강우특성 변화 패턴을 반영한 딥러닝 기반의 강우시간분포 추정 방법 개발
Development of a Deep Learning-Based Method for Estimating Rainfall Temporal Distribution Considering Changes in Rainfall Characteristics
- 주제(키워드) 강우시간분포 , 딥러닝 , 기후변화 , 극한강우
- 주제(DDC) 625
- 발행기관 아주대학교 일반대학원
- 지도교수 이재응
- 발행년도 2026
- 학위수여년월 2026. 8
- 학위명 박사
- 학과 및 전공 일반대학원 건설교통공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000036155
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
최근 기후변화의 영향으로 국지성 집중호우 및 단시간 강우강도의 증가와 같은 극한 강우사상이 빈번하게 발생하고 있으며, 이에 따른 홍수 피해의 규 모도 함께 증가하는 추세이다. 이러한 변화는 강우의 총량뿐만 아니라 강우 의 시간적 분포 특성에도 영향을 미치며, 동일한 총강우량이라 하더라도 강 우가 시간적으로 어떻게 분포하느냐에 따라 홍수유출 특성과 첨두홍수량이 달라질 수 있다. 따라서 홍수유출 해석 및 설계홍수량 산정을 위해서는 강우 의 시간적 분포 특성을 합리적으로 반영하는 것이 중요하다. 현재 국내에서는 설계강우의 시간분포를 결정하기 위하여 Huff 분위법을 기반으로 한 수정 Huff 분위법이 널리 활용되고 있다. 이 방법은 강우 지속 시간을 4개의 분위로 구분하고, 강우가 가장 집중되는 분위에 따라 대표적인 누적 강우비율 곡선을 적용하는 방식이다. 그러나 이러한 경험적 방법은 과 거 강우자료의 통계적 특성을 기반으로 도출된 대표 곡선을 적용하는 방식이 므로, 개별 강우사상의 시간적 집중 특성과 첨두 발생 위치를 직접적으로 반 영하는 데에는 한계가 있다. 최근과 같이 강우의 변동성이 증가하는 기후 환 경에서는 강우사상의 시간적 배분 특성을 보다 세밀하게 반영할 수 있는 강 우시간분포 추정 방법의 검토가 필요하다. 본 연구에서는 강우사상의 시간적 분포 특성을 보다 합리적으로 반영하기 위하여 딥러닝 기반 강우시간분포 추정방법을 적용하고, 기존 경험적 강우시 간분포 방법과의 비교 분석을 통해 적용성을 평가하였다. 연구 대상 유역으 로는 실측 유량관측자료가 존재하고, 유역면적이 비교적 작으며, 상류 저수지 의 인위적 홍수조절 영향이 작은 곡성천과 오례천 유역을 선정하였다. 강우 사상은 무강우 지속시간 기준을 적용하여 독립적으로 분리하였으며, 총강우 량, 최대 시간강우량, 지속시간 등의 특성을 분석하였다. 또한 강우의 시간적 집중 특성을 보다 정밀하게 반영하기 위하여 시간 단위 강우자료를 인접 자 동기상관측소(AWS)의 고해상도 강우자료를 활용하여 10분 단위로 세분화하 였다. 강우사상은 강우 첨두 발생 시점을 기준으로 Early, Mid, Late의 세 가지 유형으로 구분하였으며, 각 유형별 시간별 강우비율과 누적 강우비율 특성을 분석하였다. 이후 딥러닝 모형을 활용하여 강우사상의 시간분포를 추정하고, 다수의 강우사상에 대한 추정 결과를 종합하여 유형별 대표 강우시간분포 곡 선을 도출하였다. 또한 기존 수정 Huff 분위법을 동일한 강우사상 및 동일한 조건에 적용하여 강우시간분포를 산정함으로써, 딥러닝 기반 방법과 기존 경 험적 확률누가곡선 기반 방법의 비교 분석이 가능하도록 하였다. 도출된 강우시간분포를 홍수유출 모형에 적용하여 유출 해석을 수행하였으 며, 모의 결과는 실측 유량과 비교하여 평가하였다. 강우시간분포 방법별 재 현 특성을 정량적으로 평가하기 위하여 RMSE와 NSE 지표를 활용하였다. 추가적으로 홍수유출 해석에서 중요한 수문학적 특성인 첨두유량과 첨두발생 시간을 함께 분석하여, 각 시간분포 방법에 따라 홍수 첨두 특성과 유출수문 곡선 형상이 어떻게 달라지는지를 평가하였다. 분석 결과, 딥러닝 기반 강우시간분포 방법은 일부 강우사상에서 기존 수정 Huff 분위법에 비해 강우의 시간적 집중 특성을 상대적으로 잘 반영하는 경 향을 보였으며, 홍수유출 모의 결과에서도 관측 유량과의 차이가 감소하는 사례가 확인되었다. 특히 일부 사상에서는 첨두유량 오차, 첨두발생시간 오 차, RMSE 및 NSE 측면에서 딥러닝 기반 방법이 관측 수문곡선과 상대적으 로 근접한 결과를 나타내었다. 다만 이러한 결과는 본 연구에서 선정한 대상 유역과 모의사상 조건에서 나타난 경향으로, 모든 유역과 강우사상에 대해 일반화하기보다는 강우사상별 시간적 집중 특성을 반영한 방법의 적용 가능 성을 보여주는 결과로 해석하는 것이 적절하다. 마지막으로 도출된 강우시간분포를 활용하여 대상 유역의 설계홍수량을 산 정하고, 시간분포 방법에 따른 설계홍수량의 차이를 비교 분석하였다. 분석 결과, 강우시간분포 방법에 따라 첨두홍수량 및 홍수유출 특성이 다르게 나 타나는 것을 확인할 수 있었으며, 이는 설계홍수량 산정 과정에서 강우시간 분포의 선택이 산정 결과에 영향을 미칠 수 있음을 보여준다. 본 연구의 대 상 유역 및 설계조건에서는 딥러닝 기반 강우시간분포를 적용한 경우 기존 수정 Huff 분위법과 다른 설계홍수량 및 임계지속시간 산정 결과가 도출되었 다. 본 연구에서 적용한 딥러닝 기반 강우시간분포 추정방법은 기존 경험적 강 우시간분포 방법의 평균화 한계를 보완하고, 실제 강우사상의 시간적 배분 특성과 첨두 발생 위치를 반영할 수 있는 방법으로 활용될 가능성이 있다. 다만 본 연구는 대상 유역과 검증 사상 수가 제한적이므로, 향후 장기간 관 측자료의 추가 확보와 다양한 유역 조건에서의 통계적 유의성 검토가 필요하 다. 이러한 검토가 축적될 경우, 자료학습 기반 강우시간분포 방법은 최근 발 생하는 극한강우 및 비정형 강우 패턴에 대응하여 설계강우의 시간분포 결 정, 홍수유출 해석 및 설계홍수량 산정 분야에서 기존 방법을 보완하는 방법 으로 활용될 수 있을 것으로 판단된다.
more목차
제 1 장 서 론 1
1.1 연구 배경 및 목적 1
1.2 연구 내용 및 범위 3
제 2 장 연구동향 6
2.1 강우자료의 시간 해상도 세분화 연구 6
2.2 강우의 시간분포 연구 9
2.3 수문학에서 딥러닝 기법 적용 연구 13
2.4 기존 연구와의 차별성 17
제 3 장 기본이론 20
3.1 강우시간분포 20
3.1.1 강우시간분포와 홍수유출 관계 20
3.1.2 기존 강우시간분포 산정 기법 21
3.2 강우사상 특성 학습 모형 28
3.3 학습결과 검증기법 35
3.3.1 K-fold 교차검증 35
3.3.2 층화 K-fold 교차검증 35
3.3.3 반복기반 교차검증 36
3.3.4 자료특화 교차검증 36
3.3.5 시계열 전용 교차검증 36
제 4 장 연구 방법 및 분석 체계 39
4.1 연구 방법 및 수행 절차 39
4.2 분석자료 구축 방법 43
4.2.1 대상유역 선정 기준 43
4.2.2 강우자료 수집 및 전처리 기준 45
4.2.3 강우사상 추출 및 시간 해상도 세분화 방법 48
4.3 강우시간분포 추정 방법 54
4.3.1 기존 수정 Huff 분위법 적용 방법 54
4.3.2 딥러닝 기반 강우시간분포 추정 절차 55
4.4 홍수유출 모의 및 설계홍수량 산정 방법 63
4.4.1 홍수유출 모의 방법 63
4.4.2 설계홍수량 산정 방법 65
4.5 결과 비교 및 검증 체계 67
4.5.1 교차검증 결과 비교 및 검토 방법 67
4.5.2 강우시간분포 재현성 비교 및 검증 방법 68
4.5.3 홍수수문곡선 재현성 비교 및 검증 방법 69
제 5 장 대상유역 선정 및 강우자료 구축 72
5.1 대상유역 선정 및 강우자료 수집 72
5.1.1 대상유역 선정 결과 72
5.1.2 대상유역 강우관측소 및 관측자료 보유 현황 75
5.2 강우 공간분포 및 강우사상 추출 78
5.2.1 강우 공간분포 결과 78
5.2.2 강우사상 추출 결과 81
5.3 강우자료 시간 해상도 세분화 83
5.3.1 AWS 관측소와의 강우 특성 동질성 분석 결과 83
5.3.2 강우자료 시간 해상도 세분화 결과 85
제 6 장 딥러닝 기반 강우시간분포 추정 및 분석 88
6.1 수정 Huff 분위법 강우시간분포 적용 88
6.2 강우사상 특성 학습 기반 강우시간분포 추정 89
6.2.1 학습자료 구성 및 입출력 체계 89
6.2.2 딥러닝 기반 강우시간분포 추정 결과 및 분석 96
6.3 강우시간분포 곡선 도출 및 다항식 근사 결과 100
제 7 장 홍수유출모형 적용 결과 및 분석 103
7.1 홍수유출모형 구축 및 적용 103
7.1.1 홍수유출 모의 강우사상 103
7.1.2 모의사상 강우시간분포 106
7.1.3 홍수유출 모의 매개변수 적용 112
7.2 홍수유출 모의 결과 및 분석 113
7.2.1 홍수유출 모의 결과 113
7.2.2 강우시간분포 적용에 따른 홍수유출 재현성 평가 124
7.3 대상유역 설계홍수량 산정 및 비교 분석 127
7.3.1 입력자료 구축 127
7.3.2 설계홍수량 산정 및 비교 분석 128
7.4 종합고찰 132
제 8 장 결 론 136
참 고 문 헌 145
부 록 149
Abstract 159

