앙상블 머신러닝과 리스크 매트릭스 기반 호우피해 위험도 예·경보 기법 개발 = Development of Prediction and Warning Technique of Heavy Rain Damage Risk Based on Ensemble Machine Learning and Risk Matrix
저자
발행사항
인천 : 인하대학교 대학원, 2021
학위논문사항
학위논문(박사)-- 인하대학교 대학원 : 스마트시티공학전공 2021. 8
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
인천
형태사항
269 ; 26 cm
일반주기명
지도교수: 김형수
UCI식별코드
I804:23009-200000501091
소장기관
국내의 재난관리 기관 담당자들은 모두 호우특보 기반의 위기경보 단계에 따라 모든 업무를 수행한다. 하지만 현행 호우특보와 위기경보 단계는 여러 문제점이 있는데, 호우특보의 경우, 단순 강우 강도만을 토대로 모든 행정구역에 동등한 기준을 적용한다는 것이다. 위기경보의 경우, 현재 호우로 인한 피해 규모를 파악할 수 있는 예측 방법이 없기 때문에 숙련된 담당자의 경험에 의존하고 있다. 즉, 피해 규모나 피해 규모의 발생 확률에 대한 명확한 기준이 존재하지 않다는 문제가 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위하여 네 가지 분석 기법을 개발하였다. 첫 번째로 모든 행정구역에 동등한 호우특보 기준을 적용하는 대신 호우피해 특성이 유사한 지역을 군집화 하였다. 두 번째는 다양한 독립변수들(공간적 강우분포를 고려한 국지성 호우, 침투조건을 고려한 유효우량)을 고려하여 피해를 유발하는 최적 경계 도출을 위한 강우지수를 개발하였다. 세 번째는 위기경보 기준 설정을 위해 앙상블 머신러닝 기반의 호우피해 규모 예측 모형을 개발하였다. 마지막으로 위기경보 기준에서 피해 규모나 발생확률에 대한 구체적인 기준을 제시하기 위하여 리스크 매트릭스 기반의 호우피해 위험도 예·경보 기법을 개발하였다. 먼저 전국을 대상으로 지표기반의 호우피해 위험도 평가를 통해 지역별 위험도 수준을 등급화 하였고, 계층적 군집분석을 통해 지역별 주요 피해 유형을 분류하였다. 위험도 평가와 피해유형 분류 결과를 중첩하여 호우피해 특성이 유사한 지역들을 군집화하였다. 총 17개의 군집이 도출되었으며, 실제 호우피해 이력에 의한 결과와 유사함을 확인하였다. 두 번째 단계에서는 일별 호우피해 발생자료와 이에 영향을 미치는 독립변수들을 구축하여 호우피해 유발지수를 산정하고, Threshold Tuning 기법을 적용하여 군집별로 호우피해를 유발하는 최적 경계 또는 호우피해 유발 기준(Heavy rain Damage Triggering Criteria, HD-TC)을 정의하였다. 추가적으로 HD-TC를 고도화하기 위하여 Random search 방법을 통한 최적의 독립변수 조합을 도출하였다. 그 결과 최종적인 HD-TC의 분류 성능은 F1-score 47%, AUC 77%로 현행 호우주의보와 비교했을 때 평균 약 16%P(% Point) 가량 성능이 향상된 것을 확인하였다. 세 번째 단계에서는 호우피해 규모 예측 모형을 개발하기 위해 위험도 등급마다 호우피해 금액을 총 4개의 등급으로 재분류 하여 종속변수로 활용하였고, 재난 위험요소(Hazard), 위험 요소에 노출된 시설물을 의미하는 노출성(Exposure), 취약성(Vulnerability), 저감능력(Capacity)과 관련된 독립변수들을 구축하였다. 심층신경망, 랜덤포레스트, 의사결정나무, Xg부스트, 서포트벡터머신을 활용하였으며, 앙상블 기반 모형으로는 슈퍼러너 모형을 고려하였다. 학습이 완료된 모형들을 평가구간에서 평가한 결과, Xg부스트의 성능이 비교적 우수하게 나타났으며 가중(Weighted) F1-score가 평균적으로 40%로 계산되었다. 슈퍼러너 모형은 평균 59%로 개별 모형대비 약 19%P(% Point)의 성능이 향상된 것을 확인하였다. 따라서 슈퍼러너 모형은 호우피해 규모 예측 모형(Heavy rain Damage scale Prediction Model, HD-PM)으로 정의하였다. 최종적으로 본 연구에서는 위기경보의 문제를 개선하기 위해 HD-PM과 HD-TC를 리스크 매트릭스와 연계하여 호우피해 위험도 예·경보 기법(Heavy rain Damage Risk Prediction and Warning Technique, HDR-PWT)을 제안하였다. 2020년 호우피해 사례에 대하여 현행 위기경보 기준과 HDR-PWT를 비교한 결과, 현행 기준보다 약 3배 이상 우수한 성능을 보이는 것을 확인할 수 있었다. 따라서 본 연구에서 개발한 방법론과 기법을 활용한다면, 현행 위기경보 기준보다 더 정확하게 호우피해 위험을 예측할 수 있을 것으로 예상된다.
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)