기상기후 데이터와 댐 방류량을 고려한 한강 잠수교 홍수 수위 예측을 위한 Bi-LSTM 모델 개발

Development of an Bi-LSTM Model for Flood Level Prediction of Hangang River Jamsoo Bridge Considering Weather Climate Data and Dam Discharge

기후변화로 인해 집중호우의 빈도와 강도가 증가하면서 홍수 피해가 매년 늘어나고 있다. 지역별 강수량과 유출량의 변화, 도시화로 인한 불투수면적 증가로 자연재난 피해 범위와 규모도 확대되었다. 이러한 변화로 인해 정확한 유출량 산정 방법과 정밀한 홍수 분석 기술의 필요성이 커지고 있다. 기존 물리 모델은 입력 자료 구축이 복잡하고 사용자의 높은 이해도가 필요하며 매개변수 산정 등에서 사용자의 주관이 개입될 수 있다. 이에 반해 인공지능 모델은 관측자료만을 이용하고 이 중 LSTM 기반 예측 모델이 각광받고 있으며, 한강 잠수교 홍수위 예측을 위해 LSTM과 Bi-LSTM 모델을 적용하였다. 10분 단위 강우량과 팔당댐 방류량 데이터를 활용하여 모델을 학습시켰다. 기상청 AWS 관측소 8개 지점에서 강우량을 수집하고, 한강홍수통제소에서 잠수교 수위와 팔당댐 방류량을 수집하였다. 강동, 구리, 팔당댐에는 2시간, 성동, 광진, 서초, 송파에는 1시간 지체시간을 적용하였다. 각 모델의 예측 결과를 비교·분석하여 홍수위 예측의 정확성을 높이는 방안을 제시하였다.

Climate change has increased heavy rainfall frequency and intensity, leading to rising flood damage and expanding natural disaster impacts due to urbanization. This has created demand for accurate runoff estimation and flood analysis technologies. Traditional physical models require complex data and user expertise, while AI models using observational data, particularly LSTM-based prediction models, are gaining attention. LSTM and Bi-LSTM models were applied to predict flood levels at Jamsu Bridge on the Han River. The models were trained using 10-minute rainfall data from eight Korea Meteorological Administration AWS stations and Paldang Dam discharge data from the Han River Flood Control Office. Time delays of 2 hours were applied to Gangdong, Guri, and Paldang Dam data, while 1-hour delays were applied to Seongdong, Gwangjin, Seocho, and Songpa stations. By comparing model prediction results, researchers proposed methods to improve flood level prediction accuracy.