KR101934283B1 - 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버 - Google Patents

복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버 Download PDF

Info

Publication number
KR101934283B1
KR101934283B1 KR1020180061414A KR20180061414A KR101934283B1 KR 101934283 B1 KR101934283 B1 KR 101934283B1 KR 1020180061414 A KR1020180061414 A KR 1020180061414A KR 20180061414 A KR20180061414 A KR 20180061414A KR 101934283 B1 KR101934283 B1 KR 101934283B1
Authority
KR
South Korea
Prior art keywords
data
category
shore
water level
total water
Prior art date
Application number
KR1020180061414A
Other languages
English (en)
Inventor
유승협
이호만
이소영
변건영
엄현민
김도연
김성은
박상훈
Original Assignee
대한민국(기상청장)
주식회사 아라종합기술
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국(기상청장), 주식회사 아라종합기술 filed Critical 대한민국(기상청장)
Priority to KR1020180061414A priority Critical patent/KR101934283B1/ko
Application granted granted Critical
Publication of KR101934283B1 publication Critical patent/KR101934283B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/002—Measuring the movement of open water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/002—Measuring the movement of open water
    • G01C13/004—Measuring the movement of open water vertical movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/002—Measuring the movement of open water
    • G01C13/006—Measuring the movement of open water horizontal movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming

Landscapes

  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Hydrology & Water Resources (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Tourism & Hospitality (AREA)
  • Environmental & Geological Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Fluid Mechanics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Environmental Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은, 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 방법에 있어서, (a) 서버가, 총수위를 예측하고자 하는 해안에 대하여, 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터 및 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 획득하는 단계; 및 (b) 상기 서버가, 상기 해안의 특성에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 단계;를 포함하되, 상기 해안은 상기 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분되는 것을 특징으로 하는 방법 및 이를 이용한 서버를 개시한다. 본 발명에 따르면, 해안의 특성 및 조석, 해일, 파랑 등 해안에 가해지는 외력 조건을 복합적으로 고려하여 총수위 예측의 정확도를 높임으로써 국민의 안전을 확보하고 사회, 경제적인 피해를 최소화할 수 있으며, 해안의 카테고리를 특성에 따라 자연해안, 인공해안 등으로 구분하고 이에 따라 적용되는 총수위의 계산 방법을 달리함으로써 신뢰도 있는 총수위 예측값을 제공할 수 있다.

Description

복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버{METHOD OF PREDICTING TOTAL WATER LEVEL CONSIDERING SHORE'S CHARACTERISTICS CLASSIFIED INTO MULTIPLE CATEGORIES AND SERVER USING THE SAME}
본 발명은 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 방법 및 이를 이용한 서버에 관한 것으로, 보다 상세하게는 서버가, 총수위를 예측하고자 하는 해안에 대하여, 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터 및 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 획득하는 단계 및 상기 서버가, 상기 해안의 특성에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 단계를 포함하되, 상기 해안은 상기 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분되는 것을 특징으로 하는 방법 및 이를 이용한 서버에 관한 것이다.
2016년 발생한 제18호 태풍 차바(CHABA)는 제주도, 부산, 울산을 포함한 한반도 남동부지방에 강풍을 동반한 많은 비를 내렸으며, 이로 인하여 해안의 범람, 시설물의 파손, 정전, 침수 등 막대한 재산피해와 인명피해가 발생하였다(기상청 국가태풍센터, 2017).
또한, IPCC에 따르면 기후변화로 인한 전세계 해수면 상승이 가속화되고 있으며, 최근 우리나라 연안 평균 해수면 상승률은 2.68 mm/yr로 전지구 상승률보다 높은 것으로 보고되었다. 그리고, 연안 해수면 상승과 더불어 태풍, 저기압 통과 등 해양 위험 기상 발생 시 고조, 해일, 파랑에 의한 침수, 범람, 월파 등 연안 재해 발생 빈도도 지속적으로 증가하고 있는 추세이다.
이러한 연안 재해는 해수면 변동, 폭풍해일 및 천해 파랑 변형 등 여러 가지 요인이 복합적으로 작용하여 나타나는 결과이며, 전 세계적인 기후변화에 따라 발생 빈도가 점차 높아지고 있다.
한편, 종래의 해양 예보 시스템들은 연안 재해를 예측하기 위하여 다양한 예측 모델을 이용하여 조석에 의한 천문조 수위, 기압 및 바람에 의한 폭풍해일고, 바람에 의한 연안 파랑을 각각 혹은 둘 이상의 상호작용에 의한 연안 수위를 산출하고 있으나, 방대한 계산량으로 인한 계산 시간 과다로 신속한 대응이 어려우며, 일반적으로 천문조 및 폭풍해일고를 고려한 연안 수위를 예측하는데 그치고 있기 때문에, 해안선 및 인접한 해역에서 정확한 파랑 작용을 고려한 해안 수위를 예측하는 데에 한계가 있어, 해안 예측 수위에 대한 신뢰도가 떨어지는 실정이다.
따라서, 본 발명자는 연안(해안선)에서 천문조, 폭풍해일 및 연안 파랑 변형을 모두 고려한 해안 총수위 예측값에 대한 신뢰도를 향상시키기 위하여 다양한 외력 조건과 해안 특성을 고려한 해안 총수위 산출 방법의 개발을 하기에 이르렀다.
따라서, 본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 해안의 특성 및 파랑의 작용을 고려하여 총수위를 예측함으로써 예측값의 정확도를 높이는 것을 다른 목적으로 한다.
또한, 본 발명은 해안의 카테고리를 특성에 따라 자연해안, 인공해안 등으로 구분하고, 이에 따라 적용되는 총수위의 계산 방법을 달리함으로써 신뢰도 있는 총수위 예측값을 제공하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 방법에 있어서, (a) 서버가, 총수위를 예측하고자 하는 해안에 대하여, 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터 및 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 획득하는 단계; 및 (b) 상기 서버가, 상기 해안의 특성에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 단계;를 포함하되, 상기 해안은 상기 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분되는 것을 특징으로 하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 서버에 있어서, 총수위를 예측하고자 하는 해안에 대하여, 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터 및 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 획득하는 통신부; 및 상기 해안의 특성에 따라 상기 통신부에 의해 획득된 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 프로세서;를 포함하되, 상기 해안은 상기 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분되는 것을 특징으로 하는 서버가 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 장치, 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하기 위한 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 따르면, 해안의 특성 및 조석, 해일, 파랑 등 해안에 가해지는 외력 조건을 복합적으로 고려하여 총수위 예측의 정확도를 높임으로써 국민의 안전을 확보하고 사회, 경제적인 피해를 최소화할 수 있다.
또한, 해안의 카테고리를 특성에 따라 자연해안, 인공해안 등으로 구분하고, 이에 따라 적용되는 총수위의 계산 방법을 달리함으로써 신뢰도 있는 총수위 예측값을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 서버의 구성도,
도 2는 본 발명의 일 실시예에 따라 다양한 외력 조건을 고려하여 총수위를 산출하기 위한 시스템에 포함되는 구성요소의 예시도,
도 3은 본 발명의 일 실시예에 따른 해안의 특성에 따른 카테고리 별 예시 지역 및 총수위 산출값을 나타낸 예시도.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다.
또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 서버(100)의 구성도를 도시하고 있다.
도 1을 참조하면, 서버(100)는 통신부(110) 및 프로세서(120)를 포함할 수 있다.
먼저, 통신부(110)는 총수위를 예측하고자 하는 해안에 대하여, 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터 및 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 획득하는 역할을 수행할 수 있다. 제1 데이터, 제2 데이터 및 제3 데이터에 대해서는 도 2를 참조로 하여 후술하도록 한다.
다음으로, 프로세서(120)는 해안의 특성에 따라 통신부(110)에 의해 획득된 제1 데이터, 제2 데이터 및 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 해안의 총수위를 산출할 수 있다.
여기서, 해안은 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분될 수 있는데, 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 더 구분될 수 있다.
예시적으로, 도 3을 참조하면, 제1 카테고리(자연해안)는 자연적으로 형성된 해안, 제2-1 카테고리(인공-경사해안)는 테트라포드(Tetrapod)와 같은 구조물이 설치되어 인공적으로 구성된 해안을 포함할 수 있으며, 제2-2 카테고리(인공-직립해안)는 부두와 같이 해안의 법선 방향의 면이 해수면과 직각을 이루는 해안을 예로 들 수 있다.
상기와 같이 해안을 특성에 따라 각각의 카테고리로 구분하는 이유는, 위험 기상이 발생 시 해안에서 발생하는 해양기상 현상의 변형 및 변화가 해안의 지형 특성에 지배되기 때문이다. 또한, 총수위 예측 시 해안의 수심과 해수면과 맞닿아있는 해안선 및 해안 배후지역의 지형 자료의 확보는 필수적이다.
그러나, 종래의 총수위 예측 시스템들은 상기와 같은 카테고리를 적용하지 않았으며, 예측된 총수위 값이 실제 관측치와는 차이를 보여 위험 기상 시 피해 예방에 어려움을 겪어왔다. 따라서, 본 발명에서는 이러한 카테고리를 적용하고 육상과 해상의 경계에 대한 상세한 수심 및 지형 자료를 참조함으로써 더욱 정확도 높은 총수위 값을 산출하고자 하였다.
다음으로, 제3 데이터(파랑의 작용)의 적어도 일부는 해안 경사도를 참조로 하여 산출될 수 있는데, 해안이 제1 카테고리(자연해안)에 해당되는 경우, 해안에 대응되는 해안 경사도는 수치 표고 데이터 및 수심 측량 데이터를 이용하여 산출함으로써 결정될 수 있다.
구체적으로, 프로세서(120)는, DEM(Digital Elevation Model)과 같은 수치 표고 데이터를 이용하여 해안의 특정 지점의 표고값을 산정하고, 특정 지점에서 법선 방향으로 기설정된 수심값까지의 거리를 산정하여, 상기 표고값, 상기 수심값 및 상기 수심값까지의 거리를 참조하여 특정 지점의 해안 경사도를 산정할 수 있을 것이다.
또한, 해안이 제2-1 카테고리(인공-경사해안)에 해당되는 경우, 해안 경사도는 해안에 포함되는 적어도 하나 이상의 지점의 경사도의 평균을 산출함으로써 결정되며, 해안이 제2-2 카테고리(인공-직립해안)에 해당되는 경우, 해안 경사도는 0으로 결정될 수 있다.
이 때, 해안 경사도는 프로세서(120)에 의해 산출될 수 있으나, 일부 해안의 경사도는 서버(100) 외부에 존재하는 별도의 경사도 산출 모듈에 의해 산출될 수도 있을 것이다.
다음으로, 도 2를 참조로 하여 본 발명의 일 실시예에 따라 다양한 외력 조건을 고려하여 총수위를 산출하기 위한 시스템에 포함되는 구성요소의 예시와, 제1 데이터, 제2 데이터 및 제3 데이터에 대해 구체적으로 설명하도록 한다.
총수위를 산출하기 위한 시스템은 서버(100), 조석 예측 모델(210), 해일 예측 모델(220), 파랑 예측 모델(230) 및 파수위상승고/처오름높이 예측 모델(235) 등을 포함할 수 있다.
여기서, 도 2에는 각각의 예측 모델이 서버(100)의 외부에 존재하는 것으로 표현되었으나, 이들 중 적어도 일부가 서버(100)의 내부에 포함되거나, 프로세서(120)가 일부 예측 모델의 기능을 수행할 수도 있을 것이다.
먼저, 제1 데이터는 조석에 의한 수위 변화를 나타내는 천문조(Astronomical Tide)를 의미할 수 있는데, 이는 천문조 외에도 천체조, 조석 등으로 불릴 수 있으며, 제1 데이터(천문조)는 조석 예측 모델(210)에 의해 산출될 수 있다.
다음으로, 제2 데이터는 기상 현상에 의한 수위 변화를 나타내는 해일고(Surge Height)를 의미할 수 있는데, 이외에도 폭풍해일고(Storm Surge Height), 기상조(Meteorological tide) 등으로 불릴 수 있다. 제2 데이터(해일고)는 해일 예측 모델(220)에 의해 산출될 수 있으며, 조석 예측 모델(210) 및 파랑 예측 모델(230)을 참조하여 산출될 수도 있을 것이다.
예시적으로, 조석 예측 모델(210) 및 해일 예측 모델(220)은 MOHID(Water Modelling System), RTSM(Regional Tide/Storm Surge Model), POM(Priceton Ocean Model) 등과 같은 예측 모델을 포함하지만, 이에 한정되는 것은 아닐 것이다.
또한, 제1 데이터(천문조) 및 제2 데이터(해일고)는 상기와 같은 예측 모델에 의해 각각의 제1 데이터(천문조) 값 및 제2 데이터(해일고) 값으로 산출될 수 있으나, 예측 모델의 산출 방법에 따라 두 데이터를 결합한 값, 즉, '제1 데이터(천문조) + 제2 데이터(해일고)'값으로 산출될 수도 있을 것이다.
다음으로, 제3 데이터는 파랑에 의한 수위 변화를 나타내는데, 이는 쇄파대 내에서 쇄파에 의해 일어나는 수위 변화의 평균 높이인 제3-1 데이터, 쇄파대를 통과한 파랑이 해변 또는 구조물의 사면 위로 밀려 올라간 높이인 제3-2 데이터, 및 파의 골에서 마루까지의 높이인 제3-3 데이터 중 적어도 하나를 참조로 하여 산출될 수 있다.
구체적으로, 제3-1 데이터는 파랑 잉여 응력에 의한 수위 변화를 나타내는 파수위상승고(Wave Setup Height)를 의미하며, 제3-2 데이터는 파랑이 사면을 따라 밀고 진행함에 의해 일어나는 수위 변화를 나타내는 처오름높이(Wave Runup Height)를 의미할 수 있는데, 이는 포말대높이(Swash Height) 등으로도 불릴 수도 있다. 또한, 제3-3 데이터는 파고(Wave Height)를 의미할 수 있다.
여기서, 제3 데이터는 파랑 예측 모델(230) 및 파수위상승고/처오름높이 예측 모델(235) 중 적어도 일부에 의해 산출될 수 있는데, 파랑 예측 모델(230)은 SWAN(Simulating WAves Nearshore) 등을 포함할 수 있고, 파수위상승고/처오름높이 예측 모델(235)은 Stockdon et al. 경험식, van der Meer and Stam 경험식, EurOTop 경험식 등을 적용한 예측 모델을 포함할 수 있으며, 바람직하게는 Stockdon et al. 경험식을 적용한 예측 모델이 이용될 수 있을 것이다.
다음으로, 도 3을 참조로 하여 각 카테고리 별 총수위 산출 방법에 대해 구체적으로 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 해안의 특성에 따른 카테고리 별 예시 지역 및 총수위 산출값을 나타낸 예시도를 도시하고 있다.
먼저, 프로세서(120)는, 해안이 제1 카테고리(자연해안) 또는 제2-1 카테고리(인공-경사해안)에 해당되는 경우, 제1 데이터(천문조), 제2 데이터(해일고), 제3-1 데이터(파수위상승고) 및 제3-2 데이터(처오름높이)를 참조로 하여 총수위를 산출하고, 해안이 제2-2 카테고리(인공-직립해안)에 해당되는 경우, 제1 데이터(천문조), 제2 데이터(해일고) 및 제3-3 데이터(파고)를 참조로 하여 총수위를 산출할 수 있을 것이다.
구체적으로, 해안이 제1 카테고리(자연해안) 또는 제2-1 카테고리(인공-경사해안)에 해당되는 경우, 제3 데이터(파랑의 작용)의 값 W을 산출함에 있어서, 제3-1 데이터(파수위상승고)의 값 W1 및 제3-2 데이터(처오름높이)의 값 W2를 참조로 하여 수식
Figure 112018052891323-pat00001
를 이용하여 W를 산출할 수 있을 것이다.
이 때, 제3-1 데이터(파수위상승고)의 값 W1은
Figure 112018052891323-pat00002
, 제3-2 데이터(처오름높이)의 값 W2는
Figure 112018052891323-pat00003
로 산출될 수 있으며, H0는 유의파, L0는 파주기, βf는 해안 경사도를 의미한다. 즉, 해안이 제1 카테고리(자연해안) 또는 제2-1 카테고리(인공-경사해안)에 해당되는 경우, Stockdon et al.(2006)의 경험식을 적용하여 제3 데이터(파랑의 작용)의 값 W를 구할 수 있을 것이다.
또한, 프로세서(120)는, 해안이 제2-2 카테고리(인공-직립해안)에 해당되는 경우, 제3-3 데이터(파고)의 값 W3를 참조로 하여 W를 산출할 수 있을 것이며, W3은 파의 골에서 마루까지의 높이를 참조로 하여 산출될 수 있을 것이다.
한편, 프로세서(120)는, 총수위의 값 L을 산출함에 있어서, 제1 데이터(천문조)의 값 A, 제2 데이터(해일고)의 값 M, 제3 데이터(파랑의 작용)의 값 W를 참조로 하여 수식
Figure 112018052891323-pat00004
을 이용하여 L을 산출할 수 있을 것이다. 즉, 총수위의 값 L은, 제1 데이터(천문조)의 값 A, 제2 데이터(해일고)의 값 M, 제3 데이터(파랑의 작용)의 값 W을 합하여 산출될 수 있다.
여기서, 해안이 제1 카테고리(자연해안) 또는 제2-1 카테고리(인공-경사해안)에 해당되는 경우, W는 수식
Figure 112018052891323-pat00005
을 통해 산출되고, 해안이 제2-2 카테고리(인공-직립해안)에 해당되는 경우, W는 파의 골에서 마루까지의 높이를 참조로 하여 산출될 수 있다.
도 3을 참조하면, 각각의 카테고리마다 산출된 총수위 값과 육지 표고값, 관측 데이터(관측 데이터가 없는 경우에는 명시하지 않음)가 나타나있다.
해안이 제1 카테고리(자연해안)에 해당되는 경우, 해안 경사도(βf)는 수치 표고 데이터 및 수심 측량 데이터를 이용하여 산출함으로써 결정될 수 있으며, 제3 데이터(파랑의 작용)는 제3-1 데이터(파수위상승고)의 값 및 제3-2 데이터(처오름높이)의 값을 참조로 하여 산출될 수 있다.
그래프를 참조하면, 총수위 값에 빨간색으로 표시된 제3 데이터(파수위상승고/처오름높이)를 적용한 경우, 노란색의 제1 데이터(천문조) 및 파란색의 제2 데이터(해일고)만 적용했을 때보다 훨씬 높은 총수위 값을 가지는 것을 확인할 수 있다.
다음으로, 해안이 제2-1 카테고리(인공-경사해안)에 해당되는 경우, 해안 경사도는 해안에 포함되는 적어도 하나 이상의 지점의 경사도의 평균을 산출함으로써 결정될 수 있으며, 제3 데이터(파랑의 작용)는 제1 카테고리(자연해안)와 마찬가지로 제3-1 데이터(파수위상승고)의 값 및 제3-2 데이터(처오름높이)의 값을 참조로 하여 산출될 수 있다.
그래프를 참조하면, 10월 5일(X축의 '05/10' 및 '06/10' 사이) 정오를 전후로 하여 총수위가 5.5m 에 육박하는 것을 확인할 수 있다. 해당 날짜는 2016년 태풍 차바가 부산에 상륙한 날짜로서, 실제로 사진 상의 부산 마린 시티에 범람이 일어나 시설물의 파손, 침수 등 막대한 피해가 발생하였다.
이에, 본 발명에 따라 산출된 총수위가 갈색 선으로 표시된 육지 표고값보다 2m 이상 높은 해수면을 예측하고 있는 바, 마린시티 전면 호안의 범람 상황을 잘 재현한 것으로 판단된다.
즉, 종래에 일반적으로 이용되는 제1 데이터(천문조) 및 제2 데이터(해일고)만 고려한 값과 비교하면, 제1 데이터(천문조) 및 제2 데이터(해일고)를 이용하여 산출된 총수위는 해안 특성 및 해안 특성에 따른 파수위상승고 및 처오름높이를 반영하지 못하여 범람을 예측하지 못하나, 본 발명에서 해안 특성에 따른 파랑의 작용을 고려하여 산출한 총수위는 육상 표고값을 초과하는 것으로 나타나 해당 해안의 범람을 잘 예측하고 있으며, 해당 해안에서 촬영된 영상을 통해 실제로 범람한 상황을 확인할 수 있었다.
다음으로, 해안이 제2-2 카테고리(인공-직립해안)에 해당되는 경우, 해안 경사도는 0으로 결정될 수 있으며, 제3 데이터(파랑의 작용)는 제3-3 데이터(파고)의 값을 참조로 하여 산출될 수 있다.
그래프를 참조하면, 제3-3 데이터(파고)의 값을 참조로 한 총수위는 보라색 선으로 표시된 실제 관측 데이터와 유사한 값을 나타내는 것을 확인할 수 있다. 이 역시, 종래의 제1 데이터(천문조) 및 제2 데이터(해일고)만 고려한 값보다, 해안 특성에 따른 파랑의 작용을 고려한, 본 발명에 따라 산출된 총수위가 관측 데이터에 가까운 값을 가지고 있는 것으로 판단된다.
즉, 본 발명에 따른 총수위 예측 방법은, 해안의 카테고리를 해안의 특성에 따라 제1 카테고리(자연해안), 제2-1 카테고리(인공-경사해안) 및 제2-2 카테고리(인공-직립해안)로 구분하고, 이에 따라 적용되는 총수위의 계산 방법을 달리함으로써 신뢰도 있는 총수위 예측값을 제공할 수 있으며, 이를 통해 해안 지역의 위험 기상 상황에 대하여 신속한 예방 및 대응을 하도록 지원할 수 있다.
한편, 본 발명에 따른 총수위 예측 방법의 정확도를 더욱 높이기 위하여, 과거에 예측했던 총수위를 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나면, 총수위 예측 알고리즘을 업그레이드하는 경우를 상정할 수 있을 것이다.
구체적으로, 프로세서(120)는, 총수위를 산출함에 있어서 해안이 해당되는 제1 카테고리(자연해안) 또는 제2 카테고리(인공해안)에 따라 제1 데이터(천문조), 제2 데이터(해일고) 및 제3 데이터(파랑의 작용)의 적용을 달리하되, 과거에 예측했던 총수위를 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나는 것으로 분석되면, 해안을 소정 크기를 가지는 복수의 구역으로 분할하고, 분할된 구역마다 분할된 구역 각각의 특성에 따라 제1 카테고리(자연해안) 또는 제2 카테고리(인공해안)로 구분하여, 현재 시점으로부터 소정의 시간 후의 분할된 구역 각각에 대한 총수위를 산출할 수 있을 것이다.
가령, 예측했던 총수위가 실제 관측 데이터와 비교하여 오차율이 20%를 벗어나는 것으로 분석되면, 프로세서(120)는 해안을 더 작은 단위로 분할하고, 분할된 구역마다 각각의 특성에 따라 제1 카테고리(자연해안), 제2-1 카테고리(인공-경사해안), 제2-2 카테고리(인공-직립해안) 등으로 구분할 수 있을 것이다.
이렇게 구분된 각각의 구역에 대응되는 카테고리 별 총수위 산출 방법을 적용하여 각각의 총수위를 산출함으로써, 조금 더 정밀도가 높고 신뢰도가 향상된 총수위 예측값을 제공할 수 있을 것이다.
또한, 프로세서(120)는, 과거에 예측했던 총수위를 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나는 것으로 분석되면, 해안을 소정 크기를 가지는 복수의 구역으로 분할하는 제k 알고리즘(각각의 제k 알고리즘은 해안을 각각 다른 크기를 가지는 복수의 구역으로 분할함)을 이용하여 분할하고, 분할된 구역 각각을 분할된 구역 각각의 특성에 따라 제1 카테고리(자연해안) 또는 제2 카테고리(인공해안)로 구분하여, 관측 데이터가 존재하는 시점의 분할된 구역 각각에 대한 총수위를 산출하는 프로세스를 수행할 수 있을 것이다.
여기서, 프로세서(120)는, 상기 프로세스를 각각의 제k 알고리즘에 따라 수행하되, 각각의 프로세스에서 산출된 각각의 총수위를 관측 데이터와 비교하여 오차율이 가장 적거나 기설정된 범위 이내인 것으로 분석되는 특정 제k 알고리즘을 결정하며, 특정 제k 알고리즘을 이용하여 현재 시점으로부터 소정의 시간 후의 해안의 총수위를 산출할 수 있을 것이다.
예시적으로, 과거에 예측했던 총수위의 오차율이 기설정된 범위인 20%를 벗어나는 27%인 것으로 분석되고, 총수위를 예측했던 해안의 단위가 10m x 10m인 경우, 해당 해안을 5m x 5m 크기를 가지는 복수의 구역으로 분할하는 제1 알고리즘, 해당 해안을 3m x 3m 크기를 가지는 복수의 구역으로 분할하는 제2 알고리즘, 해당 해안을 2m x 2m 크기를 가지는 복수의 구역으로 분할하는 제3 알고리즘을 이용하여 분할된 각각의 구역의 특성에 따라 카테고리를 적용하여 총수위를 산출하는 각각의 프로세스를 수행하는 경우를 상정할 수 있을 것이다.
이 때, 제1 알고리즘, 제2 알고리즘, 및 제3 알고리즘 각각을 이용한 각각의 프로세스를 제1 프로세스, 제2 프로세스, 및 제3 프로세스라고 할 때, 3개의 프로세스에서 산출된 각각의 총수위를 관측 데이터와 비교하여 오차율이 가장 적은 프로세스가 제2 프로세스면, 제2 프로세스에 대응되는 제2 알고리즘을 이용하여 향후 해안의 총수위를 산출할 수 있을 것이다.
또한, 제1 프로세스의 오차율이 15%, 제2 프로세스의 오차율이 10%, 제3 프로세스의 오차율이 25%로, 제1 프로세스 및 제2 프로세스의 오차율이 기설정된 범위인 20% 이내에 해당된다면, 제1 프로세스 및 제2 프로세스 중에서 오차율은 높지만 계산량이 상대적으로 적은 제1 프로세스에 대응되는 제1 알고리즘이 최종 알고리즘으로 결정되어 향후 총수위를 예측할 때 이용될 수 있을 것이다.
한편, 3개의 프로세스의 오차율이 기존의 예측 오차율인 27%를 초과한다면, 기존의 10m x 10m 단위를 그대로 적용할 수도 있을 것이다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
100 : 서버 110 : 통신부
120 : 프로세서 210 : 조석 예측 모델
220 : 해일 예측 모델 230 : 파랑 예측 모델
235 : 파수위상승고/처오름높이 예측 모델

Claims (20)

  1. 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 방법에 있어서,
    (a) 서버의 통신부가, 총수위를 예측하고자 하는 해안에 대하여, 조석 예측 모델에 의해 산출되는 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 해일 예측 모델에 의해 산출되는 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터, 파랑 예측 모델 및 파수위상승고·처오름높이 예측 모델 중 적어도 일부에 의해 산출되는 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 네트워크를 통해 각각의 상기 예측 모델로부터 획득하는 단계; 및
    (b) 상기 서버의 프로세서가, 상기 해안의 특성에 따라 상기 통신부에 의해 획득된 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 단계;
    를 포함하되,
    상기 해안은 상기 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분되고,
    상기 제3 데이터는, 쇄파에 의해 일어나는 수위 변화의 평균 높이인 제3-1 데이터, 파랑이 해변 또는 구조물의 사면 위로 밀려 올라간 높이인 제3-2 데이터, 및 파의 골에서 마루까지의 높이인 제3-3 데이터 중 적어도 하나를 참조로 하여 산출되며,
    상기 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 구분되되,
    상기 프로세서는,
    상기 해안이 상기 제1 카테고리 또는 상기 제2-1 카테고리에 해당되는 경우, 상기 제1 데이터, 상기 제2 데이터, 상기 제3-1 데이터 및 상기 제3-2 데이터를 참조로 하여 상기 총수위를 산출하고,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 제1 데이터, 상기 제2 데이터 및 제3-3 데이터를 참조로 하여 상기 총수위를 산출하며,
    상기 프로세서는, 상기 총수위의 값 L을 산출함에 있어서, 상기 제1 데이터의 값 A, 상기 제2 데이터의 값 M, 상기 제3 데이터의 값 W를 참조로 하여 수식
    Figure 112018101491436-pat00015
    을 이용하여 상기 L을 산출하고,
    상기 해안이 상기 제1 카테고리 또는 상기 제2-1 카테고리에 해당되는 경우, 상기 W는 수식
    Figure 112018101491436-pat00016
    을 통해 산출되고, 상기 H0는 유의파, 상기 L0는 파주기, 상기 βf는 해안 경사도며,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 W는 파의 골에서 마루까지의 높이를 참조로 하여 산출되는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 제3 데이터의 적어도 일부는 해안 경사도를 참조로 하여 산출되고, 상기 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 구분되되,
    상기 해안이 상기 제1 카테고리에 해당되는 경우, 상기 해안에 대응되는 상기 해안 경사도는 수치 표고 데이터 및 수심 측량 데이터를 이용하여 산출함으로써 결정되고,
    상기 해안인 상기 제2-1 카테고리에 해당되는 경우, 상기 해안 경사도는 상기 해안에 포함되는 적어도 하나 이상의 지점의 경사도의 평균을 산출함으로써 결정되며,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 해안 경사도는 0으로 결정되는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 제3 데이터는 해안 경사도를 참조로 하여 산출되되,
    상기 프로세서는, 상기 해안이 상기 제1 카테고리에 해당되는 경우, 상기 해안 경사도를 산출함에 있어서, (i) 수치 표고 데이터를 이용하여 상기 해안의 특정 지점의 표고값을 산정하고, 상기 특정 지점에서 법선 방향으로 기설정된 수심값까지의 거리를 산정하는 프로세스, 및 (ii) 상기 표고값, 상기 수심값 및 상기 수심값까지의 거리를 참조하여 상기 특정 지점의 상기 해안 경사도를 산정하는 프로세스를 수행하는 것을 특징으로 하는 방법.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 구분되되,
    상기 프로세서는,
    상기 해안이 상기 제1 카테고리 또는 상기 제2-1 카테고리에 해당되는 경우, 상기 제3 데이터의 값 W을 산출함에 있어서, 상기 제3-1 데이터의 값 W1 및 상기 제3-2 데이터의 값 W2를 참조로 하여 수식
    Figure 112018101491436-pat00006
    를 이용하여 상기 W를 산출하고,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 제3-3 데이터의 값 W3를 참조로 하여 상기 W를 산출하는 것을 특징으로 하는 방법.
  7. 삭제
  8. 삭제
  9. 제1항에 있어서,
    상기 프로세서는, 상기 총수위를 산출함에 있어서, 상기 해안이 해당되는 상기 제1 카테고리 또는 상기 제2 카테고리에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터의 적용을 달리하되,
    과거에 예측했던 상기 총수위를 상기 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나는 것으로 분석되면, 상기 해안을 소정 크기를 가지는 복수의 구역으로 분할하고, 상기 분할된 구역마다 상기 분할된 구역 각각의 특성에 따라 상기 제1 카테고리 또는 상기 제2 카테고리로 구분하여, 현재 시점으로부터 소정의 시간 후의 상기 분할된 구역 각각에 대한 총수위를 산출하는 것을 특징으로 하는 방법.
  10. 제1항에 있어서,
    상기 프로세서는, 상기 총수위를 산출함에 있어서, 상기 해안이 해당되는 상기 제1 카테고리 또는 상기 제2 카테고리에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터의 적용을 달리하되,
    과거에 예측했던 상기 총수위를 상기 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나는 것으로 분석되면,
    상기 해안을 소정 크기를 가지는 복수의 구역으로 분할하는 제k 알고리즘 - 각각의 상기 제k 알고리즘은 상기 해안을 각각 다른 크기를 가지는 복수의 구역으로 분할함 - 을 이용하여 분할하고, 상기 분할된 구역 각각을 상기 분할된 구역 각각의 특성에 따라 상기 제1 카테고리 또는 상기 제2 카테고리로 구분하여, 상기 관측 데이터가 존재하는 시점의 상기 분할된 구역 각각에 대한 총수위를 산출하는 프로세스를 수행하고,
    상기 프로세스를 각각의 상기 제k 알고리즘에 따라 수행하되, 각각의 상기 프로세스에서 산출된 각각의 상기 총수위를 상기 관측 데이터와 비교하여 오차율이 가장 적거나 기설정된 범위 이내인 것으로 분석되는 특정 제k 알고리즘을 결정하고,
    상기 특정 제k 알고리즘을 이용하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 것을 특징으로 하는 방법.
  11. 복수의 카테고리로 구분되는 해안의 특성을 고려하여 총수위를 예측하는 서버에 있어서,
    총수위를 예측하고자 하는 해안에 대하여, 조석 예측 모델에 의해 산출되는 조석에 의한 수위 변화에 대한 데이터인 제1 데이터, 해일 예측 모델에 의해 산출되는 기상 현상에 의한 수위 변화에 대한 데이터인 제2 데이터, 파랑 예측 모델 및 파수위상승고·처오름높이 예측 모델 중 적어도 일부에 의해 산출되는 파랑에 의한 수위 변화인 제3 데이터 중 적어도 하나를 네트워크를 통해 각각의 상기 예측 모델로부터 획득하는 통신부; 및
    상기 해안의 특성에 따라 상기 통신부에 의해 획득된 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터 중 적어도 하나를 참조로 하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 프로세서;
    를 포함하되,
    상기 해안은 상기 해안의 특성에 따라 자연해안을 의미하는 제1 카테고리 및 인공해안을 의미하는 제2 카테고리 중 하나로 구분되고,
    상기 제3 데이터는, 쇄파에 의해 일어나는 수위 변화의 평균 높이인 제3-1 데이터, 파랑이 해변 또는 구조물의 사면 위로 밀려 올라간 높이인 제3-2 데이터, 및 파의 골에서 마루까지의 높이인 제3-3 데이터 중 적어도 하나를 참조로 하여 산출되며,
    상기 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 구분되되,
    상기 프로세서는,
    상기 해안이 상기 제1 카테고리 또는 상기 제2-1 카테고리에 해당되는 경우, 상기 제1 데이터, 상기 제2 데이터, 상기 제3-1 데이터 및 상기 제3-2 데이터를 참조로 하여 상기 총수위를 산출하고,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 제1 데이터, 상기 제2 데이터 및 제3-3 데이터를 참조로 하여 상기 총수위를 산출하며,
    상기 프로세서는, 상기 총수위의 값 L을 산출함에 있어서, 상기 제1 데이터의 값 A, 상기 제2 데이터의 값 M, 상기 제3 데이터의 값 W를 참조로 하여 수식
    Figure 112018101491436-pat00017
    을 이용하여 상기 L을 산출하고,
    상기 해안이 상기 제1 카테고리 또는 상기 제2-1 카테고리에 해당되는 경우, 상기 W는 수식
    Figure 112018101491436-pat00018
    을 통해 산출되고, 상기 H0는 유의파, 상기 L0는 파주기, 상기 βf는 해안 경사도며,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 W는 파의 골에서 마루까지의 높이를 참조로 하여 산출되는 것을 특징으로 하는 서버.
  12. 제11항에 있어서,
    상기 제3 데이터의 적어도 일부는 해안 경사도를 참조로 하여 산출되고, 상기 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 구분되되,
    상기 해안이 상기 제1 카테고리에 해당되는 경우, 상기 해안에 대응되는 상기 해안 경사도는 수치 표고 데이터 및 수심 측량 데이터를 이용하여 산출함으로써 결정되고,
    상기 해안인 상기 제2-1 카테고리에 해당되는 경우, 상기 해안 경사도는 상기 해안에 포함되는 적어도 하나 이상의 지점의 경사도의 평균을 산출함으로써 결정되며,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 해안 경사도는 0으로 결정되는 것을 특징으로 하는 서버.
  13. 제11항에 있어서,
    상기 제3 데이터는 해안 경사도를 참조로 하여 산출되되,
    상기 프로세서는, 상기 해안이 상기 제1 카테고리에 해당되는 경우, 상기 해안 경사도를 산출함에 있어서, (i) 수치 표고 데이터를 이용하여 상기 해안의 특정 지점의 표고값을 산정하고, 상기 특정 지점에서 법선 방향으로 기설정된 수심값까지의 거리를 산정하는 프로세스, 및 (ii) 상기 표고값, 상기 수심값 및 상기 수심값까지의 거리를 참조하여 상기 특정 지점의 상기 해안 경사도를 산정하는 프로세스를 수행하는 것을 특징으로 하는 서버.
  14. 삭제
  15. 삭제
  16. 제11항에 있어서,
    상기 제2 카테고리는 인공해안 중 경사해안을 의미하는 제2-1 카테고리 및 인공해안 중 직립해안을 의미하는 제2-2 카테고리로 구분되되,
    상기 프로세서는,
    상기 해안이 상기 제1 카테고리 또는 상기 제2-1 카테고리에 해당되는 경우, 상기 제3 데이터의 값 W을 산출함에 있어서, 상기 제3-1 데이터의 값 W1 및 상기 제3-2 데이터의 값 W2를 참조로 하여 수식
    Figure 112018101491436-pat00009
    를 이용하여 상기 W를 산출하고,
    상기 해안이 상기 제2-2 카테고리에 해당되는 경우, 상기 제3-3 데이터의 값 W3를 참조로 하여 상기 W를 산출하는 것을 특징으로 하는 서버.
  17. 삭제
  18. 삭제
  19. 제11항에 있어서,
    상기 프로세서는, 상기 총수위를 산출함에 있어서, 상기 해안이 해당되는 상기 제1 카테고리 또는 상기 제2 카테고리에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터의 적용을 달리하되,
    과거에 예측했던 상기 총수위를 상기 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나는 것으로 분석되면, 상기 해안을 소정 크기를 가지는 복수의 구역으로 분할하고, 상기 분할된 구역마다 상기 분할된 구역 각각의 특성에 따라 상기 제1 카테고리 또는 상기 제2 카테고리로 구분하여, 현재 시점으로부터 소정의 시간 후의 상기 분할된 구역 각각에 대한 총수위를 산출하는 것을 특징으로 하는 서버.
  20. 제11항에 있어서,
    상기 프로세서는, 상기 총수위를 산출함에 있어서, 상기 해안이 해당되는 상기 제1 카테고리 또는 상기 제2 카테고리에 따라 상기 제1 데이터, 상기 제2 데이터 및 상기 제3 데이터의 적용을 달리하되,
    과거에 예측했던 상기 총수위를 상기 해안의 실제 총수위 관측 데이터와 비교하여 오차율이 기설정된 범위를 벗어나는 것으로 분석되면,
    상기 해안을 소정 크기를 가지는 복수의 구역으로 분할하는 제k 알고리즘 - 각각의 상기 제k 알고리즘은 상기 해안을 각각 다른 크기를 가지는 복수의 구역으로 분할함 - 을 이용하여 분할하고, 상기 분할된 구역 각각을 상기 분할된 구역 각각의 특성에 따라 상기 제1 카테고리 또는 상기 제2 카테고리로 구분하여, 상기 관측 데이터가 존재하는 시점의 상기 분할된 구역 각각에 대한 총수위를 산출하는 프로세스를 수행하고,
    상기 프로세스를 각각의 상기 제k 알고리즘에 따라 수행하되, 각각의 상기 프로세스에서 산출된 각각의 상기 총수위를 상기 관측 데이터와 비교하여 오차율이 가장 적거나 기설정된 범위 이내인 것으로 분석되는 특정 제k 알고리즘을 결정하고,
    상기 특정 제k 알고리즘을 이용하여 현재 시점으로부터 소정의 시간 후의 상기 해안의 상기 총수위를 산출하는 것을 특징으로 하는 서버.
KR1020180061414A 2018-05-29 2018-05-29 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버 KR101934283B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180061414A KR101934283B1 (ko) 2018-05-29 2018-05-29 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180061414A KR101934283B1 (ko) 2018-05-29 2018-05-29 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버

Publications (1)

Publication Number Publication Date
KR101934283B1 true KR101934283B1 (ko) 2019-01-02

Family

ID=65021515

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180061414A KR101934283B1 (ko) 2018-05-29 2018-05-29 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버

Country Status (1)

Country Link
KR (1) KR101934283B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111307122A (zh) * 2020-03-19 2020-06-19 广东景泽生态环境股份有限公司 一种潮水变化的预测方法及装置
CN111504417A (zh) * 2020-04-24 2020-08-07 福建省泰昌信息技术有限公司 一种配电站房水位预警系统及方法
KR20230119483A (ko) * 2022-02-07 2023-08-16 한국해양과학기술원 월파 예측 시뮬레이션 시스템 및 이를 이용한 예측 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101602288B1 (ko) * 2014-08-04 2016-03-10 한국해양과학기술원 영상 처리를 통한 처오름 측정 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101602288B1 (ko) * 2014-08-04 2016-03-10 한국해양과학기술원 영상 처리를 통한 처오름 측정 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
보고서 1
한반도 주변 해역의 폭풍 해일 특성 (2009.05.29.)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111307122A (zh) * 2020-03-19 2020-06-19 广东景泽生态环境股份有限公司 一种潮水变化的预测方法及装置
CN111307122B (zh) * 2020-03-19 2021-12-14 广东景泽生态环境股份有限公司 一种潮水变化的预测方法及装置
CN111504417A (zh) * 2020-04-24 2020-08-07 福建省泰昌信息技术有限公司 一种配电站房水位预警系统及方法
KR20230119483A (ko) * 2022-02-07 2023-08-16 한국해양과학기술원 월파 예측 시뮬레이션 시스템 및 이를 이용한 예측 방법
KR102626957B1 (ko) 2022-02-07 2024-01-17 한국해양과학기술원 월파 예측 시뮬레이션 시스템 및 이를 이용한 예측 방법

Similar Documents

Publication Publication Date Title
Zhang et al. Do storms cause long-term beach erosion along the US East Barrier Coast?
KR101934283B1 (ko) 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버
Gharagozlou et al. Storm-driven erosion and inundation of barrier islands from dune-to region-scales
CN111666314B (zh) 基于多因子的风暴潮易损性评估方法、装置和计算机设备
CN105844427A (zh) 一种风暴潮灾害风险精细化评估的计算方法
KR20200014147A (ko) 대형 복합재난 영향 확산을 고려한 수치모형 및 시나리오 기반 피해 예측방법
Hu et al. Prediction of the future flood severity in plain river network region based on numerical model: A case study
Castrucci et al. Modeling the impacts of sea level rise on storm surge inundation in flood-prone urban areas of Hampton roads, Virginia
KR20210077228A (ko) 침수 범람 예측 시스템
CN113792437A (zh) 多维度防汛形势综合研判方法及系统
Nguyen et al. Numerical investigation of the effect of seasonal variations of depth-of-closure on shoreline evolution
Dong et al. Quantifying beach and dune resilience using the coastal resilience index
KR20200005271A (ko) 해안도시지역 내 범람 모의방법 및 그를 위한 컴퓨터 프로그램
Dahm et al. Next generation flood modelling using 3Di: A case study in Taiwan
Crapoulet et al. Using LiDAR topographic data for identifying coastal areas of northern France vulnerable to sea-level rise
Perera et al. Improvement of socio-hydrological model to capture the dynamics of combined river and urban floods: a case study in Lower Kelani River Basin, Sri Lanka
Jin et al. Quantitative analysis of coastal dune erosion based on geomorphology features and model simulation
Kawai et al. Hindcasting of storm surges in Korea by Typhoon 0314 (Maemi)
Yuk et al. Modelling of storm-induced seawater flooding in the Suyeong River area, South Korea: A case study due to the storm surge and waves during Typhoon Sanba
Messaros et al. Assessing the coastal resilience of manasquan inlet to Sea Bright, New Jersey: Regional sediment budget 1992–2003
Yoon et al. Development of a near real-time forecasting system for storm surge and coastal inundation
Thanathanphon et al. Storm surge forecasting and inundation estimation during tropical Strom Pabuk 2019 in the Southern Coast of Thailand
Prat Bayarri Coastal flooding and erosion at Dniester's barrier beach (Ukraine)
Hisamatsu et al. Storm Surge Estimation Along Tokyo Bay Based on a Simple Stochastic Approach
Lemke et al. Development of a storm erosion climatology for the New Jersey Coast, US

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant