격자기반 홍수모의의 순차적 시공간 보정을 위한 2-Phase PIML 개발

초록

기후변화로 인한 극한 강우 증가는 돌발 홍수 위험을 높여 정확한 모의 기술이 필수적이다. 전통적 격자기반 물리 모형은 매개변수 추정, 구조적 단순화로 시공간적 불확실성을 가진다. 본 연구는 이를 극복하고자 물리 모형과 머신러닝을 순차 결합하는 2-Phase PIML (Physics-Informed Machine Learning) 하이브리드 홍수 모형을 개발했다. 방법론은 Phase 1 시간적 보정과 Phase 2 공간적 보정으로 구성된다. Phase 1은 집중형 물리 모형 유출 모의와 강우 시차 등을 입력으로, 관측 유량을 정답으로 PIML 모형을 학습해 ‘시간 보정 비율’을 산정한다. Phase 2는 빈도별 홍수위험지도를 정답으로, 분포형 물리 모형의 침수심과 지형 특징(DEM 등)을 입력으로 AI 모형을 학습한다. 하이브리드 모의 시, 분포형 물리 모형의 격자별 유량에 1단계 시간 보정 비율을 적용해 유량을 1차 보정한다. 이 보정 유량 기반 침수심은 2단계 공간 AI 모형에 입력되어 순차 보정된 최종 침수심을 도출한다. 경안천 상류 유역 적용 결과, 1단계 시간 보정은 물리 모형 대비 수문 곡선 정확도를 크게 향상시켰다. 2단계 공간 보정을 포함한 빈도별 시나리오 분석에서는 물리 모형의 침수 범위 과소·과대 추정 경향이 보정되어 공간 정확도가 개선되었고, 모의 결과가 빈도별 홍수위험지도와 유사함을 확인했다. 제안된 2-Phase PIML은 물리 모형의 해석력과 AI의 비선형 패턴 학습력을 결합하여, 격자기반 홍수 모의의 실효성을 높이는 대안을 제시한다.

키워드