산지하천 현장 관측 자료의 기계학습 기법 적용을 통한 소류사 유출량 추정 방안

Estimation of Bedload Yield in Mountain Streams Using Field Observation Data and Machine Learning Techniques

현재 국내에서는 주로 USLE 계열의 경험적 모형을 활용하여 토사유출량을 산정하고 있으나, 실제 검증이 어렵고 소류사가 지배적인 산지하천에는 적용이 제한적이다. 본 연구는 경험적 모형의 대안으로 기계학습을 활용해 산지하천 소류사 유출량을 예측하였다. 해외 데이터 분석 결과 트리 기반 모형이 높은 정확도(R ≥ 0.94)를 보였으며, 우수한 성능을 보인 모형을 국내 3개 산지하천에 적용한 결과 김천 지역에서의 R값이 0.86 이상, NSE값이 0.73 이상의 유의미한 예측력을 확인하였다. 이는 기계학습 기반 모델이 사방댐 설계 및 관리를 위한 정량적 의사결정 도구로서 충분한 잠재력을 가짐을 시사한다.

The estimation of the sediment yield in Korea relies primarily on universal soil loss equation-based empirical models. However, validating these models remains difficult, and their application is limited to mountain streams where bedload transport is dominant. This study applied machine-learning techniques to predict bedload yields in mountain streams as an alternative to empirical models. Analysis of global datasets revealed that tree-based models achieved high accuracy (R ≥ 0.94). When the best-performing models were applied to three domestic mountain streams, significant predictive capability was confirmed, particularly in the Gimcheon site (R > 0.87, NSE > 0.73). These findings suggest that machine-learning-based models hold sufficient potential as quantitative decision-making tools for the design and management of check dams.