KCI등재
SCIE
SCOPUS
A Hybrid Physical and Machine Learning Model for Assessing Landslide Spatial Probability caused by raising of ground water table and Earthquake in Atsuma, Japan - Case Study
저자
Ba-Quang-Vinh Nguyen (International University) ; 송창호 (Vietnam National University) ; 김윤태 (부경대학교)
발행기관
학술지명
KSCE Journal of Civil Engineering(KSCE Journal of Civil Engineering)
권호사항
발행연도
2022
작성언어
English
주제어
등재정보
KCI등재,SCIE,SCOPUS
자료형태
학술저널
수록면
3416-3429(14쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
Landslides are catastrophic natural events primed and/or triggered by extreme rainfalls and strong earthquakes. Simultaneous occurrence of rainfall and seismic activity increases the likelihood of landslides. However, the researchers focused on this aspect are not much. In the present research, a hybrid model was developed to predict the landslide occurrences probability in Atsuma, Japan triggered by rainfalls and earthquakes. The proposed model is a combination of a physical and machine learning model for improving the accuracy of the landslide susceptibility mapping. The proposed model consisted of a physical module, a machine learning module and a matrix approach module. The physical module assessed the effects of rainfall and peak ground acceleration (PGA) on landslide occurrence probability based on a pseudo-static model. The machine learning module applied Multilayer Perceptron Neural Networks to assess landslide susceptibility, using 611 landslide events caused by strong earthquakes and extreme typhoons. The landslide susceptibility maps obtained from these two modules were then combined into final susceptibility map through a matrix approach. The final susceptibility map included five susceptible levels: very low, low, moderate, high, and very high. To evaluate the proposed model performance, the resulting models were assessed using the areas under the receiver operating characteristic curves. The areas under the success rate curves from the physical module, machine learning module and matrix-based approach showed 79.2%, 82.7% and 83.9% accuracy, respectively. Furthermore, the predicted rate curves showed that the areas under the curve for physical module, machine learning module and matrix-based approach were 78.4%, 82.3% and 83.4%, respectively. These results suggest that the proposed hybrid model improves the prediction capability compared to physically-based method or machine learning model and can be readily used to assess spatial probability of landslide.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2023 | 평가예정 | 해외DB학술지평가 신청대상 (해외등재 학술지 평가) | |
2020-01-01 | 평가 | 등재학술지 유지 (해외등재 학술지 평가) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-05-27 | 학술지명변경 | 한글명 : 대한토목학회 영문논문집 -> KSCE Journal of Civil Engineering | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2002-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.59 | 0.12 | 0.49 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.42 | 0.39 | 0.286 | 0.06 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)