Abstract

This paper presents the use of an Artificial Neural Network (ANN) as a viable means of forecasting Inundation Damage Area (IDA) in many watersheds. In order to develop the forecasting model with various environmental factors, we selected 108 watershed areas in South Korea and collected 49 damage data sets from 1990 to 2000, of which each set is composed of 27 parameters including the IDA, rainfall amount, and land use. After successful training processes of the ANN, a good agreement (R=0.92) is obtained (under present conditions) between the measured values of the IDA and those predicted by the developed ANN using the remaining 26 data sets as input parameters. The results indicate that the inundation damage is affected by not only meteorological information such as the rainfall amount, but also various environmental characteristics of the watersheds. So, the ANN proves its present ability to predict the IDA caused by an event of complex factors in a specific watershed area using accumulated temporal-spatial information, and it also shows a potential capability to handle complex non-linear dynamic phenomena of environmental changes. In this light, the ANN can be further harnessed to estimate the importance of certain input parameters to an output (e.g., the IDA in this study), quantify the significance of parameters involved in pre-existing models, and contribute to the presumption, selection, and calibration of input parameters of conventional models.

본 논문에서는 유역 내 침수피해를 예측할 수 있는 실현가능한 수단으로써 인공신경망의 활용에 대해 제안하고자 한다. 유역 내 다양한 환경인자에 의한 침수피해 예측모형의 구축을 위해 108개 중유역을 대상으로 1990년부터 2000년까지 강우량, 침수피해면적, 토지이용 등 총 27개의 매개변수를 선정하여 총 49개의 데이터 세트를 구성하였다. 연구결과, 침수피해는 강우량과 같은 기상정보 뿐 만 아니라 다양한 유역환경의 특성에 영향을 받는 것으로 나타났으며 인공신경망 모형에 의해 R=0.92 수준에서 예측값과 관측값이 잘 일치하는 것으로 나타났다. 따라서 인공신경망은 입력값들과 대응된 출력값들을 알고 있는 경우 과거와 현재의 시공간 정보를 활용하여 특정유역의 강우량에 따른 침수피해면적을 산정 할 수 있으며, 복잡하고 비선형적 역동성을 지니고 있는 유역 내 환경변화에 대한 예측모형으로 활용이 가능하다고 판단된다. 또한 인공신경망은 입력자료의 중요도를 평가하는데 이용될 수 있으며, 기존 모형에서 다루어지는 매개변수중요도를 정량화 시킬 수 있어 다른 모형의 매개변수 추정이나 보정에 도움을 줄 수 있을 것으로 판단된다.

Keywords

• inundation damage;
• artificial neural network;
• forecasting model;
• temporal-spatial information;
• significance of parameters

• 침수피해;
• 인공신경망;
• 예측모형;
• 시공간정보;
• 매개변수중요도;