earticle

영어

The year 2023 recorded historically high temperatures and increased precipitation globally, with the Philippines particularly affected due to its vulnerability to tropical cyclones and typhoons. In the Eastern Visayas region, including Biliran Island, frequent floods and landslides have highlighted the limitations of existing flood warning systems, which rely primarily on observational equipment and expert judgment and often lack systematic coverage. This study develops an AI-based flood hazard classification and real-time water level prediction framework to enhance disaster preparedness and response. For flood hazard classification, machine learning models—Random Forest (RF) and Decision Tree (Tree)—were employed. The RF model demonstrated superior performance with an overall F1-Score of 0.83 across all hazard classes, whereas the Tree model achieved an F1-Score of 0.66, indicating relatively lower predictive accuracy. For real-time water level prediction, a deep learning Transformer model was applied, utilizing rainfall and water level time-series data to accurately forecast overall patterns and peak water levels. Results show that integrating machine learning and deep learning models can overcome the limitations of conventional flood management approaches, providing reliable hazard predictions and actionable information for early warning systems. The proposed AI framework enhances the timeliness and accuracy of flood alerts, supporting more effective disaster response. Future research should incorporate additional hydrological data and continuously refine the models to further improve predictive accuracy and strengthen local community resilience against floods.

한국어

2023년은 세계적으로 기록적인 고온과 강수량을 나타낸 해로, 필리핀과 같은 열대성 저기압 영향권 국가에서는 태풍과 집중호우로 인한 홍수 및 산사태 위험이 크게 증가하였다. 특히 필리핀 동비사야스 지역은 기존 홍수 경보 시스템의 한계로 인해 실질적인 대응 능력이 부족한 상황이었다. 본 연구는 이러한 문제를 해결하기 위해 AI 기반 홍수 위험 예측 및 실시간 수위 예측 모형을 개발하였다. 머신러닝 기법 중 랜덤포레스트(RF)와 의사결정나무(Tree)를 활용한 홍수 위험 등급 분류에서는 RF 모형이 전체 F1-Score 0.83으로 우수한 성능을 나타냈으며, Tree 모형은 F1-Score 0.66으로 상대적으로 낮은 성능을 보였다. 실시간 수위 예측에는 딥러닝 기반 트랜스포머(Transformer) 모형을 적용하여 CC 0.92, NRMSE 0.09로 강우량과 수위 시계열 데이터를 기반으로 전체 수위 패턴과 첨두 수위를 정밀하게 예측하였다. 연구 결과, AI 기반 모형은 기존 관측 장비와 전문가 판단에 의존한 홍수 관리 방식의 한계를 보완하며, 체계적이고 신뢰 가능한 홍수 예측 및 경보 제공을 가능하게 한다. 향후 연구에서는 다양한 수문 데이터를 추가하고 모형을 지속적으로 개선함으로써 지역 사회의 재난 대응 역량 강화에 기여할 수 있을 것으로 기대된다.