현재 전 세계는 예측할 수 없는 기상이변으로 인해 극심한 자연재난의 피해를 겪고 있는데 특히, 피해액 중 45%를 차지하고 있는 호우에 의한 피해가 가장 심각한 것으로 보고되고 있다. 우리나라는 호우피해 저감을 위해 호우특보를 발령하고 있다. 그러나 지역적 특성을 고려하지 않고, 단순히 특정 강우강도 값을 기준으로 전국에 일률적으로 발령하고 있어 지역에 따라서 여전히 호우피해가 발생하고 있다. 또한, 단순히 주의보와 경보만을 발령하고 있기 때문에 국민들은 정량적인 피해 규모를 알 수 없으며 피해에 대한 심각성을 인지할 수 없다. 따라서 본 연구에서는 정량적인 호우피해 예측을 위한 모형을 개발하고자 하였다. 이를 위해 호우피해액과 최대 강우강도를 토대로 전국 229개 행정구역에 대한 군집분석과 누적강우에 따른 피해액의 범주를 설정하고, 군집된 지역별 호우피해를 예측할 수 있는 모형을 개발하였다. 기존의 주관적인 군집분석과 통계학적인 호우피해 예측 모형을 개선하고자 머신러닝 기반의 계층적 군집분석을 수행하였고, 호우피해 예측 모형 개발을 위해 선형회귀, 랜덤 포레스트, 심층 신경망, 장단기메모리, 의사 결정나무 등의 모형들을 이용하였다. 머신러닝 모형의 경우 하이퍼 파라미터의 설정에 따라서 모형의 일반화 성능이 크게 차이가 발생하기 때문에 이를 최적화하기 위한 기법으로 유전 알고리즘을 이용하였다. 군집분석 결과, 3개의 군집이 도출되었으며, 호우피해 예측모형 개발을 위해 수문기상자료와 관련된 변수들을 독립변수로 활용하였다. 최종적으로 모형들로부터 예측된 결과에 대해 NRMSE 평가지표를 활용하여 평가하였다. 군집1과 군집2에서는 각각 0.085와 0.093의 NRMSE 값이 산정된 장단기메모리 모형이 우수함을 보였다. 그러나 군집3에서는 NRMSE 값이 0.109인 랜덤포레스트 모형이 우수한 결과를 보여주었다. 따라서 본 연구를 통해 개발된 머신러닝 기반의 군집별 호우피해 예측모형을 재난관리 차원에서 활용하게 된다면 지역별로 호우에 의한 피해를 저감시키는데 큰 기여를 할 수 있을 것이라고 판단된다.