Application of a Deep Learning-Based CRU-Net Surrogate Model for Urban Flood Prediction in Korea

최근 도시 지역에서의 국지성 집중호우로 인한 침수 피해가 빈번해지면서, 실시간 예측이 가능한 고효율 침수모델의 필요성이 커지고 있다. 본 연구에서는 주의 메커니즘(attention mechanism)과 잔차 블록(residual block)을 결합한 딥러닝 기반 CRU-Net(Convolutional Residual U-Net) 대리모델을 한국 도시 지역에 적용하여 실시간 침수 예측 가능성을 검증하였다. 연구 대상지는 서울특별시 관악구로, 물리적 침수모델(SWMM-GIAM)을 이용해 다양한 강우조건의 침수시나리오를 생성하고, 이를 기반으로 딥러닝 모델을 학습하였다. 학습 과정에서는 침수 데이터의 불균형성을 고려하기 위해 Hybrid 및 Weighted MSE 손실함수를 적용하여 예측 정확도를 비교·평가하였다. 2022년 8월 관악구 집중호우 사례를 대상으로 검증한 결과, hybrid 손실함수를 적용한 CRU-Net이 실제 도로 침수 분포와 65.7 %로 중첩된 수준으로 유사한 공간적 패턴을 재현하였으며, 연산시간을 기존 물리모델(20분) 대비 5초 이내로 단축하였다. 본 연구의 결과는 딥러닝 기반 대리모델이 도시 침수 예측의 실시간화와 효율화에 기여할 수 있음을 보여주며, 향후 다양한 도시 및 강우 조건에서의 일반화 가능성을 제시한다.