기후의 변화와 함께 2020년 홍수사례와 같은 물재해 위험의 급격한 변화를 경험하고 있다. 평년과 다른 이례적 집중호우 등 발생은 그 예측을 더욱 어렵게 할 뿐만 아니라, 기존 수자원시설 용량의 한계에 다다르는 극한의 상황에서의 대응을 요구하고 있다. 기후위기라 여겨지는 현실에서 예측·운영 기술의 혁신이 필요로 되고 있으며, 그 중심에서 딥러닝 등 최신기술을 이상기후 물재해 대응에 활용하기 위한 다양한 측면에서의 시도가 이뤄지고 있다.
   본 연구는 실시간 빠르게 증가하는 광범위(위성, 지상관측소 등) 다차원(기상, 수위 등) 관측 및 예측 데이터 정보를 포괄적으로 단시간 고려하여 홍수예측을 수행할 수 있는 AI예측과, 이와 연계된 유역-댐-하천 통합 AI운영 기술을 개발의 범위로 한다. AI예측 모형은 정교하면서도 무거운 물리모형을 대체학습하여 빠른 시간에 물순환 과정을 모의할 수 있는 AIS(AI-driven Surrogate) 기술을, 그리고 AI댐운영 기술로는 GA(Genetic Algorism)를 활용하여 댐과 하천에서의 홍수 위험 변화를 동시에 고려하는 댐방류량 최적화 기술을 제안하였다. 댐과 하천에서의 위험 정도의 추정을 위해서는 Logistic Regression을 적용하였으며, 위험 추정치를 GA의 목적함수로 사용하였다.
   섬진강수계를 대상으로 제안된 기술을 시범적용 하였으며, 향후 실용화단계의 연구를 위한 개선방안을 도출하였다. 댐하류 수위 AIS예측기술의 경우 섬진강댐하류부터 요천합류부까지는 R2기준 0.9이상으로 비교적 높은 정확성을 보인 반면, 남강대교 인근 하류에 가까워지면서 정확성이 점차 0.9이하로 낮아져 개선의 필요성을 확인하였다.