머신러닝을 이용한 새로운 Munk-type 쇄파파고 예측식의 제안

Development of a New Munk-type Breaker Height Formula Using Machine Learning

쇄파는 연안류, 표사이동, 충격파압, 에너지소산 등과 같은 연안에서 발생하는 다양한 물리현상과 직접적인 관계가 있으므로 항만 구조물의 설계시 반드시 고려되어야 하는 중요한 설계인자 중 하나이다. 쇄파에 대한 연구들은 쇄파가 가진 고유의 복잡성으로 인해 주로 수리모형실험을 통해 쇄파파고와 쇄파수심 등과 같은 쇄파지표를 예측하기 위한 많은 경험식이 제안되어 왔다. 하지만, 기존의 쇄파지표에 대한 경험식은 일정한 방정식의 가정하에 자료의 통계적 분석을 통해 가정한 방정식의 계수들을 결정하고 있다. 본 연구에서는 회귀 혹은 분류문제와 관련된 다양한 연구분야에 있어서 높은 예측성능을 보여주는 대표적인 선형기반의 머신러닝 기법을 적용하여 천수변형에 의해 발생하는 쇄파의 한계파고를 산정하기 위한 새로운 Munk형식의 경험식을 제안하였다. 새롭게 제안된 쇄파지표식은 단순한 형태의 다항식에도 불구하고 기존의 경험공식과 유사한 예측성능을 보였다.

Breaking wave is one of the important design factors in the design of coastal and port structures as they are directly related to various physical phenomena occurring on the coast, such as onshore currents, sediment transport, shock wave pressure, and energy dissipation. Due to the inherent complexity of the breaking wave, many empirical formulas have been proposed to predict breaker indices such as wave breaking height and breaking depth using hydraulic models. However, the existing empirical equations for breaker indices mainly were proposed via statistical analysis of experimental data under the assumption of a specific equation. In this study, a new Munk-type empirical equation was proposed to predict the height of breaking waves based on a representative linear supervised machine learning technique with high predictive performance in various research fields related to regression or classification challenges. Although the newly proposed breaker height formula was a simple polynomial equation, its predictive performance was comparable to that of the currently available empirical formula.