풍속 및 적설심의 예측을 통한 비닐온실 비선형 구조해석

• Published in: 대한토목학회논문집(국문), 45(4) pp. 431 - 444
• Main Authors: 김동우, 서병훈, 김동수, 조예림, 이종혁, 최원
• Format: Journal Article
• Language: Korean
• Published: 대한토목학회 01.08.2025
• Subjects: 토목공학
• ISSN: 1015-6348; 2799-9629
• DOI: 10.12652/Ksce.2025.45.4.0431

최근 기후변화로 인해 강풍, 폭설 등의 극한 기상 현상이 더욱 빈번해지고 강해짐에 따라, 국내 비닐온실의 구조적 피해가 증가하고 있다. 본 연구에서는 이러한 피해를 사전에 예방하기 위해 Transformer 기반의 시계열 예측 모델을 활용하여 적설심 및 풍속을 예측하고, 이를 비닐온실 비선형 구조해석과 연계하여 안전율을 산정하였다. 예측 모델은 직전 6시간 동안의 기상 자료를 입력으로 하여 1~12시간 뒤의 적설심 및 풍속을 예측하도록 설계되었으며, 베이지안 최적화를 통해 하이퍼 파라미터를 설정하였다. 적설심 예측의 경우 RMSE가 0.66~3.78 cm로 높은 정확도를 보였으며, 풍속 예측은 상관계수(R2)가 0.17~0.67 수준으로 나타났다. 동일 조건에서 LSTM 모델과의 성능 비교 결과,Transformer 모델이 비정상 시계열 특성에 덜 민감하게 반응하며 장기 예측에서 더 안정적인 성능을 보였다. 최종적으로 실제 폭설로 인한 피해 사례에 예측 모델을 적용하고 구조해석을 수행한 결과, 산정된 안전율과 실제 피해 면적 간의 상관관계가 있음을 확인하였다. 본 연구는 폭설로 인한 비닐온실 피해를 사전에 예측하고 대응할 수 있는 기술적 기반을 제공하며, 향후 농가의 피해 저감에 실질적인 기여를 할 수 있을 것으로 기대된다. With the increasing frequency and severity of extreme weather events such as strong winds and heavy snowfall due to climate change, structural damage to plastic greenhouses in Korea has also been on the rise. To mitigate such damage in advance, this study developed a Transformer-based time series forecasting model to predict snow depth and wind speed, and integrated the predictions with a nonlinear structural analysis model to estimate greenhouse safety factors. The proposed model was designed to forecast snow depth and wind speed 1 to 12 hours ahead based on the previous 6 hours of meteorological data, and its hyperparameters were optimized using Bayesian optimization. The model demonstrated high accuracy in predicting snow depth, with RMSE ranging from 0.66 to 3.78 cm, while the prediction performance for wind speed showed R2 values between 0.17 and 0.67. Comparative analysis with an LSTM modelunder the same conditions revealed that the Transformer model was less sensitive to the non-stationary nature of time series data and exhibited more stable performance in long-term forecasting. Finally, the model was applied to actual damage cases caused by heavy snowfall, and the resulting safety factors from structural analysis were found to be correlated with the observed damage area. This study provides a technical foundation for the preemptive prediction and response to greenhouse damage caused by heavy snowfall and is expected to contribute meaningfully to reducing agricultural losses in the future. KCI Citation Count: 0