Fundamental Research on Physics-Informed Explainable Deep Learning for Real-Time Compound Urban Flood Lead-Time Optimization and Prediction
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710113420
과학기술정보통신부
한국연구재단
세종대학교산학협력단
SYAFRUDIN MUHAMMAD
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2031.08.31
4,515만원
4,515만원
기초연구
대학
서울특별시 광진구
기계 > 생산기반기술 > 예측/시뮬레이션기술
○ 최종 목표복합 도시 홍수(강우 내수침수·하천 범람·조석 해일 동시 발생)에 대해 물리법칙 제약설명 가능 딥러닝(Physics-Informed XAI) 기반 침수 심도 실시간 예측 및 홍수 경보리드타임 최적화 원천기술을 확립하고, 대한민국 해안 도시 범용 GIS 호환 실시간홍수 위험 예보 프레임워크를 구현한다.○ 정량 성과 목표 (5개년 최종)1. 침수 ...
○ 연구 내용 구성 (4대 원천기술 + 검증·적용)1. Physics-Informed Loss 원천 설계 통합 손실(L_total = L_data + λ₁L_SV + λ₂L_GA + λ₃L_smooth)을 Physics-Informed LSTM(PI-LSTM) 및 Transformer 학습에 적용한다. Saint-Venant 1D 잔차(L_SV)와 ...
○ 지식재산 성과 목표· SCI(E) 논문 4편 이상 (JCR Q1/Q2 저널)· 국내 학술대회 5회, 국제 학술대회 5회· 소프트웨어 등록 3건: PI-LSTM 추론 엔진, SHAP 경보 생성기, GIS 위험 지도 모듈· 특허 출원 2건: CCTV 기하 심도 추정 방법, Kalman-Attention 융합 알고리즘○ 정책·운용 직접 활용부산시 통합 도시 침수 ...