SEA:CUT — 괴정천 부유쓰레기 표류 대시보드

부산 사하구 괴정천 · 복개 4.735km(88%) · 하굿둑 담수호 하구 · 50회 실험 × 40 드리프터 = 2,000 궤적
좌초(BCH) 수풀(VEG) 담수호 유출(SEA) 핫스팟 소 — 복개(점선) / 개거(실선)

종단 프로파일 — 표고·유속·복개 구간

유속은 선택 강수량 레벨의 첨두유량 기준 Manning 표면유속(상한 3.8 m/s, 복개 상부 급구배는 낙차공 감세 가정). 유수지 구간은 배수문 상태에 따라 0~2.5 m/s로 별도 지배.

강우–거동 반응곡선 (50회 실험 + 적합)

학습 신뢰도 수렴 (부트스트랩)

50회 실험 요약표

방법론·정보흐름·물리 다이어그램

SEA:CUT 괴정천 시뮬레이션 — 방법론·정보흐름·물리 다이어그램 저차원 라그랑주 시뮬레이션 산출값 · CFD/실측 아님 · 내부 연구용 ① 방법론 7단계 (TRACKPLAST 문법 · 본 산출물은 4~6단계의 가상 실증) 1. 기술 선정LTE Cat.M1/GPS 2. 기기 설계PET 오뚝이 드리프터 3. 연결성 시험복개 GPS 음영 확인 4. 가상환경 구축지형+전 자연요소 5. 50회 실험강우×위상×계절풍 6. 학습·검증CV·신뢰도 수렴 7. 현장 파일럿실측 대체·재보정 ② 정보 흐름 (TRACKPLAST Fig.3 문법) 드리프터(병형) GPS+LTE Cat.M1 (옵션: LoRaWAN) 통신망 LTE 기지국 / LoRa GW 복개 구간 = 음영 수신 서버 ita.city 수신 API (SEA:CUT 파이프라인) 위치해석·저장 GPS(기본)/TDOA 삼변 PostGIS 궤적 DB 시각화·모델 dashboard.html model.json+predict.py ※ LoRa TDOA 옵션 사용 시 지도에 정확도 원(HDOP×toleranceHoriz m)을 함께 그린다. 본 시뮬레이션은 GPS 기준. ③ 물리 요소 관계도 (입자 이동 방정식의 항) 라그랑주 입자 (PET병 드리프터) ds = (u_manning + u_windage + u_stokes)·dt + N(0,√(2K_h·dt)) 트랩 통과 시 포획 p(i) · 강변 접촉 시 좌초 p_bank 이송 u(s,t) — Manning v=(1/n)R^⅔S^½ · 표면×1/0.85 thalweg ×1.15 · reach별 S,n,W Q(R,t)=선형저수지(K=45분) 바람 windage [B.4] f_PET 0.03~0.05 × 계절벡터 도심 개거 ×0.2~0.5+축스냅 하구 ×1.0~1.2 · 복개 ×0 확산 K_h + Stokes 하천 0.08~0.15 ㎡/s 하구 2~8 ㎡/s Stokes: 하천 0 · 하구 0.01×U10 하구 경계 [B.2] 담수호 EL+0.78m 배수위 지배 창조 폐문 6~12h 정체 ↔ 낙조 4~8h 호우: 하단2 펌프 25.7㎥/s 강제배수 강우 이벤트 (실험 조건축) 삼각 hyetograph · i_peak=clip(0.08R^1.45, 1.5, 85) mm/h R = 5·20·40·60·80·100 + 태풍 378.5mm(2024.9 관측형) 방류 = 수문곡선 상승부 40%~첨두 분산(first-flush·PoC 투하) 병목 trapping (좌초 sink [B.3 확정]) 복개출구 퇴적턱·당리천 합류·교각·수풀·하구 사주(퇴적밀도 미계측) 유수지 정체역·펌프장/배수문 스크린 p(i) = p_lo+(p_hi−p_lo)·σ((flush−i)/6) · flush 30~55 mm/h ④ Physical AI 학습 파이프라인 (goejeong-driftnet v0.1) 학습데이터 50회 실험 × 40 드리프터 = 2,000 궤적 (seed 고정) experiments.csv/trajectories.json 피처 강우 R · 배수문 위상 φ 하천축 바람 w · 파생 open2h (방류창 개방률 — 물리 결정론) 모델(계수형) 좌초율 로지스틱 h(R) + v2(×open2h) 핫스팟 s_hot=g(lnR,φ,w) 강도 n_max(lnR) 검증 train35/test15 분할 RMSE·R² + 부트스트랩 신뢰도 1−e^(−runs/τ) 배포 실체: model.json(계수+스키마) + predict.py(순수 numpy 추론). tensorflow 미설치 → .tflite 미생성(가짜 파일 금지). tflite 변환 경로: 계수를 tf.keras 소형 회귀망에 이식 → tf.lite.TFLiteConverter.from_keras_model() → 예상 수십 KB. ⑤ 괴정천 종단 모식 (발원→복개→개거→유수지→하굿둑 담수호) 발원(시약산 남서 계곡 ≈EL 220m·estimated) 복개 암거 4.735 km (88%) — GPS 음영·windage 0 ★방류지=복개 탈출점(하단역) 하구 개거 0.65km·당리천 합류·사주 유수지·하단2 펌프장 배수문→담수호 천정천(호우 범람 취약) · 하구는 담수호 배수위(EL+0.78m)가 지배 — 개방 조석 아님 [B.2] 유로연장 5.369 km(공식) · 유역 9.6 km² · 하구권 부유쓰레기 수거 1,200 t/년(플라스틱 49%·스티로폼 36%) [B.1/B.3]

물리 근사의 한계 (정직 명세)

  • 1차원 종단좌표(s)+횡위치(y) 근사 — 단면 내 2차 순환류·수직 혼합 미해상.
  • Manning 정상류 가정 — 홍수파 전파·부정류 미해상(선형저수지로 근사).
  • 트랩 포획확률은 문헌 범위 내 estimated — 실측 드리프터로 재보정할 항.
  • 해수유입(대조기 월 2회, 최대 184㎥/s)·당리천 자체 유량 미모의.
  • 재부유(re-suspension) 없음: 좌초는 종결 상태로 처리(후속 이벤트 재이송 미모의).
  • 실측 확보 시 대체 필드: beach_pct·hotspot 위치·flush 임계·Q_base·쓰레기 플럭스.
  • LoRa TDOA 옵션 채택 시 지도에 정확도 원(HDOP×toleranceHoriz m) 표기 — 본 판은 GPS 기준.