacy of the design water level in the Taehwa River basin, a representative tidal river. Before developing the model, Discrete Wavelet Transformation (DWT) was used to identify the components of the compound flood level. The DWT results indicated that the compound flood level comprised three elements: rainfall-runoff, tides, and noise. A Long Short-Term Memory (LSTM) model was then created using these elements as input to estimate the compound flood level for a 200-year frequency, which is the design frequency of the Taehwa River. The compound flood level calculated by the model was 6.15 m, which is higher than the established design flood level of the Taehwa river (5.79 m). This discrepancy indicates that the current flood measurements for the Taehwa River are inadequate in accounting for compound flooding. Based on these findings, we recommend incorporating the compound flood concept when calculating the design water levels in coastal areas. |
| Key Words:
Coastal Compound Flood, Design Flood Level, Discrete Wavelet Transformation (DWT), Long Short-Term Memory (LSTM) Model |
| 요지 |
|
연안홍수는 강우와 조위의 상호작용에 의해 발생하기 때문에 복합재난의 한 종류인 복합홍수로 정의 할 수 있다. 하지만 국내에서는 연안지역의 계획홍수위 산정에 있어 강우와 조위의 상호작용을 고려하지 않고 조위별 평균 수위값을 사용하고 있다. 이에 본 연구에서는 강우와 조위의 상호작용을 고려할 수 있는 머신러닝기반의 복합홍수위 산정 모형을 개발하여 대표적 감조하천 유역인 태화강유역의 계획홍수위의 적절성을 평가하였다. 모형을 개발하기 전에 복합홍수위를 구성하는 성분을 확인하기 위해 이산형 웨이블릿을 적용하였다. 이를 통해 복합홍수위가 강우-유출, 조위, 잡음 성분으로 구성되어 있는 것을 확인하였다. 식별된 구성 성분들을 입력자료로 하는 장단기 기억(Long Short Term Memory, LSTM) 모형을 개발하여 태화강의 설계빈도인 200년 빈도의 복합홍수위를 산정하였다. 개발한 모형을 통해 산정된 복합홍수위는 6.15 m로 기존에 수립된 태화강의 계획홍수위(5.79 m)보다 높게 나타났으며, 태화강의 홍수방어대안들이 복합홍수에 취약하다는 것을 확인할 수 있었다. 본 연구의 결과를 통해 연안지역의 계획홍수위 산정 시에 복합홍수의 적용 필요성을 제시하고자 하였다. |
| 핵심용어:
연안 복합홍수, 계획홍수위, 이산형 웨이블릿, 장단기 기억 모형 |
|
PDF Links
Full text via DOI
Download Citation
