[표지] 1
제출문 3
요약문 4
SUMMARY 5
목차 7
제1장 서론 17
1.1. 연구배경 및 필요성 17
1.2. 연구범위 및 내용 18
제2장 인공지능 예측 알고리즘 특성 분석 21
2.1. 개요 21
2.1.1. 인공지능의 정의 21
2.1.2. 딥러닝의 기본 구조 및 원리 22
2.1.3. 딥러닝의 대표적인 알고리즘 23
2.2. 인공지능 기반 예측기술 및 적용 알고리즘 현황 조사 27
2.2.1. 폭풍해일고 예측 관련 27
2.2.2. 태풍이동경로 예측 관련 40
제3장 해안재난 관련 관측자료 및 예측자료 목록화 59
3.1. 대상지점 선정 59
3.1.1. 대상지점 선정을 위한 자료수집 및 방법 59
3.1.2. 대상지점 선정 61
3.2. 해양관련 관측 및 예측자료 현황 72
3.2.1. 해양관련 관측자료 현황 72
3.2.2. 해양관련 예측자료 현황 77
3.2.3. 태풍정보 현황 81
3.3. 관측자료 및 예측자료 기반 기초자료 구축 87
3.3.1. 시범대상지역 학습자료 수집 및 분석 87
3.3.2. 시범대상지역 학습자료 통계분석 97
3.3.3. 시범대상지역에 대한 해일고 예측 네트워크 구성 및 테스트 101
3.4. 수치모형 실험결과 후처리기법 개발 109
3.4.1. 후처리 프로그램 수집 및 분석 109
3.4.2. 후처리 프로그램 적용성 검토 114
제4장 해안재난 분석을 위한 수치모형 계산격자 개선 119
4.1. 수치모형 계산격자 개선 119
4.1.1. 수치모형 계산격자 개선을 위한 자료 수집 119
4.1.2. 최신 해안선 및 수심 반영한 정밀격자 개선 124
4.2. 수치모형 안정성 및 변수 적용성 검토 131
4.2.1. 조석모의 검증 131
4.2.2. 수치결합모형의 적용성 검토 137
4.2.3. 수치모형 태풍 정보에 따른 해일고 결과 비교 140
제5장 요약 및 결론 145
참고문헌 147
부록 : 해안재해 및 해일위험지구 대상지점 151
서지자료(REPORT DOCUMENTATION PAGE) 165
판권기 167
표 2.1. 폭풍해일고 예측 관련 문서 27
표 2.2. Sung Hyup You의 인공신경망 설정 28
표 1.3. Kim, S.W의 인공신경망 설정 31
표 2.4. Kuo Chen의 인공신경망 설정 36
표 2.5. 폭풍해일고 예측 관련 문서 40
표 2.6. Kordmahalleh 등의 인공신경망 설정 41
표 2.7. DeepRain의 설정 43
표 2.8. DeepTC의 설정 46
표 2.9. CNN-GRU의 설정 48
표 2.10. TC-3DCNN의 설정 53
표 2.11. 네트워크별 테스트 결과 MSE 55
표 3.1. 지자체 자연재해저감종합계획 보고서 자료확보 현황 60
표 3.2. 지자체 자연재해저감종합계획 위험지구 현황 60
표 3.3. 해안재해위험지구 및 해일위험지역(158개소) 62
표 3.4. 고조시 해수침수 조사대상지역 현황(36개소) 68
표 3.5. 주요 조위관측소 위치정점(49개소) 69
표 3.6. 국립해양조사원 국가해양관측망 현황(22년 5월 기준) 73
표 3.7. 기상청 해양관측망 현황(22년 2월 기준) 75
표 3.8. 국립수산과학원 연안·어장관측 현황(20년 5월 기준) 77
표 3.9. 활용가능한 해상풍 예측자료 현황 80
표 3.10. 해외 해수위 데이터 수집 기간 94
표 3.11. 여수 관측자료 기반 학습자료 구성 96
표 3.12. 부산 관측자료 기반 학습자료 구성 96
표 3.13. 해일고 예측 학습 네트워크 설정 102
표 3.14. 주요 후처리 프로그램 비교 분석 115
표 4.1. 주요 지형변화 대상지역 120
표 4.2. 조석 검증 결과 137
표 4.3. 대칭형 및 비대칭형 태풍에 따른 결과 비교 141
그림 1.1. 연구범위 및 내용 18
그림 2.1. 인공지능, 머신러닝, 딥러닝의 관계 21
그림 2.2. 뉴런과 ANN의 구조 22
그림 2.3. ANN의 기본 구조 23
그림 2.4. LSTM의 기본 구조 24
그림 2.5. LSTM에 사용되는 수식 24
그림 2.6. CNN의 기본 구조 25
그림 2.7. Convolution Layer의 작용 26
그림 2.8. Pooling Layer의 작용 26
그림 2.9. 클러스터 분석을 통한 관측소 그룹화 29
그림 2.10. 알고리즘 최적화에 사용된 학습 환경 목록 29
그림 2.11. 부산, 제주 예측 결과 30
그림 2.12. 1978~2014년 기간의 태풍 데이터 32
그림 2.13. 군산 예측결과 32
그림 2.14. 부산 예측결과 33
그림 2.15. 여수 예측결과 33
그림 2.16. 6지점에 대한 모델 정확도 33
그림 2.17. 인도 오디사 지역 34
그림 2.18. 인공신경망 모델 구조 35
그림 2.19. 데이터 매개변수 35
그림 2.20. 오디사 지역과 주변 지역의 해일고 예측 35
그림 2.21. LSTM의 구조 37
그림 2.22. 학습에 사용된 태풍 데이터(12개) 37
그림 2.23. 학습 태풍데이터 예시 38
그림 2.24. 학습 결과 38
그림 2.25. 다른 알고리즘과의 정확도 비교 39
그림 2.26. 알고리즘 정확도 비교 그래프 39
그림 2.27. Kordmahalleh 등의 인공신경망 요약 42
그림 2.28. 태풍 Sandy의 실제 경로와 예측된 경로 42
그림 2.29. 태풍 Humberto의 실제 경로와 예측된 경로 42
그림 2.30. 레이더 지도 강수량 데이터 예시 44
그림 2.31. DeepRain 모델의 구조 44
그림 2.32. 다른 알고리즘과의 성능 비교 45
그림 2.33. DeepTC 구조 46
그림 2.34. 사용된 WRF 파라미터 47
그림 2.35. Epoch에 따른 RMSE 감소 47
그림 2.36. Epoch에 따른 오차(MAE) 결과값 47
그림 2.37. GRU-CNN의 구조 49
그림 2.38. 학습 데이터 예시 49
그림 2.39. 태풍에 대한 테스트 결과 예시 50
그림 2.40. 4개의 태풍에 대한 예측 결과 50
그림 2.41. 여러 형태의 비교 모델과 비교 모델의 매개변수 51
그림 2.42. 비교 모델과의 정확도 비교 51
그림 2.43. TC-3DCNN의 구조 53
그림 2.44. 모델 레이어 정보 54
그림 2.45. 예측 결과 54
그림 3.1. 해안재해위험지구 121개소, 해일위험지구 37개소 대상지역 61
그림 3.2. 고조시 해수침수 조사 대상지역(2015~2018년, 국립해양조사원) 67
그림 3.3. 무역항 및 연안항 위치정점(해양수산부) 71
그림 3.4. 국립해양조사원 해양관측망 현황(월간해양정보) 72
그림 3.5. 기상청 해양관측망 현황 74
그림 3.6. 실시간 연안·어장관측 위치도(국립수산과학원) 76
그림 3.7. 지역파랑모델(RWW3) 영역 예(기상청) 78
그림 3.8. 국지연안파랑모델(CWW3) 영역 예(기상청) 79
그림 3.9. 폭풍해일모델(RTSM) 영역 예(기상청) 80
그림 3.10. 2001~2022년 우리나라에 영향을 준 태풍 이동경로(기상청) 81
그림 3.11. 2022년 11호 태풍 힌남노 이동경로 및 제공 정보(기상청) 82
그림 3.12. 일본 기상청 태풍정보 컬럼 현황 83
그림 3.13. 미국 JTWC 태풍정보 현황 84
그림 3.14. 각 기관별 태풍정보에 따른 결과 비교 86
그림 3.15. 종관관측데이터 다운로드 화면(기상청) 87
그림 3.16. 종관관측 해면기압 데이터 예시(기상청) 88
그림 3.17. 태풍 베스트트랙 데이터 예시(기상청) 89
그림 3.18. 태풍 베스트트랙 데이터 예시(전처리 전) 90
그림 3.19. 태풍 베스트트랙 데이터 예시(전처리 후) 90
그림 3.20. 국립해양조사원 해양정보 서비스 91
그림 3.21. 1시간 단위 조위관측소 관측 데이터 다운로드 92
그림 3.22. 1분 단위 조위관측소 예측 조위 데이터 다운로드 92
그림 3.23. 전처리 후 최종 조위 학습데이터 예시(부산) 93
그림 3.24. 해외 해수위 실시간 관측 데이터 예시 94
그림 3.25. 수집한 해외 해수위 데이터 예시 95
그림 3.26. 여수의 조위관측소 조위와 입력변수의 상관관계 98
그림 3.27. 부산의 조위관측소 조위와 입력변수의 상관관계 99
그림 3.28. 여수 태풍변수와 해수위 교차상관 100
그림 3.29. 부산 태풍변수와 해수위 교차상관 100
그림 3.30. 구축된 모델 구성 101
그림 3.31. 다양한 관측소와 힌남노 경로(부산) 103
그림 3.32. 다양한 관측소와 힌남노 경로(여수) 103
그림 3.33. 부산 1시간 조위 예측 결과 104
그림 3.34. 부산 1시간 해일고 예측 결과 104
그림 3.35. 부산 6시간 조위 예측 결과 105
그림 3.36. 부산 6시간 해일고 예측 결과 105
그림 3.37. 여수 1시간 조위 예측 결과 106
그림 3.38. 여수 1시간 해일고 예측 결과 106
그림 3.39. 여수 6시간 조위 예측 결과 107
그림 3.40. 여수 6시간 해일고 예측 결과 107
그림 3.41. 기온 가시화 예(Grads) 109
그림 3.42. 지형도 가시화 예(GMT) 110
그림 3.43. 표층수온 가시화 예(NCL) 111
그림 3.44. 표층수온 가시화 예(Matlab) 112
그림 3.45. 기온 가시화 예(python) 113
그림 4.1. 창원 마산만 해안선 현황(2012년) 119
그림 4.2. 창원 마산만 해안선 현황(2020년) 120
그림 4.3. 기 구축 수치모형 격자망도 122
그림 4.4. 기 구축 수치모형 격자망도 123
그림 4.5. 적용된 150m급 대표수심 영역(국립해양조사원, 2019) 124
그림 4.6. 경기만 일대 개선된 격자 및 적용 수심 비교 125
그림 4.7. 태안반도 일대 개선된 격자 및 적용 수심 비교 126
그림 4.8. 신안군 일대 개선된 격자 및 적용 수심 비교 127
그림 4.9. 고흥군 일대 개선된 격자 및 적용 수심 비교 128
그림 4.10. 창원/거제/부산 일대 개선된 격자 및 적용 수심 비교 129
그림 4.11. 포항 일대 개선된 격자 및 적용 수심 비교 130
그림 4.12. 계산결과와 NAO.99jb 조석 결과 비교(M₂, S₂, K₁) 132
그림 4.13. 계산결과와 NAO.99jb 조석 결과 비교(O₁, N₂, K₂) 133
그림 4.14. 계산결과와 NAO.99jb 조석 결과 비교(P₁, Q₁) 134
그림 4.15. 조석관측소 정점 135
그림 4.16. 조석 검증 결과(진폭, 위상) 136
그림 4.17. 결합모형간의 정보교환 방법 138
그림 4.18. 결합모형 비선형효과에 따른 결과 비교 139
그림 4.19. 대칭형 및 비대칭형 태풍에 따른 결과 비교 140
부록 그림 1.1. 해안재해 및 해일위험지구 위성사진 151