역방향 스텝(backward-facing steps, BFS)에서 스텝 각도(stepping angle)가 서로 다른 경우의 유동장을 예측하기 위해 합성곱 기계학습(ML) 모델을 개발하였다. 본 모델은 특정 스텝 각도에 대해 3차원 대와류 시뮬레이션(large eddy simulations)으로부터 얻은 유동 데이터를 이용해 학습하였고, 관측되지 않은 스텝 각도에서는 검증하였다. 손실함수는 기하학적 변화에 대응하기 위해 평균제곱오차와 경계 손실(boundary loss)을 모두 포함하였다. ML 모델 학습에 사용한 수치 결과는 실험 데이터와 대조·검증되었으며, 속도 분포, 난류 강도(turbulence intensity), 재부착 길이(reattachment length)와 관련하여 양호한 일치를 보였다. ML 결과는 속도 및 난류 강도 분포의 수치 결과와 전반적으로 일치하였으나, 분리 영역(separation zone)에서 더 넓게 예측된 유동 패턴으로 인해 ML 모델이 재부착 지점을 약간 지연되게 예측하는 경향이 나타났다. 또한 ML 모델과 수치 시뮬레이션은 연속성 및 운동량에서 유사한 경향을 보였다. ML 결과는 난류 강도에 대해 약간의 과대예측이 있었음에도 불구하고 실험 데이터와 잘 일치하였다. 그럼에도 불구하고 본 모델은 다양한 BFS 각도 전반에서 높은 성능과 강한 일반화 능력을 달성하였다. 종합하면, 평균제곱오차와 경계 손실을 결합한 손실함수로 학습한 합성곱 ML 모델이 스텝 각도가 서로 다른 BFS 유동을 효과적으로 예측할 수 있음이 검증되었다.

도시 침수는 폭우 시 하수(빗물) 시스템의 배수 능력이 충분하지 않음, 하천 수위 상승에 따른 내수(내륙) 침수, 그리고 하천 범람 등 다양한 요인의 복합적 작용으로 인해 발생할 수 있다. 본 연구는 XP-SWMM을 이용하여 이러한 복잡한 현상으로부터 발생하는 도시 침수(도시 물고임)를 분석하기 위한 방법을 제안한다. 이는 도시 유역에서 배수 시스템의 유량을 산정하고 지표면 침수를 분석할 수 있는 모델이다. 또한 불규칙한 수로 단면과 교량을 수용할 수 있어 하천 범람의 모형화가 가능하다. 그러나 하천을 1차원 링크와 노드로 표현하기 때문에 실제 하천의 침수 양상을 재현하는 데에는 한계가 있다. 본 연구는 하천 범람으로 인해 발생하는 침수의 영향을 반영하기 위해 가상 제어 구조를 구현하였다. 이 접근법은 2020년 7월에 두 차례의 하천 및 내수 침수가 동시에 발생한 부산의 동천 유역에 적용하였다. 그 결과, 제안된 접근법의 적절성이 확인되었다.