실시간 SWMM 매개변수 검·보정을 통한 레이더 예측강우 기반 도시침수 단기예측

Short-term Prediction of Urban Inundation based on Radar-predicted Rainfall through Real-time SWMM Parameter Calibration

최근 급격한 기후변화로 인하여 내수배제가 어려운 도시유역에 침수피해를 유발하고 있다. 이에 대비하여 도시침수 예측을 위하여 SWMM을 이용한 연구가 활발하게 진행되고 있지만, SWMM에 적용되는 매개변수를 과거에 산정하였던 값을 그대로 사용하여 정확성이 떨어진다. 따라서, 본 연구에서는 최적화 기법 중 유전 알고리즘을 이용하여 과거 지상관측강우(ASOS) 자료와 실시간 지상관측 강우를 실시간 수위계 관측수위 데이터에 연계하여 SWMM 모델의 강우-유출 해석 정확도를 확보하였다. 결과적으로, 완성된 SWMM 모듈에 10분 간격으로 레이더 예측강우를 적용하여 수위를 예측하였다. 도시침수 예측을 위한 소요시간은 2분정도 소요되었으며 SWMM 모듈에 10분 간격으로 레이더 강우 데이터가 들어온다고 하였을 때 적절한 연산시간이었으며 4개의 강우 시나리오 적용 수위예측 결과 또한 합리적인 범위에 수렴하였다.

In recent times, the rapid pace of climate change has been causing urban inundation in areas where drainage of inland water is difficult. In response to this concern, studies that use SWMM are being actively conducted to predict urban inundation. However, the parameters applied to SWMM use historical values, resulting in suboptimal accuracy in predictions. Therefore, this study employed the genetic algorithm, among various optimization techniques, to bolster the accuracy of rainfall-runoff analysis of the SWMM model. This was achieved by linking ASOS data and real-time ground-observation rainfall to real-time water gauge data. Consequently, the water level could now be predicted by applying radar predicted rainfall at 10-minute intervals to the completed SWMM module. The required time for prediction of urban inundation was about 2 minutes. This timeframe proved highly practical when the radar rainfall data was entered into the SWMM module at 10-minute intervals. The water level predictions, when applied to the four rainfall scenarios, also aligned within a reasonable range.