• 한국지반환경공학회 논문집
• /
• 제16권7호
• /
• pp.43-53
• /
• 2015

우리나라는 국토의 70% 이상이 산지로 되어 있어 지속적인 도시화에 따른 산지 개발이 필수불가결한 요소이므로 위험요인에 대한 대응기술 개발이 필수적이며 토사재해 예방을 위한 기준과 매뉴얼 정립이 필요하다. 토사재해와 관련된 국가법령에서는 재난유형에 따라 위기관리 매뉴얼을 작성 운용하게 되어 있지만, 도심지 토사재해에 대한 위기관리 표준매뉴얼, 위기대응 실무매뉴얼 및 현장조치 행동매뉴얼이 아직까지 없는 실정이다. 본 연구에서는 기존의 풍수해 표준 및 실무매뉴얼 분석을 통하여 우리나라법으로 정해져 있는 사항이지만 아직까지 도심지 토사재해 분야에서 명확하게 정립되지 못한 부분에 대한 개선 방안을 제시하고자 한다. 주요 개선 방안은 다음과 같은 7가지로 나타낼 수 있다. 1) 도심지 토사재해에 적용 가능한 매뉴얼 제작이 필요하다. 2) 평상시 주관기관과 유관기관과의 수직적 수평적 상시교류 및 협력이 강화 구축되어 있어야 한다. 3) 개선되는 도심지 토사재해 매뉴얼은 각각의 공무원들이 실제 행동할 수 있는 행동절차(SOP) 매뉴얼이 필요하다. 4) 국민안전처에서 선정한 13가지의 항목을 중심으로 도심지 토사재해에 대한 필요한 항목을 우선적으로 선정해야 한다. 5) 이해할 수 있도록 도식화할 필요가 있다. 6) 주요 항목들을 체크리스트로 만들어서 위급상황 시 실무에 적용되도록 해야 한다. 7) 분기별로 1회 이상의 교육훈련이 필요하다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.