머신러닝 기법과 강우레이더를 이용한 토석류 예보 기법 개발 : 강원도 지역을 대상으로 :Development of Debris Flow Forecasting Technique using Machine Learning Technique and Rainfall Radar : Focused on the Gangwon Province in South Korea

남동호

추천

검색

자료유형: 학위논문

저자정보: 남동호 (강원대학교, 강원대학교 방재전문대학원)

지도교수: 김병식

발행연도: 2020

저작권: 강원대학교 논문은 저작권에 의해 보호받습니다.

이용수13

이 논문의 연구 히스토리 (6)

2020

머신러닝 기법과 강우레이더를 이용한 토석류 예보 기법 개발 : 강원도 지역을 대상으로

남동호 2020.01 학위논문

2019

토석류 발생가능성 및 시설안전성을 고려한 토석류 위험지도작성에 관한 연구

남동호 , 이석호 , 김병식 한국수자원학회 학술발표회 2019.01 학술대회자료

2018

토석류 발생 예측을 위한 강우경보지수 산정

남동호 , 이석호 , 김만일 외 1명 The Journal of Engineering Geology 2018.01 학술저널

토석류 충격력 산정 모형 개발을 통한 토사피해액 산정

남동호 , 강동호 , 김병식 Crisisonomy 2018.01 학술저널

2017

강우레이더와 2차원 토석류 수치모형을 이용한 토석류모의

남동호 , 이석호 , 김병식 한국수자원학회 학술발표회 2017.01 학술대회자료

2016

홍수유출모형과 토석류모형의 Coupling을 이용한 토석류 이동과 확산범위 산정에 관한 연구

남동호 , 이석호 , 전계원 외 1명 Crisisonomy 2016.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 기후변화에 따른 변화로 강우량 및 호우일수 증가 등 이상기후로 인한 다양한 형태의 자연재해가 발생하고 있다. 이로 인하여 국내에서도 집중호우와 게릴라성 호우로 인한 홍수피해가 증가하고 있으며, 산악지역에서의 호우는 토석류로 발달하여 하부 시설물에 막대한 재산 및 인명 피해를 발생시킨다. 이러한 호우로 인해 발생하는 토석류 피해를 저감하기 위해서는 임의의 산악지역에서 발생하는 토석류를 발생시키는 강우의 특성을 정량적으로 해석하여야 하며, 토석류 발생에 대한 예보 기준을 정립하고, 실시간 강우정보를 이용하여 실시간으로 토석류 발생을 예보하여야 한다. 그러나 국내의 예보는 기상청 “호우예보기준” 및 산림청의 “산사태예보기준”을 통해 호우 및 산사태를 예보하고 있으나, 이는 강우강도와 누적강우를 분리하여 예보하고 있기 때문에 호우 발생 시 강우의 양과 강도를 모두 동시에 고려할 수 있는 토석류 예보기술은 부재한 실정이며, 대부분의 토석류 발생지점은 지상관측소가 없는 미계측 지역이며, 산악지역이므로 강우의 편차가 크기 때문에 지상강우관측소를 이용하여 예보하기에는 적합하지 않다. 따라서 본 논문에서는 강우의 양과 강도 모두 고려하는 토석류 예보 기법을 개발하기 위하여 과거 강원도 지역에서 발생했던 토석류를 발생시킨 강우를 수집하여 누적강우와 강우강도를 이용하여 RTI(Rainfall Triggering Index)를 산정하였으며, 한계누적강우량(Critical Accumulated Rainfall, Rc) 산정을 통해 토석류 노모그램을 개발하였다. 개발한 토석류 노모그램에 레이더 강우를 적용하기에 앞서 레이더 강우는 지상강우에 비해 정량적 신뢰도가 떨어지기 때문에 지상강우를 통해 보정하기 위하여 지상강우와 레이더 강우의 보정계수를 산정하였으며, 머신러닝 기법인 익스트림 그래디언트 부스트(eXtreme Gradient Boost, XGBoost)와 랜덤포레스트(RandomForest, RF)에 적용하여 보정 레이더 강우 생산 모형을 개발하였다. 또한 개발된 모형에서 생산된 보정 레이더 강우를 ROC(Receiver Operating Characteristic) 성능평가기법을 이용하여 우수한 성능의 모형을 선정하였으며, 2019년 강원도 삼척시 신남마을 토석류 피해지역을 대상으로 유역평균강우량을 산정하여 토석류 노모그램 적용을 통해 레이더 강우의 적용성을 평가하였다. 적용결과 보정 레이더 강우의 유역평균강우량의 EMERGENCY 경보 발령 시간과 AWS 관측강우 유역평균강우량의 EMERGENCY 경보 발령 시간이 같은 시간에 발령되는 것으로 나타났으며, 대응가능시간은 3시간을 확보하는 것으로 나타났다. 이러한 결과를 보면 레이더 강우를 이용한 격자단위 토석류 예보는 적용 가능한 것으로 나타났다.

In recent years, various types of natural disasters brought about by climate change, such as an increase in days of heavy rains, an increase in rainfalls caused by the change in rainfall pattern, and rising temperatures, have occurred. Moreover, flood damage by torrential rains and guerrilla rainstorms in Korea has increased, and there has been a higher likelihood of heavy rainfalls in mountainous areas developing into debris flows, causing huge damage to properties in structures in lower areas as well as human casualties. To reduce the damage by debris flows caused by heavy rains, rainfall characteristics that induce debris flows randomly occurring in mountainous areas should be quantitatively analyzed furthermore, the criteria for forecasting debris flows should be established, while the occurrence of debris flows should be forecast in real time using real-time rainfall information. Currently South Korea forecasts landslides and debris flows using the standards for forecasting landslides and heavy rains. However, as the forecasting is conducted separately for rainfall intensity and accumulated rainfall, this lacks a technique that reflects both amount and intensity of rainfall in an episode of localized heavy rainfall. Moreover, most of the points where debris flows are occurred are un-gauged areas without ground rain gauges, mountainous region, it is not suitable for forecasting using a ground rain gauge because of the large variation in rainfall.
therefore, In this study data on heavy rains that caused debris flows in Gangwon-do were collected to develop debris flow forecasting techniques that consider both the amount and intensity. A rainfall triggering index (RTI) was calculated based on accumulated rainfall and rainfall intensity data, and a debris flow nomogram was developed by calculating the critical accumulated rainfall (Rc). Before applying the radar rainfall to the developed debris flow nomogram, the radar rainfall is less quantitatively reliable than the ground rainfall, In order to make correction using ground rainfall the correction factors of ground rainfall and radar rainfall were calculated. A adjustment radar rainfall production model was developed by applying the calculated correction factors to the machine learning techniques eXtreme Gradient Boost (XGBoost) and Random Forest (RF). In addition, a model with excellent performance was selected from the adjusted radar rainfall produced by the developed models using the Receiver Operating Characteristic (ROC) performance evaluation technique. The mean areal rainfall in Sinnam Village, Samcheok-si, Gangwon-do, which occurred in 2019, was calculated, and the applicability of radar rainfall was evaluated through the application of debris flow nomogram.
As a result of application, it was found that the EMERGENCY time of the mean areal rainfall of the adjusted radar rainfall and the EMERGENCY time of the mean areal rainfall of the AWS observation rainfall are reported at the same time, and the response time is 3 hr. These results show that it is applicable to forecast grid-based debris flows using radar rainfall.

#토석류 예보 #RTI(Rainfall Triggering Index) #한계누적강우량(Critical Accumulated Rainfall #Rc) #레이더 강우 #머신러닝 기법

목 차
국문요약 ⅰ
목 차 ⅲ
List of figures ⅴ
List of Tables ⅶ
Notations ⅷ
I. 서 론 1
1.1 연구배경 및 목적 1
1.2 연구동향 4
1.2.1 산사태 예보 4
1.2.2 레이더 강우 8
1.2.3 레이더 강우 보정 기법 11
1.2.4 머신러닝 13
1.3 연구 내용 및 범위 15
Ⅱ. 이론적 배경 18
2.1 강우경보지수 RTI(Rainfall Triggering Index) 18
2.2 레이더 강우 19
2.2.1 레이더 종류별 특성 20
2.2.2 레이더 에코 23
2.3 레이더 강우 보정 기법 28
2.4 머신러닝 기법(Machine Learning) 30
2.4.1 랜덤포레스트(Random Forest, RF) 31
2.4.2 익스트림 그래디언트 부스트(eXtreme Gradient Boosting, XGBoost) 33
2.5 ROC(Receiver Operating Characteristic) 분석 36
Ⅲ. 토석류 예보기법 개발 39
3.1 과거 토석류 발생 강우자료 수집 및 분석 39
3.2 RTI(Rainfall Triggering Index) 및 Rc(Critical accumulated Rainfall) 산정을 통한 토석류 노모그램 개발 42
3.3 실제 피해 사례 적용을 통한 노모그램 적용성 평가 54
3.3.1 Case Ⅰ : 서울시 우면산 55
3.3.2 Case Ⅱ : 춘천시 마적산 57
3.3.3 Case Ⅲ : 충북 청주시 59
Ⅳ. 머신러닝 기법을 이용한 보정 레이더 강우 생산 및 평가 65
4.1 삼척 소형 강우 레이더 65
4.1.1 삼척 소형 강우 레이더의 제원 67
4.1.2 삼척 소형 강우 레이더의 자료처리방식 70
4.2 보정 레이더 강우 생산 72
4.2.1 지상강우와 레이더 강우정보 수집 및 전처리 72
4.2.2 지상강우 및 레이더 강우를 이용한 보정계수 산정 77
4.2.3 머신러닝 기법 적용 및 성능 평가 80
4.3 보정 전·후 레이더 강우 비교분석 88
Ⅴ. 레이더 강우를 이용한 토석류 예보 적용성 평가 및 검증 107
5.1 토석류 피해지역 선정 107
5.2 유역평균강우량을 이용한 토석류 예보 적용성 평가 및 검증 111
Ⅵ. 결론 116
참고문헌 118

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (6)

초록· 키워드

목차

최근 본 자료

댓글(0)