수년간의 가뭄 이후 집중호우가 내렸던 2020년 8월, 섬진강 인근 댐의 물을 방류하는 과정에서 강이 범람해 1천억 원 이상의 피해가 발생했다. 수해 원인은 당시 댐의 수위를 평소보다 6m가량 높게 유지했기 때문이다. 

"미리 이 상황을 예측하고 댐을 관리했다면 충분히 막을 수 있지 않았을까?"

여기에, POSTECH(포항공과대학교) 환경공학부 감종훈 교수와 이은미 통합과정 연구팀은 딥러닝 기술을 이용해 댐 운영 패턴을 분석하고, 그 실효성을 검증했다. 

우리나라는 강수가 여름에 집중되어 댐 등의 시설로 물을 관리한다. 그러나 세계적 기후 위기로 예상치 못한 태풍과 가뭄이 반복되며 댐 운영에 어려움을 겪고 있다. 이를 극복하기 위해 최근 기존 물리적 모델에서 나아가 빅데이터를 학습한 인공지능 모델을 활용한 새로운 연구가 시도되고 있다.

연구팀은 AI 모델로 섬진강 유역에 있는 댐들(섬진강댐, 주암댐, 주암조절댐)의 운영 패턴을 예측하고, 또 어떻게 댐 수위를 예측하는지 설명가능한 시나리오를 개발하는 데 주목했다. 연구팀은 2002년부터 2021년까지 섬진강 인근 댐의 데이터로 딥 러닝 알고리즘 중 하나인 게이트 반복 단위(Gated Recurrent Unit, 이하 GRU) 모델을 학습시켰다.

이때, 댐의 강수량과 유입량, 유출량 데이터를 입력값으로, 시간당 댐 수위를 출력값으로 사용했다. GRU 모델을 통한 분석은 효율성 지수 0.9 이상의 높은 정확도를 보였다.

이어, 연구팀은 입력값들을 -40%, -20%, +20%, 40%로 조절하며 설명가능한 시나리오들(Explainable Scenarios)을 디자인했다. 또 이를 활용해 학습된 GRU 모델이 입력값들의 변화에 따라 어떻게 수위를 결정하는지 분석했다. 

강수량의 변화에 대해서는 댐의 수위가 크게 변하지 않은 반면, 댐을 통한 유입량 변화에 따라 댐 수위가 크게 변했다. 또한, 같은 유출량 변화에도 댐마다 다른 수위 변화를 확인해 각 댐의 운영 방식을 GRU 모델이 학습한 것을 확인했다.

감종훈 교수는 “AI 기술로 댐 운영 방식과 패턴을 분석하고, 실효성을 검증했을 뿐 아니라 지금까지 AI 기반 블랙박스 모델(Black Box Model)로 어떻게 댐 수위를 결정하는지 간접적으로 이해하는 방법론을 제시했다”며, “앞으로 댐 운영 방식을 이해하고 효율적으로 운영하는 데 도움이 되기를 바란다”고 전했다.

한편, 이번 연구는 수자원 분야 국제 학술지 중 하나인 수문학 저널(Journal of Hydrology)’에 설명 가능한 시나리오를 통한 다목적 댐 운영 모델링을 위한 딥러닝 블랙박스 해독(Deciphering the black box of deep learning for multi-purpose dam operation modeling via explainable scenarios-보기)'란 제목으로 11월호에 출판됐다.