earticle

영어

Recently, large-scale flood damage has happened due to frequent occurrences of typhoons, local heavy rains, and flash floods due to rapid climate change. In order to respond to floods that have never been experienced before because of such abnormal rainfall events, this paper proposes the new flood prediction method based on AI Surrogate. We could cope with the limitations of the AI model due to a lack of observation information by using an approximately 30% increase in rainfall suggested by the weather change scenario (SSP5-8.5) to generate runoff due to extreme rainfall using an engineering method and have utilized the AI Surrogate model on the basis of the virtual simulator data in the water resources field. To derive from the AI learning data, hydrological observation information from 2011 to 2022 was applied. In addition, extreme rainfall learning data were created by increasing the rainfall data of 2011, 2012, and 2020 by 30%, and an AI-Surrogate model for runoff prediction using the LSTM model was developed. As a result of evaluating the accuracy of the developed model, the R² of the AI Surrogate model aquired 30% increased rainfall data was 0.91028 and the RMSE was 0.01533, and the R² of the model consisting of only observation data was 0.89582 and RMSE of 0.02038. The experimental results showed that the accuracy of the model with abnormal rainfall was excellent and that flow rate had a strong correlation with rainfall and was relatively less affected by the hyperparameter options of LSTM.

한국어

본 논문에서는 이상강우 현상으로 기존에 경험하지 못한 홍수에 대응하기 위하여 AI Surrogate 기반의 홍수 예측 기술을 제안하였다. 최근 급격한 기후변화로 인한 태풍이나 국지성 호우, 돌발성 홍수 등 빈번한 발생 으로 대규모 홍수 피해를 초래하고 있는 실정이다. AI Surrogate 모델의 장점으로는 기존의 관측자료 기반의 AI 모델이 가지고 있는 관측소 설치 및 유지관리 비용을 절감할 수 있고, 경험하지 못한 강우량에 대한 대응 능력을 향상 할 수 있다. 따라서 우리는 기후변화 시나리오(SSP5-8.5)에서 제시한 약 30% 증가한 강우를 적용하여 극한 강우에 따른 유출량을 공학적 방법으로 생성했다. 이렇게 생성된 자료를 활용하여 우리 관측자료 부족으로 인한 인공지능 모델의 한계를 극복하고 현재 전 산업분야에서 이슈가 되고있는 가상 시뮬레이터 데이터를 활용한 AI Surrogate 모델을 수자원 분야에 적용하였다. 연구방법으로는 AI 학습자료를 생성하기 위하여 2011년～2022년까 지 수문 관측자료를 사용하였고 2011년, 2012년, 2020년 강우자료에 30%를 증가시킨 극한강우 학습자료를 생성하 였다. AI 학습데이터 셋을 생성 후 LSTM 모델을 적용한 유출량 예측 AI-Surrogate 모델을 개발하였다. AI 학 습자료 구성은 입력데이터의 80%를 훈련용 데이터로 하고 나머지 20%를 모델의 정확도 검증데이터 그리고 2020 년 자료를 테스트자료로 구성하였다. 개발된 모형의 정확성을 평가한 결과 30% 증가된 강우데이터로 학습한 AI-Surrogate 모델의 R²는 0.91028, RMSE는 0.01533이고 관측자료만으로 구성된 모델의 R²는 0.89582, RMSE 는 0.02038이었다. 실험결과를 통해 이상강우를 적용한 모델의 정확도가 우수한 결과를 도출하였고 유량은 강우에 강한 상관관계를 가지고 있기에 LSTM의 하이퍼파라미터 옵션에 상대적으로 덜 영향을 받고 있음을 알 수 있다.