머신러닝을 이용한 한계강우량 산정에 관한 연구 :A Study on the Estimation of Threshold Rainfall Using Machine Learning

추경수

추천

검색

자료유형: 학위논문

저자정보: 추경수 (강원대학교, 강원대학교 방재전문대학원)

지도교수: 김병식

발행연도: 2021

저작권: 강원대학교 논문은 저작권에 의해 보호받습니다.

이용수25

이 논문의 연구 히스토리 (2)

2021

머신러닝을 이용한 한계강우량 산정에 관한 연구

추경수 2021.01 학위논문

2019

ROC 기법을 이용한 침수유발 한계강우량 정확도 산정

추경수 , 이석호 , 강동호 외 1명 한국수자원학회 학술발표회 2019.01 학술대회자료

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

초록· 키워드

오류제보하기

최근 우리나라에서는 기후변화로 인하여 강수량과 기온 등이 비정상적으로 변화하여 기상재해의 위험성이 증가하고 있고 특히 강우로 인한 피해가 계속해서 강조되고 있다. 기상예보가 정량적 강우를 제시해주지만 피해 정도를 예상하는 데에는 여러 가지 어려움이 존재한다. 강우로 인한 피해는 지역별로 상이하게 일어나고 있고 각 유역의 특성인자가 고려된 분석은 한계가 존재한다. 강우가 올 때마다 수문모델을 통한 강유-유출분석에는 시간이 많이 소모되고 단순 강우 데이터만 사용하여 분석되는 경우가 많다.
이에 본 연구에서는 한계유출량을 통해 침수를 유발하는 강우량인 한계강우량을 산정하고 산정된 한계강우량과 유역면적 (A), 유역 평균 표고(H), 유역 평균 경사(S), 수계밀도(D), 유출곡선지수 (CN), 유역둘레(Lp), 형상계수(Rs) 등 유역특성인자 및 수문인자를 머신러닝 기법을 통해 고도화 하였다. 머신러닝 기법으로 서포트 벡터 머신, 랜덤포레스트, XGBoost를 사용하였고 성능의 비교를 위해 다중회귀분석도 포함하여 비교분석을 실시하였다. 기법들을 평가하기 위해 RMSE(Root Mean Square Error), MAE(Mean Absolute Error), MAPE(Mean Absolute Percentage Error)와 RMSLE(Root Mean Square Logarithmic Error) 이용하여 성능평가를 실시하였고 그 결과 XGBoost가 모든 성능평가 수치에서 좋은 값을 나타내 XGboost기법을 이용하여 미계측유역의 한계강우량을 산정하였다. 본 연구의 적용결과를 이용한다면 강우-유출분석이 어려운 미계측유역의 한계강우량을 산정하여 정확도 높은 침수유발 강우량을 예측할 수 있을 것이라 판단된다.

#한계강우량 #한계유출량 #머신러닝 #회귀분석 #Support Vector Machine #Random Forest #XGBoost

국문요약 ii
목 차 vi
그림 목차 vi
표 목차 viii
I. 서론 1
1.1 연구배경 및 목적 1
1.2 연구동향 2
1.2.1 한계강우량 산정에 관한 연구 3
1.2.2 유역인자를 이용한 회귀분석과 미계측유역의 분석을 위한 지역화 4
1.2.3 머신러닝을 통한 기상현상 및 피해 예측 5
1.2.4 선행연구의 한계점 분석을 통한 시사점 도출 6
1.3 연구 내용 및 방법 7
II. 이론적 배경 8
2.1 돌발홍수산정 모델(F2MAP) 8
2.2 분포형 강우-유출 모델(S-RAT) 11
2.3 상관분석 13
2.4 회귀분석 13
2.4.1 다중선형회귀분석 14
2.5 머신러닝 기법(Machine Learning) 15
2.5.1 랜덤포레스트(Random Forest) 17
2.5.2 서포트 벡터 머신(Support Vector Machine) 19
2.5.3 XGBoost(eXtreme Gradient Boosting) 21
2.6 한계강우량 산정 평가 및 검증방법 22
III. 대상유역 선정 및 자료 구축 24
3.1 대상유역 선정 24
3.2 종속 변수 선정 25
3.2.1 Rainfall-Runoff를 이용한 한계강우량 산정 25
3.3 독립 변수 선정 30
3.3.1 유역 특성 변수 30
Ⅳ. 머신러닝을 이용한 한계강우량 산정 34
4.1 머신러닝 기법 적용 34
4.1.1 서포트 벡터 머신을 이용한 한계강우량 산정 36
4.1.2 랜덤포레스트를 이용한 한계강우량 산정 38
4.1.3 XGBoost를 이용한 한계강우량 산정 41
4.2 한계강우량 산정 평가 및 검증 43
4.3 미계측 유역 한계강우량 산정 45
Ⅴ. 결론 48
참고문헌 49
Abstract 57
부록 59

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 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)