초단시간 강우예측을 위한 U-Net 기반 재귀적 예측 모델

윤성심 한국디지털콘텐츠학회 2022 한국디지털콘텐츠학회논문지 Vol.23 No.12

RainNet, which is an existing U-Net-based prediction model, applies a recursive method that repeatedly uses the prediction results as input to the model to extend the lead time, the smoothing effect is accumulated. Therefore, the accuracy of high intensity rainfall prediction was low. In order to solve the problem, this study developed Recursive RainNet, that can predict up to 1 hour by combining the U-Net model with a recursive strategy. The proposed model was trained using the composited S-band rain radar rainfall by Ministry of Environment. In order to evaluate the prediction performance, the forecasted rainfall from 10 to 60 minutes was produced with 10 minutes interval for six rainfall events in 2021. Comparison results between RainNet and Recursive RainNet showed similar accuracy for 10 minutes lead time, but the proposed model maintained relatively high accuracy even if the leading time was increased. For all cases, the proposed model well predicted the strong rainfall intensity. critical success index(CSI) increased by 6~21% and mean absolute error(MAE) decreased by 15~26% on average. 기존의 U-Net 기반 예측 모델인 RainNet은 선행시간 확대를 위해서 예측결과를 다시 모델의 입력으로 반복 활용하는 재귀적 방법을 적용하기 때문에 평활화 효과가 누적되어 강한 강도의 강우 예측의 정확도를 저하시킨다. 본 연구에서는 이러한 문제를 개선하고자 기존 U-Net 기반 강우예측 알고리즘과 재귀적 전략을 결합하여 선행 예측 1시간까지 예측할 수 있는 모델인 Recursive RainNet을 개발하였다. 환경부 S-band 강우레이더 합성자료를 입력자료로 하여 제안한 강우예측 알고리즘을 학습하였다. 예측성능을 평가하기 위해 2021년 발생한 6개 강우사례를 대상으로 강우기간동안 매 10분 간격으로 예측강우를 선행 10분에서 60분까지 생산하였다. 기존 RainNet과의 예측성능을 비교한 결과, 선행 10분 예측에서는 유사한 정확도를 보였으나, 선행시간이 길어지더라도 제시한 기법이 상대적으로 높은 예측 정확도를 유지하였다. 또한, 모든 강우사례에 대해서 제시한 예측 모델이 강하게 발달하는 강우특성을 잘 예측하여, 평균적으로 CSI(critical success index)는 6~21% 높아 졌으며, MAE(mean absolute error)는 15~26% 감소하였다.

고밀도 지상강우 관측망과 레이더 강우정보를 활용한 도시홍수 및 침수해석

윤성심,최수민,이병주,최영진 한국기상학회 2015 한국기상학회 학술대회 논문집 Vol.2015 No.10

대규모 도시유역의 홍수예보를 위한 수리.수문 모형의 연계

윤성심,최철관,배덕효 한국수자원학회 2008 한국수자원학회논문집 Vol.41 No.9

본 연구의 목적은 다양한 하수관망과 하천을 포함하는 복잡한 토지이용으로 구성된 도시유역으로서는 비교적 유역면적이 큰 유역의 홍수예보모형으로 수문모형과 수리모형을 연계하는 방법을 제안하고, 이를 유역면적이 약 에 해당하는 중랑천 유역에 적용하여 적용 가능성을 평가하고자 한다. 본 연구에서 수문모형으로는 SWMM과 수리모형으로서는 HEC-RAS 모형을 선정하였으며, 적용대상유역인 중랑천 유역은 25개의 소유역으로 구분되었다. SWMM모형은 각 소배수구역의 The objectives of this study are to propose a system for combined use of a hydrologic and a hydraulic model for urban flood forecast model and to evaluate the system on the Jungrang urban watershed area, which is relatively large area as an urban watersh

이류모델을 활용한 초단시간 강우예측의 적용성 평가

윤성심,배덕효 한국수자원학회 2010 한국수자원학회논문집 Vol.43 No.8

기후변화로 인해 태풍과 집중호우의 빈도 및 규모가 증가하고 있으며, 이로 인한 피해 역시 증가하고 있다. 태풍과 집중호우로 인한 피해를 줄이기 위한 홍수 예 경보 시스템에는 단시간 강우예측모델과 레이더 자료를 이용하여 산정된 예측강우가 필요하다. 이를 위하여 외국의 경우 단시간 강우예측 모델을 개발하여 레이더 자료를 이용한 강우예측을 수행하고 이를 수문모형과 연계하여 그 적용성을 분석하거나 홍수예보의 활용성을 평가하는 연구를 활발히 진행하고 있다. 이에 The frequency and size of typhoon and local severe rainfall are increasing due to the climate change and the damage also increasing from typhoon and severe rainfall. The flood forecasting and warning system to reduce the damage from typhoon and severe rai

실내공기청정기 CA인증제도

윤성심,Yun, Seong-Sim 한국공기청정협회 2010 空氣淸淨技術 Vol.23 No.4

멀티모달 딥러닝 기술과 수자원 분야 활용

윤성심 한국수자원학회 2023 물과 미래(한국수자원학회지) Vol.56 No.6

심층신경망을 이용한 레이더 영상 학습 기반 초단시간 강우예측

윤성심,박희성,신홍준,Yoon, Seongsim,Park, Heeseong,Shin, Hongjoon 한국수자원학회 2020 한국수자원학회논문집 Vol.53 No.12

This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.

기상레이더를 이용한 도시지역 돌발성 호우 위험성 예측 연구

윤성심,이병주,나카키타 에이이치 한국기상학회 2016 한국기상학회 학술대회 논문집 Vol.2016 No.10

서울시 고밀도 지상강우자료 품질관리방안 도출

윤성심,이병주,최영진,Yoon, Seongsim,Lee, Byongju,Choi, Youngjean 한국수자원학회 2015 한국수자원학회논문집 Vol.48 No.4

고해상도의 정량적 실황강우장을 산정하기 위해서는 양질의 고밀도 강우관측망 정보가 필요하다. 이를 위해 본 연구에서 정량적 실황강우장 산정을 위한 입력자료로 SK 플래닛의 고밀도 복합기상센서 관측망과 기존 기상청 관측망을 이용하고자 하였다. 이를 위해 서울지역에 위치한 SK 플래닛의 복합기상센서 관측망을 소개하고, 2013년 7~9월 3개월 동안의 관측자료의 품질을 분석하였다. 품질분석 결과, SK 플래닛 관측소가 일부 관측소를 제외하고 대부분 기존 관측망과 유사하게 강우를 관측하는 것을 확인할 수 있었다. 다만, 일시적인 기계 및 자료 전송 오류로 인해 발생할 수 있는 결측치 및 이상치가 미치는 영향을 최대한 저감하기 위해서 오자료를 실시간으로 보정할 수 있는 품질보정 기법을 개발하였으며, 개발된 기법이 적절히 강우를 보정하는 것을 확인하였다. 이를 통해 결측률이 20% 미만이면서 오자료의 영향이 최소가 되는 190개소(기상청 34개소, SK 플래닛 156 개소)를 정량적 실황강우장 산정에 활용하였다. 또한, 약 $3km^2$의 밀도를 갖는 고해상도 관측망을 이용하여 산정된 강우분포장의 재현성을 기존 기상청 관측망의 결과비교를 통해 평가한 결과, 고밀도 관측망을 통해 산정된 강우분포장의 빈도곡선이 레이더 공간분포장과 유사하며, 기존 기상청 관측망의 공백을 보완할 수 있음을 확인하였다. 특히, 이 결과를 통해 고밀도의 강우관측 결과를 활용한다면 레이더 참강우장에 근사한 공간분포된 강우를 산정할 수 있다는 것을 확인할 수 있었다. This study used high density network of integrated meteorological sensor, which are operated by SK Planet, with KMA weather stations to estimate the quantitative precipitation field in Seoul area. We introduced SK Planet network and analyzed quality of the observed data for 3 months data from 1 July to 30 September 2013. As the quality analysis result, we checked most SK Planet stations observed similar with previous KMA stations. We developed the real-time quality check and adjustment method to reduce the error effect for hydrological application by missing and outlier value and we confirmed the developed method can be corrected the missing and outlier value. Through this method, we used the 190 stations(KMA 34 stations, SK Planet 156 stations) that missing ratio is less than 20% and the effect of the outlier was the smallest for quantitative precipitation estimation. Moreover, we evaluated reproducibility of rainfall field high density rain gauge network has $3km^2$/gauge. As the result, the spatial relative frequency of rainfall field using SK Planet and KMA stations is similar with radar rainfall field. And, it supplement the blank of KMA observation network. Especially, through this research we will take advantage of the density of the network to estimate rainfall field which can be considered as a very good approximation of the true value.

산지지역 수재해 대응을 위한 레이더 기반 돌발성 호우 위험성 사전 탐지 기술 적용성 평가

윤성심,손경환,Yoon, Seongsim,Son, Kyung-Hwan 한국수자원학회 2020 한국수자원학회논문집 Vol.53 No.4

There is always a risk of water disasters due to sudden storms in mountainous regions in Korea, which is more than 70% of the country's land. In this study, a radar-based risk prediction technique for sudden downpour is applied in the mountainous region and is evaluated for its applicability using Mt. Biseul rain radar. Eight local heavy rain events in mountain regions are selected and the information was calculated such as early detection of cumulonimbus convective cells, automatic detection of convective cells, and risk index of detected convective cells using the three-dimensional radar reflectivity, rainfall intensity, and doppler wind speed. As a result, it was possible to confirm the initial detection timing and location of convective cells that may develop as a localized heavy rain, and the magnitude and location of the risk determined according to whether or not vortices were generated. In particular, it was confirmed that the ground rain gauge network has limitations in detecting heavy rains that develop locally in a narrow area. Besides, it is possible to secure a time of at least 10 minutes to a maximum of 65 minutes until the maximum rainfall intensity occurs at the time of obtaining the risk information. Therefore, it would be useful as information to prevent flash flooding disaster and marooned accidents caused by heavy rain in the mountainous area using this technique.