표제지
요약
목차
제1장 서론 16
제1절 연구 배경 및 목적 16
제2절 연구 내용 및 구성 19
제2장 이론적 고찰 22
제1절 도시침수의 정의 22
1. 도시침수의 정의 및 국내 대응 현황 22
2. 도시침수 관련 선행연구 23
제2절 강우 사상 분석 29
1. 면적 강우량 29
2. 무강우 지속시간 31
3. 확률강우량 및 강우 시간 분포 34
제3절 도시유출모형의 정의 및 SWMM 45
1. 도시유출모형의 정의 및 특성 45
2. SWMM 모형의 기본 이론 52
제4절 모니터링 위치 선정 및 활용 64
1. 침수 모니터링 위치 선정의 필요성 64
2. 모니터링 활용 사례 65
3. 모니터링 지점 선정 시 활용되는 방법론 67
4. 모니터링 위치 선정 및 활용 관련 선행연구 68
제5절 시계열 데이터의 유사성 분석 74
1. 시계열 데이터의 정의 및 특성 74
2. 시계열 데이터의 유사성 74
제3장 연구 방법 및 내용 78
제1절 연구대상지역의 현황 및 특성 78
1. 강우의 변동 특성 분석 78
2. 연구대상지역 일반 현황 80
3. 연구대상지역 침수피해 현황 83
제2절 수문분석을 통한 확률강우량 산정 85
1. 강우 데이터 구축 85
2. 강우 사상 분리 86
3. 확률강우량 산정 87
제3절 강우 시나리오별 데이터 구축 및 시뮬레이션 94
1. 실제 강우 발생일에 기반한 관망도 검·보정 94
2. 설계빈도와 지역 특성을 고려한 시나리오 설정 94
3. 시나리오별 데이터 구축 및 시뮬레이션 95
제4절 도시침수 대응을 위한 최적 수위 모니터링 지점 선정 99
1. 시나리오별 시뮬레이션 결과 기반 주요 지점 선정 99
2. 최적 수위 모니터링 지점 선정 99
3. 실시간 모니터링을 활용한 도시침수 대응 프로세스 제안 105
제4장 연구 결과 및 고찰 107
제1절 수문분석을 통한 확률강우량 산정 107
1. 강우 데이터 구축 107
2. 강우 사상 분리 108
3. 확률강우량 분석 116
제2절 강우 시나리오별 데이터 구축 및 시뮬레이션 128
1. 실제 강우 발생일에 기반한 관망도 검·보정 128
2. 설계빈도와 지역 특성을 고려한 시나리오 설정 131
3. 시나리오별 데이터 구축 및 시뮬레이션 132
제3절 도시침수 대응을 위한 최적 수위 모니터링 지점 선정 141
1. 시나리오별 시뮬레이션 결과 기반 주요 지점 선정 및 그룹화 142
2. 최적 수위 모니터링 지점 선정 147
3. 실시간 모니터링을 활용한 도시침수 대응 프로세스 제안 161
제5장 결론 165
References 170
부록 183
부록 A. 무강우 지속시간 산정 결과 183
부록 B. 시나리오별 시간 분포 적용 결과 192
Abstract 196
〈Table 2.1〉 Summary of previous studies on Urban floods 28
〈Table 2.2〉 Comparing Urban runoff model 51
〈Table 2.3〉 Coefficient of infiltration rate 58
〈Table 2.4〉 Instruments, communication protocols and methods for alert dissemination 66
〈Table 2.5〉 Summary of previous studies on the selection of the optimal point for installing sensors and sensor utilization... 72
〈Table 3.1〉 Average monthly precipitation days in Seoul(2013~2022) 78
〈Table 3.2〉 The drainage network data of study area 81
〈Table 3.3〉 Soil characteristics in the study area 82
〈Table 3.4〉 Flood traces in the study area 84
〈Table 3.5〉 Conversion coefficient from fixed time to arbitrary time 89
〈Table 3.6〉 The applicable probability distribution of RFAHD 91
〈Table 3.7〉 Huff's rainfall mass curve percentiles 96
〈Table 3.8〉 Huff quantile rainfall mass coefficient calculation result 97
〈Table 4.1〉 Weight of Thiessen polygons for the study area 108
〈Table 4.2〉 Calculation results of representative rainfall event 112
〈Table 4.3〉 Rainfall event analysis by duration 113
〈Table 4.4〉 The average annual rainfall in study area(1995-2022) 114
〈Table 4.5〉 Fixed time maximum annual rainfall by duration 117
〈Table 4.6〉 Arbitrary time maximum annual rainfall by duration 118
〈Table 4.7〉 Basic statistics of the annual maximum data series by duration 119
〈Table 4.8〉 Results of randomness test for the annual maximum data series by duration 120
〈Table 4.9〉 Goodness-of-fit test(GUM, PWM) 122
〈Table 4.10〉 Probable rainfall by duration 123
〈Table 4.11〉 Probable rainfall intensity by duration 124
〈Table 4.12〉 Probable rainfall according to return period by duration 125
〈Table 4.13〉 The coefficient of determination calculation results for deciding the probable rainfall intensity method(GUM, PWM) 126
〈Table 4.14〉 Polynomial regression probable rainfall intensity equation 127
〈Table 4.15〉 Peak rainfall by duration according to return period 133
〈Table 4.16〉 Number of combination cases for installation points selection 141
〈Table 4.17〉 Grouping result of principal points 145
〈Table 4.18〉 Example of input dataset for selecting optimal water level monitoring point in the downstream group 148
〈Table 4.19〉 Example of input dataset for selecting optimal water level monitoring points for each scenario 151
〈Table 4.20〉 Result of selected optimal water level monitoring points of each scenario 154
〈Table 4.21〉 Statistics by optimal water level monitoring points 157
〈Table 4.22〉 Torrential rain weather warning announcement standards 162
〈Table A.1〉 Autocorrelation coefficient estimated by autocorrelation analysis 183
〈Table A.2〉 Analysis results of average annual rainfall event count 186
〈Table A.3〉 Result of coefficient of variation analysis 189
〈Table B.1〉 Temporal distribution of probable rainfall by duration 192
〈Figure 1.1〉 Flow chart of the study 21
〈Figure 2.1〉 Definition of IETD 31
〈Figure 2.2〉 IDF(Intensity-Duration-Frequency) curve 40
〈Figure 2.3〉 Classification of flood defense and control measures 64
〈Figure 2.4〉 Time series of ED and DTW 77
〈Figure 3.1〉 Monthly analysis of number of days with precipitation in Seoul(2013~2022) 79
〈Figure 3.2〉 Annual rainfall analysis in Seoul(2013~2022) 79
〈Figure 3.3〉 The drainage network map of study area 80
〈Figure 3.4〉 Procedure of rainfall data construction 86
〈Figure 3.5〉 Procedure on IETD calculation and rainfall event separation 87
〈Figure 3.6〉 Rainfall frequency analysis procedure for calculating probable rainfall 88
〈Figure 3.7〉 Regression curve of conversion coefficients from fixed time to arbitrary time 90
〈Figure 3.8〉 Huff's dimensionless rainfall mass curve results 96
〈Figure 3.9〉 Scenario set up and simulation procedure 98
〈Figure 3.10〉 Procedure of grouping configuration in the same group 101
〈Figure 3.11〉 Procedure of average DTW calculation 102
〈Figure 3.12〉 Procedure of DTW calculation 103
〈Figure 3.13〉 Optimal installation point selection procedure for water level meters 105
〈Figure 3.14〉 Protocol of Urban flood response 106
〈Figure 4.1〉 Creating Thiessen polygons based on AWS 107
〈Figure 4.2〉 IETD calculation result by autocorrelation analysis 109
〈Figure 4.3〉 Calculation results of average annual rainfall event count according to IETD 110
〈Figure 4.4〉 IETD calculation result by coefficient of variation analysis 111
〈Figure 4.5〉 Number of occurrences of rainfall events by duration 113
〈Figure 4.6〉 Average of fixed time rainfall and average of arbitrary time rainfall by duration 116
〈Figure 4.7〉 Probable rainfall by duration(1, 2, 3 hr) 124
〈Figure 4.8〉 Actual rainfall event in the study area (Aug. 8-Aug. 17, 2022) 129
〈Figure 4.9〉 Result of Flood traces and Simulation 130
〈Figure 4.10〉 Rainfall scenario set up 131
〈Figure 4.11〉 Comparison of design rainfall for Huff 3rd Quartile by duration 133
〈Figure 4.12〉 Overflow points by scenario 135
〈Figure 4.13〉 Result of selected principal points 143
〈Figure 4.14〉 Final grouping results of principal points 144
〈Figure 4.15〉 Similarity of water level patterns and minimum distance to Flood traces in Group 15([Sce 10-1]) 149
〈Figure 4.16〉 Pareto Front of Group 15([Sce 10-1]) 150
〈Figure 4.17〉 Similarity of water level patterns and minimum distance to Flood traces at principal points except Group 15([Sce 10-1]) 152
〈Figure 4.18〉 Pareto Front of principal points excluding Group 15([Sce 10-1]) 153
〈Figure 4.19〉 Result of selected optimal water level monitoring points for each scenario 155
〈Figure 4.20〉 Result of selected optimal water level monitoring candidate points for each scenario 158
〈Figure 4.21〉 Result of selected optimal water level monitoring points for each scenario 159
〈Figure 4.22〉 Example of forecast to related organizations 162
〈Figure 4.23〉 Procedure of deriving optimal evacuation routes 163
〈Figure 4.24〉 Example of optimal evacuation routes 164