공개 빅데이터와 비선형 회귀분석을 이용한 도시지역 지하수위 예측 모델 개발

Development of an Urban-Groundwater-Level Prediction Model Using Public Big Data and Nonlinear Regression Analysis

지하수위 변동은 지반침하와 같은 도시 재해로 이어질 수 있으므로, 선제적 재해예방을 위해 수위 변화를 과학적으로 예측하는 것이 중요하다. 또한, 이렇게 예측된 정상 수위는 실제 관측값과 비교하여 센서의 이상을 감지하거나 인근 공사의 영향을 분석하는 핵심 기준으로 활용될 수 있다. 본 연구는 국가지하수정보센터 등에서 제공하는 공공 빅데이터와 강수량 자료를 통합 분석하여 실용적인 지하수위 예측모형을 개발하고자 했다. 서울 내 수문학적 경계가 명확한 지역을 대상으로 7년간의 데이터를 수집하고 이상치를 제거한 후, 시계열 분석(ACF, PACF, CCF)을 통해 데이터의 시간적 특성과 변수 간 시차 상관관계를 규명하였다. 이를 바탕으로 비선형 다중 회귀분석을 적용하여 최종 예측모형을 도출했다. 개발된 모형은 구축에 사용되지 않은 최신 자료를 이용한 검증작업으로 신뢰도와 정확도를 확인하였고, 방법론의 확장을 위해 필요한 최소 요구 자료량을 제시하였다. 본 연구에서 개발된 예측모형은 해당 지역의 지하수위 변동을 효과적으로 예측하고, 이를 통해 재해예방에 기여할 수 있을 것으로 기대된다.

Groundwater level fluctuations can lead to urban disasters, such as ground subsidence, necessitating the development of predictive measures for proactive disaster prevention. The predicted normal groundwater level can serve as a critical baseline for comparison against actual observed values, enabling the detection of sensor anomalies or analysis of impacts from nearby construction activities. In this study, a practical groundwater-level prediction model was constructed using public big data, acquired from sources such as the National Groundwater Information Center, and precipitation data. A hydrologically distinct area in Seoul was selected, and seven years of data were processed to remove outliers. A systematic statistical approach, involving time-series analyses (ACF, PACF, and CCF), was employed to identify the temporal characteristics and lagged correlations among the variables. Based on these findings, a multiple non-linear regression model was developed, whose reliability and high accuracy were verified using recent data; additionally, a minimum data requirement was established for its broader applications. This model offers a practical tool for predicting variations in groundwater level, supporting urban disaster prevention and sustainable water management.