KCI등재
인공신경망을 이용한 유역 내 침수피해 예측모형의 개발 = A New Model for Forecasting Inundation Damage within Watersheds - An Artificial Neural Network Approach
본 논문에서는 유역 내 침수피해를 예측할 수 있는 실현가능한 수단으로써 인공신경망의 활용에 대해 제안하고자 한다. 유역 내 다양한 환경인자에 의한 침수피해 예측모형의 구축을 위해 108개 중유역을 대상으로 1990년부터 2000년까지 강우량, 침수피해면적, 토지이용 등 총 27개의 매개변수를 선정하여 총 49개의 데이터 세트를 구성하였다. 연구결과, 침수피해는 강우량과 같은 기상정보 뿐 만 아니라 다양한 유역환경의 특성에 영향을 받는 것으로 나타났으며 인공신경망 모형에 의해 R=0.92 수준에서 예측값과 관측값이 잘 일치하는 것으로 나타났다. 따라서 인공신경망은 입력값들과 대응된 출력값들을 알고 있는 경우 과거와 현재의 시공간 정보를 활용하여 특정유역의 강우량에 따른 침수피해면적을 산정 할 수 있으며, 복잡하고 비선형적 역동성을 지니고 있는 유역 내 환경변화에 대한 예측모형으로 활용이 가능하다고 판단된다. 또한 인공신경망은 입력자료의 중요도를 평가하는데 이용될 수 있으며, 기존 모형에서 다루어지는 매개변수중요도를 정량화 시킬 수 있어 다른 모형의 매개변수 추정이나 보정에 도움을 줄 수 있을 것으로 판단된다.
더보기This paper presents the use of an Artificial Neural Network (ANN) as a viable means of forecasting Inundation Damage Area (IDA) in many watersheds. In order to develop the forecasting model with various environmental factors, we selected 108 watershed areas in South Korea and collected 49 damage data sets from 1990 to 2000, of which each set is composed of 27 parameters including the IDA, rainfall amount, and land use. After successful training processes of the ANN, a good agreement (R=0.92) is obtained (under present conditions) between the measured values of the IDA and those predicted by the developed ANN using the remaining 26 data sets as input parameters. The results indicate that the inundation damage is affected by not only meteorological information such as the rainfall amount, but also various environmental characteristics of the watersheds. So, the ANN proves its present ability to predict the IDA caused by an event of complex factors in a specific watershed area using accumulated temporal-spatial information, and it also shows a potential capability to handle complex non-linear dynamic phenomena of environmental changes. In this light, the ANN can be further harnessed to estimate the importance of certain input parameters to an output (e.g., the IDA in this study), quantify the significance of parameters involved in pre-existing models, and contribute to the presumption, selection, and calibration of input parameters of conventional models.
더보기분석정보
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)