배경
EPA SWMM 등 도시 수문 표준 모형은 선행 토양수분 조건(AMC) 을 3단계 이산 변수로 다룹니다. 그러나 토양수분은 본질적으로 연속 변수이며, 동아시아 몬순 기후처럼 강수가 집중되는 권역에서는 3개 상자로의 압축이 LID 평가의 신뢰성을 크게 떨어뜨립니다.
서초구 2018–2023 ERA5-Land 자료로 21개 관측 호우를 분석한 결과, 표준 AMC II (θ₀ = 0.170 m³/m³) 는 모든 이벤트에서 실측을 과소평가 했고 평균 편차 0.224 m³/m³, RMSE 0.238 m³/m³ 였습니다.
방법
본 연구는 두 모듈을 결합합니다:
- GE-Water — Green-Ampt 침투와 2D diffusion-wave 표면 추적을 결합한 분산 도시 수문엔진. 50 m 격자에서 연속 θ(t, y, x) 추적, 상용 모형 의존 없이 자체 학습 데이터 생성.
- 물리 기반 Neural ODE — 신경망이 dθ/dt를 선행 수분 상태와 실시간 강수 입력의 함수로 학습.
84개 합성 학습 시뮬레이션(21 호우 × 4 초기 수분)으로 학습, 95초.
주요 결과
- 검증 R² = 0.983, MAE = 0.56% (평균 θ 기준)
- 이벤트 규모별 MAE 0.0003–0.0060 m³/m³, 사전 수분 전 영역 균일 성능
- 21개 호우 100%가 AMC III 경계 초과 — 단순 보정이 아닌 구조적 재설계 필요
의의
학습 95초·추론 0.01초로 연속 토양수분 동역학을 표현하는 물리적으로 해석 가능한 경로를 제공합니다. 도시 우수·LID 성능 평가의 초기 조건 설정에 직접 활용 가능합니다.