머신러닝과 재해예방사업 효과를 이용한 결합형 호우피해 예측모형 개발 = Development of Combined Heavy Rain Damage Prediction Models Using Machine Learning and Effectiveness of Disaster Prevention Projects
저자
발행사항
인천 : 인하대학교 대학원, 2019
학위논문사항
학위논문(박사)-- 인하대학교 대학원 : 토목공학과 수자원/환경/지형정보 2019. 8
발행연도
2019
작성언어
한국어
주제어
발행국(도시)
인천
형태사항
; 26 cm
일반주기명
지도교수: 김형수
UCI식별코드
I804:23009-000000022987
소장기관
If the damage caused by heavy rain can be predicted in advance and appropriately prepared for the disaster, it will be possible to reduce loss of life and damage of property very effectively. For this purpose, the previous studies have developed heavy rain damage prediction models intermittently but mostly linear regression analysis was used for the model development. Therefore, this study tried to develop a combined heavy rain damage prediction models that considers the machine learning and effects of disaster prevention projects in order to increase predictive performance of the models. Say, the model that can predict the residuals of a linear regression model using machine learning techniques such as decision tree, random forest, support vector machine, and deep neural network was constructed. In addition, the model that can consider the effect of flood damage reduction by disaster prevention projects was developed. The Gyeonggi-do province where the heavy rain damages were most frequently occurred in South Korea was selected as the study area. Heavy rain Damage Prediction Model(HDPM) based on linear regression analysis was firstly constructed by using heavy rain damages from 1988 to 2017 as dependent variable and rainfall data as independent variable. The prediction accuracy of HDPM was 58.05%. The residuals, which are difference between actual damage and predicted damage derived from HDPM, were used as the dependent variables and the data for socio-economic characteristics of the study region were used as independent variables for the development of the residual prediction model(Model 1) based on machine learning. The HDPM and Model 1 is combined. We call this Combined Heavy rain Damage Prediction Model 1(CHDPM-1) and the prediction accuracy was in the range of 60.40 ~ 64.09%. In particular, the support vector machine based model showed the highest predictive accuracy. The damages from the similar rainfall intensities occurred before and after the disaster prevention projects were compared for the estimation of flood damage reduction effect. This effect was used as dependant variable and the cost of disaster prevention projects was used as independent variable for the development of Model 2 based on machine learning. The CHDPM-1 and Model 2 is combined. We call this Combined Heavy rain Damage Prediction Model 2(CHDPM-2) and the prediction accuracy was 66.44 ~ 67.45%. The random forest based model showed the highest predictive accuracy. Summarizing the results, we firstly developed CHDPM-1 by combining the residual analysis to make up for linearity of HDPM and the socio-economic factors. Then, CHDPM-2 considering the damage reduction effect of disaster prevention projects was developed to improve the prediction performance and accuracy of the model. Therefore, the developed model in this study could be used for the decision making of the public officials in the local governments. Nonetheless, since the prediction of disaster damage by natural phenomena involves a lot of uncertainties, the methodology that can minimize the uncertainty should be continuously studied and developed.
더보기호우로 인한 피해를 사전에 예측하여 적절한 대비를 할 수 있다면 매우 효과적으로 인명과 재산피해를 저감할 수 있을 것이다. 이를 위해 호우피해 예측모형에 관한 연구들이 간헐적으로 수행되어 오긴 했지만, 주로 선형회귀모형을 이용하였다. 따라서 본 연구에서는 모형의 예측 성능을 높이기 위해 머신러닝과 재해예방사업의 효과를 고려한 결합형 호우피해 예측모형을 개발하고자 하였다. 머신러닝 기법으로 의사결정나무, 랜덤포레스트, 서포트 벡터 머신, 심층 신경망 등을 이용하여 기존 선형회귀모형의 잔차를 예측할 수 있는 모형을 구축하였고, 이와 함께 재해예방사업의 피해저감 효과를 고려할 수 있는 모형을 개발하였다. 대상지역은 호우피해가 가장 빈번하게 발생한 경기도 지역을 선정하였다. 1988년부터 2017년까지의 호우피해액을 종속변수로 하고, 강우자료를 독립변수로 하는 선형회귀모형 기반의 호우피해 예측모형(Heavy rain Damage Prediction Model, HDPM)을 우선 구축하였으며, 예측 정확도는 58.05%였다. 모형의 성능 개선을 위해 실제 피해액과 HDPM에 의한 예측 피해액의 차이인 잔차를 종속변수로 하고, 지역의 사회·경제적 특성을 독립변수로 하는 머신러닝 기반의 잔차 예측모형(Model 1)을 개발하였다. 기존의 HDPM에 Model 1을 추가한 결합형 호우피해 예측모형 1(Combined Heavy rain Damage Prediction Model 1, CHDPM-1)의 예측 정확도는 60.40~64.09%로 기존 모형에 비해 정확도가 향상 되었다. 특히, 서포트 벡터 머신 기반의 Model 1을 사용할 때 가장 높은 예측 정확도를 보였다. 또한 재해예방사업의 피해저감 효과를 고려하기 위해 사업 전·후의 유사한 강우강도로 인한 피해를 비교해 피해저감 효과를 종속변수로 사용하고, 재해예방사업비를 독립변수로 하는 머신러닝 기반의 피해저감 효과 예측모형(Model 2)을 개발하였다. CHDPM-1에 Model 2를 추가한 결합형 호우피해 예측모형 2(CHDPM-2)를 개발하였고, 예측 정확도는 66.44~67.45%로 성능이 향상되는 것을 확인하였다. 랜덤포레스트 기반의 Model 2를 이용하여 CHDPM-2를 개발하는 것이 가장 높은 예측 정확도를 보였다. 결과를 종합해 보면, HDPM의 선형성을 보완하기 위해 잔차 분석을 수행하여 사회·경제적 요소와 결합함으로써 모형의 성능을 향상 시킬 수 있는 CHDPM-1을 제시하였고, 여기에 재해예방사업의 피해저감 효과를 고려함으로써 CHDPM-2를 개발하였다. CHDPM-2는 HDPM과 CHDPM-1의 과대 예측하는 경향을 개선하여 모형의 예측 정확도 성능을 고도화하였다. 따라서 본 연구에서 개발한 호우피해 예측모형은 재난 담당자들의 의사결정을 위한 기초 자료로 활용될 수 있을 것으로 판단된다. 그럼에도 불구하고, 자연현상에 의한 재난 피해를 예측한다는 것은 수많은 불확실성을 내포하고 있기 때문에 이러한 불확실성을 최소화할 수 있는 방법론이 지속적으로 연구되고 개발되어야 할 것으로 생각된다.
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)