RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

한국의 대도시는 주거 및 상가의 밀집도와 불투수율이 높고 유역경사가 급한 지형적 특징으로 집중호우 발생 시 단시간에침수가 발생하여 대응시간이 부족하므로 사전에 대비하기 위해서...

한국의 대도시는 주거 및 상가의 밀집도와 불투수율이 높고 유역경사가 급한 지형적 특징으로 집중호우 발생 시 단시간에침수가 발생하여 대응시간이 부족하므로 사전에 대비하기 위해서는 정확한 침수위험기준을 활용한 침수 예·경보가 필요하다. 선행연구에서는 피해이력이 없는 지역에 대한 침수위험기준을 예측하기 위해 유역특성을 고려한 Neuro-Fuzzy 모델을 개발하였으며, 실제 침수사상과 비교하여 적용성을 확인하였다. 그러나 학습자료의 수가 27개에 불과하여 모델 평가와 검증이 충분히이루어지지 않았으며, 적용범위에도 한계가 있었다. 본 연구에서는 Neuro-Fuzzy 알고리즘의 초기화함수, 학습자료 추가 구축및 전처리를 통해 모델을 개선하였다. 개선된 모델은 기존 모델에 비해 평균오차는 48.1∼65.4%, RMSE는 50.7∼60.1% 개선되었으며, 실제 침수사상과 비교한 결과에서도 약 0.7~19.1% 정확성이 개선되는 것으로 나타났다.

다국어 초록 (Multilingual Abstract)

In Korean metropolitan areas, the high density of residential and commercial buildings, highly impervious surfaces, and steep slopes contribute to floods that can occur within a short duration of heavy rainfall. To prepare for this, advance warning measures based on accurate flood alert criteria are needed. In our previous study, we demonstrated the applications of a Neuro-Fuzzy model that considersthe characteristics of the basin to predict flood alert criteria in areas with no damage. However, as the number of learning materials are low, at 27, the evaluation and verification of the model has not been sufficiently accomplished, and its application is limited. Therefore, in this study, we propose an improved model based on the initializing function of the Neuro-Fuzzy algorithm, the construction of training data, and preprocessing. Compared to the existing model, the improved model reduced the average error by 48.1%~65.4% and the RMSE by 50.7%~60.1%. The new model, when applied to actual floods, showed an improvement of 0.7%~19.1% in accuracy.

목차 (Table of Contents)

1. 서 론 2. 연구내용 및 방법 3. 초기화 함수 개선 4. 학습자료 추가 구축 5. 데이터 전처리 기법 적용 6. 모델 개선 효과 비교 및 적용성 검증 7. 결 론 References

1. 서 론 2. 연구내용 및 방법 3. 초기화 함수 개선 4. 학습자료 추가 구축 5. 데이터 전처리 기법 적용 6. 모델 개선 효과 비교 및 적용성 검증 7. 결 론 References

참고문헌 (Reference)

1 조재웅, "피해이력 및 유역특성을 고려한 도시침수 위험기준 설정 및 적용" 한국수자원학회 51 (51): 1-10, 2018

2 Ministry of the Interior an Safety, "Statistical yearbook of natural disaster 2017"

3 Chan-Uk Yeom, "Performance Comparison of ANFIS Models by Input Space Partitioning Methods" MDPI AG 10 (10): 700-, 2018

4 Centre for Research on th Epidemiology of Disasters, "Natural disasters 2018"

5 National Disaster Management Research Institute, "Establishment of foundation for regional urban flood response system (II)" 2016

6 National Disaster Management Research Institute, "Establishment of foundation for regional urban flood response system (I)" 2015

7 National Disaster Management Research Institute, "Development of technology on natural disaster risk assessment and urban flood forecasting" 2017

8 National Disaster Management Research Institute, "A development of regional major disasters response scenarios and standards (I): Focused on urban flooding and drought" 2014