이변량 다층 퍼셉트론 분류기에 의한 침수예측 모델

• 영문명: Inundation Prediction Model with Binary Multi Layer Perceptron Classifier
• 발행기관: 한국방재학회
• 저자명: 유형주(Yoo HyungJu) 안상훈(Ahn Sang Hun) 이승오(Lee Seung Oh)
• 간행물 정보: 『3. 한국방재학회 학술대회논문집』2018년, 443~443쪽, 전체 1쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2018.02.27

국문 초록

현재 국내에서 현장에 적용되고 있는 하천재해의 예측방법은 1시간 이내의 단시간 시나리오에 대하여서는 물리모델에 의한 연산으로, 장시간의 시나리오에 대해서는 조위, 강우량, 상류댐 방류량에 의하여 경험론적으로 예측되어지고 있다. 그러나 물리모델에 의한 연산은 지역의 넓이가 넓어지고 예측해야할 시간이 길어질수록 그에 필요한 연산시간이 기하급수적으로 늘어나고 있으며, 반면, 경험론적 경보방법은 정량적인 정확도를 보장할 수 없고, 대상 지역에는 비가 오지 않지만 상류댐의 방류량과 인근 해안의 조위가 상승하는 경우와 같이 비정형적인 수문패턴이 주어질 경우에 대하여는 예측이 어려워 재난관련 실무자들만 활용할 뿐 국민들에게 신뢰도 있는 정보를 제공할 수 없어 보급되어지고 있지 못하는 형편이다. 본 연구에서는 이러한 문제점을 개선하고자 다양한 방면에서 횔용성이 높은 패턴인식 기법을 도입하여 하천 내 사회기반시설의 침수예측을 하여 결정론적/확률론적 시나리오와 물리모델에 의한 연산과 비교하였을 때 시간과 재정적 비용을 효과적으로 절감시켰다. 우리는 이 문제를 하천 시설물의 미래 침수여부에 대한 Binary Classification 문제로 정의하고, 대상은 한강에 위치한 잠수교를 선정하였다. 이에 필요한 인자의 선정에는 t-test의 p-value를 인용하였고, 분류기로는 Multi Layer Perceptron Binary Classifier를 사용하였다. 재난에 관련된 분류기에서 가장 중요한 관심사인 False Positive Error과 False Negative Error문제를 절충하기 위하여서는 학습데이터의 샘플링이 중요하게 작용하여 이에 따른 변화를 관찰하였고, 그 결과 재난 예측에 있어서 치명적인 False Negative Error Rate는 5.44%가 관찰되었다. 이를 이용해 하천재해에 있어서 보다 신속한 사전대처를 수행하게 될 수 있을 것으로 기대한다.

키워드

패턴인식 침수 인공신경망