수문학적 활용을 위한 머신러닝 기반의 강우보정 효과 연구

A Study on the Effect of the Machine Learning-based Rainfall Correction for Hydrological Application

집중호우시기의 기상학적 강우예보(Quantitative Precipitation Forecast, QPF)는 침수예측을 포함한 수문학적 활용을 하기 위해 한계가 있으므로 이를 개선하고 강수 예측의 정확성을 향상시키기 위해 머신러닝에 기반한 수문학적 강우 정보(Hydrological Quantitative Precipitation Forecast, HQPF)를 생산하였다. HQPF를 생산하기 위해 필요한 머신러닝의 입력자료로는 기상청에서 제공하는 수치모델자료(LENS model), 레이더자료(Radar-AWS Rainratese), 관측자료(AWS, ASOS), 동네예보자료(강우자료)를 사용하였다. 수집된 기상 예측자료들의 시·공간해상도를 호우영향모델 격자로 내삽하는 전처리 과정을 수행하였고 다양한 머신러닝의 기법 중 학습처리 속도 및 확장성에서 우수한 평가를 받고 있는 XGBoost 기법을 적용하여 최종적으로 HQPF를 생산하였다. 본 연구에서는 강수 예측의 정확도를 평가하기 위하여 2018년 서울지역에서 발생한 집중호우사례를 중심으로 사례 분석을 실시하였고, 통계검증지표(MAE, NPE)를 사용하여 QPF의 예측성능과 비교 및 검증하였다. 3시간 누적 강우의 최대치를 비교했을 때 기상학적 강우예보 보다 머신러닝에 기반한 보정된 수문학적 강우정보가 관측치와의 오차가 적은 것으로 분석되었다. 향후 연구에서는 다양한 집중호우 연구 사례를 분석하고, 머신러닝 고도화를 통하여 강우보정이 추가 개선될 것으로 기대된다.