유용광물자원탐사나 산사태 취약성 분석과 같은 지질학적 응용을 목적으로 GIS를 이용하여 다양한 지질자료를 통합하기 위한 수학적 모델이 개발되어 왔다. 여러 공간통합 방법 중에서 불확실한 정보를 효율적으로 다룰 수 있는 것으로 알려진 퍼지 이론을 이용한 지질정보의 통합에 대해서 논의하였다. 그동안 전문가의 의견에 의존하여 지질자료를 표현하는 목표 유도형 통합방법과 달리, 통합 목표와 지질자료 사이의 통계적 관계를 이용하는 자료 유도형 통합 방법을 제안하였다. 제안된 기법은 퍼지 소속함수로의 표현, 퍼지 연산자를 이용한 결합, 비퍼지화, 검증의 4단계로 구성된다. 자료 표현에는 우도비에 기반한 퍼지 소속함수를, 퍼지 소속함수들의 결합에는 퍼지 연산자 네트웍을, 통합결과의 상대적인 가능성값을 도시하기 위해 비퍼지화 단계를 각각 제안하였다. 최종적으로 통합 목표에 대한 의미있는 해석과 다양한 퍼지 연산자 네트웍의 정량적 비교를 위해 공간 분할에 기반한 검증 과정을 제안하였다. 지질학적 응용을 목적으로 제안한 방법론의 적용가능성, 실제 적용시의 제안점을 산사태 취약성 분석 적용연구를 통해 논의하였다. 적용연구 결과, 대상지역에서 산사태에 대한 취약한 지역을 구분하는데 제안기법이 효과적으로 이용될 수 있음을 확인할 수 있었으며, 검증을 통해 최종 퍼지 소속함수의 결합에 ${\gamma}$연산자를 사용한 경우가 최대, 최소 연산자를 사용한 경우에 비해 높은 예측능력을 나타내었다.
유용광물자원탐사나 산사태 취약성 분석과 같은 지질학적 응용을 목적으로 GIS를 이용하여 다양한 지질자료를 통합하기 위한 수학적 모델이 개발되어 왔다. 여러 공간통합 방법 중에서 불확실한 정보를 효율적으로 다룰 수 있는 것으로 알려진 퍼지 이론을 이용한 지질정보의 통합에 대해서 논의하였다. 그동안 전문가의 의견에 의존하여 지질자료를 표현하는 목표 유도형 통합방법과 달리, 통합 목표와 지질자료 사이의 통계적 관계를 이용하는 자료 유도형 통합 방법을 제안하였다. 제안된 기법은 퍼지 소속함수로의 표현, 퍼지 연산자를 이용한 결합, 비퍼지화, 검증의 4단계로 구성된다. 자료 표현에는 우도비에 기반한 퍼지 소속함수를, 퍼지 소속함수들의 결합에는 퍼지 연산자 네트웍을, 통합결과의 상대적인 가능성값을 도시하기 위해 비퍼지화 단계를 각각 제안하였다. 최종적으로 통합 목표에 대한 의미있는 해석과 다양한 퍼지 연산자 네트웍의 정량적 비교를 위해 공간 분할에 기반한 검증 과정을 제안하였다. 지질학적 응용을 목적으로 제안한 방법론의 적용가능성, 실제 적용시의 제안점을 산사태 취약성 분석 적용연구를 통해 논의하였다. 적용연구 결과, 대상지역에서 산사태에 대한 취약한 지역을 구분하는데 제안기법이 효과적으로 이용될 수 있음을 확인할 수 있었으며, 검증을 통해 최종 퍼지 소속함수의 결합에 ${\gamma}$연산자를 사용한 경우가 최대, 최소 연산자를 사용한 경우에 비해 높은 예측능력을 나타내었다.
The mathematical models for GIS-based spatial data integration have been developed for geological applications such as mineral potential mapping or landslide susceptibility analysis. Among various models, the effectiveness of fuzzy logic based integration of multiple sets of geological data is inves...
The mathematical models for GIS-based spatial data integration have been developed for geological applications such as mineral potential mapping or landslide susceptibility analysis. Among various models, the effectiveness of fuzzy logic based integration of multiple sets of geological data is investigated and discussed. Unlike a traditional target-driven fuzzy integration approach, we propose a data-driven approach that is derived from statistical relationships between the integration target and related spatial geological data. The proposed approach consists of four analytical steps; data representation, fuzzy combination, defuzzification and validation. For data representation, the fuzzy membership functions based on the likelihood ratio functions are proposed. To integrate them, the fuzzy inference network is designed that can combine a variety of different fuzzy operators. Defuzzification is carried out to effectively visualize the relative possibility levels from the integrated results. Finally, a validation approach based on the spatial partitioning of integration targets is proposed to quantitatively compare various fuzzy integration maps and obtain a meaningful interpretation with respect to future events. The effectiveness and some suggestions of the schemes proposed here are illustrated by describing a case study for landslide susceptibility analysis. The case study demonstrates that the proposed schemes can effectively identify areas that are susceptible to landslides and ${\gamma}$ operator shows the better prediction power than the results using max and min operators from the validation procedure.
The mathematical models for GIS-based spatial data integration have been developed for geological applications such as mineral potential mapping or landslide susceptibility analysis. Among various models, the effectiveness of fuzzy logic based integration of multiple sets of geological data is investigated and discussed. Unlike a traditional target-driven fuzzy integration approach, we propose a data-driven approach that is derived from statistical relationships between the integration target and related spatial geological data. The proposed approach consists of four analytical steps; data representation, fuzzy combination, defuzzification and validation. For data representation, the fuzzy membership functions based on the likelihood ratio functions are proposed. To integrate them, the fuzzy inference network is designed that can combine a variety of different fuzzy operators. Defuzzification is carried out to effectively visualize the relative possibility levels from the integrated results. Finally, a validation approach based on the spatial partitioning of integration targets is proposed to quantitatively compare various fuzzy integration maps and obtain a meaningful interpretation with respect to future events. The effectiveness and some suggestions of the schemes proposed here are illustrated by describing a case study for landslide susceptibility analysis. The case study demonstrates that the proposed schemes can effectively identify areas that are susceptible to landslides and ${\gamma}$ operator shows the better prediction power than the results using max and min operators from the validation procedure.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서 제안한 퍼지 이론을 이용한 자료 유도형 공간통합의 실제 적용을 위해 산사태 취약성 분석을 목적으로 적용 연구를 수행하였다. 적용 연구는 특정 지역의 산사태 취약성 분석이 주목적이라기보다는, 제안한 이론의 실제 적용과정에서의 단계별 예시와 적용 가능성을 예시를 목적으로 수행되었다.
이 논문에서는 다양한 지질자료의 통합을 목적으로 퍼지 이론을 이용한 자료 유도형 통합방법을 제안하고 이에 대해 논의하였다. 제안한 공간통합 방법은 퍼지 소속함수 표현, 퍼지 연산자를 이용한 결합, 비퍼지화, 검증의 4단계로 구성되었다.
이 논문에서는 자료유도형 통합 방법으로 지질자료를 퍼지 소속함수로 표현하기 위하여 통합목적과 지질자료와의 통계적 특성에 기반한 방법을 제안하였다. 제안된 방법은 2단계의 자료 표현 과정을 거치게 되는데, 첫 번째 단계에서 통합목적과 지질자료와의 통계적 상관 관계 추출을 위해 우도비(likelihood ratio)를 계산화고, 두번째 단계에서 우도비를 퍼지 소속함수로 변형하였다.
이 연구에서는 공간통합 방법론 중 퍼지 이론에 기반한 지질자료 통합 방법론에 대해서 논의하고자 한다. 확률론적 공간통합 방법의 경우, 대부분 응용목적에 대한 공간상의 사전정보(a prior information)를 필요로 하거나, 특별한 가정(조건부 독립, 선형관계 등)을 필요로 한다.
본 연구에서 제안한 퍼지 이론을 이용한 자료 유도형 공간통합의 실제 적용을 위해 산사태 취약성 분석을 목적으로 적용 연구를 수행하였다. 적용 연구는 특정 지역의 산사태 취약성 분석이 주목적이라기보다는, 제안한 이론의 실제 적용과정에서의 단계별 예시와 적용 가능성을 예시를 목적으로 수행되었다.
이에 이 논문은 자료 유도형 퍼지 공간통합론을 제안하였는데, 크게 두부분으로 구성되어 있다. 첫 번째 부분에서는 유용광물 탐사, 산사태 예측과 같은 지질학적 목적에 직접적으로 응용이 가능한 자료 유도형 퍼지 이론을 제안하였고, 두 번째 부분에서는 제안 이론의 적용 가능성 및 실제 적용에 대한 제안점을 논의 하기 위해 산사태 취약성 분석을 목적으로 한 적용 연구를 수행하였다.
가설 설정
본 사례연구에서 사용한 통합 목표 Tp는 “특정 화소 p는 미래의 flow tyx의 산사태에 의해 취약하다”이며, 공간통합을 위한 퍼지 이론을 적용하기 위해 다음 2가지 가정을 하였다.
제안 방법
과거에 발생한 산사태와 공간자료와의 통계적 특성 추출을 위해 범주형 자료와 연속형 자료에 대해서 우도비를 계산한 다음, 퍼지 소속함수로의 변환을 수행하였다. 연속형 자료인 사면 경사도와 사면 방위도의 확률 밀도 함수 결정에 가우시안 형태의 커널을 사용하였다.
기존 공간통합의 경우 대부분 지화학, 지구물리탐사 사면경사 등과 같은 연속형 자료를 클러스터링 과정을 통해 범주형 자료로 변형하여 사용하였다. 그러나 연속형 자료를 범주형 자료로 바꾸는 과정에서 정보의 손실이 있을 수 있기 때문에 본 연구에서는 연속형 자료와 범주형 자료의 우도비 표현을 구분하여 사용하였다.
임상과 토양의 개별자료의 관계가 산사태 취약성에 대해서 모두 만족해야 한다기보다는 1차적, 2차적 정보를 제공한다고 간주하고 이들의 결합에는 퍼지 최대 연산자를 이용하였다. 그리고 전체 자료 통합에는 최대 연산자, 최소 연산자, 丫연산자를 각각 사용하여 통합 결과의 양상을 비교하였다. Y 연산자의 경우 0.
제안한 공간통합 방법은 퍼지 소속함수 표현, 퍼지 연산자를 이용한 결합, 비퍼지화, 검증의 4단계로 구성되었다. 기존 퍼지 이론을 적용한 공간 통합 방법과의 차이점은 퍼지 소속함수 표현, 비 퍼지화, 검증 단계이며, 산사태 취약성 분석을 통해 각 단계별 과정을 예시하였고, 적용결과의 해석을 시도하였다.
본 논문에서는 비퍼지화를 위해 통합목적에 대한 상대적 가능성을 표현하기 위해 순위 (rank)를 이용한 등면적 표현을 이용하였다. 우선 모든 화소를 퍼지 소속 함수를 내림차순으로 분류하여 순위를 결정하였다.
적용연구 대상지역은 1998년 8월 여름에 집중호우로 많은 산사태 피해를 입은 충청북도 보은 지역이다. 산사태 발생위치는 산사태 발생 전후의 항공사진 분석을 통해 일차적으로 획득하였고, 최종적으로 현장 조사를 통해 flow type의 459개 산사태를 확인하였다(Fig. 4). 산사태 발생과 관련이 있는 공간자료로 (1) 사면 경사도, (2) 사면 방위도, (3) 임상 종류도, (4) 임상 경급도, (5) 임상 영급도, (6) 임상 밀도도, ⑺ 토질도, (8) 토양 배수도, (9) 토양 모재도, (10) 유효토심도, (11) 토양 지형도, (12) 지질도를 사용하였으며, 공간자료의 공간 해상도는 5 이이며 총 1720X1444 화소의 GIS 데이터베이스로 구축하였다.
과거에 발생한 산사태와 공간자료와의 통계적 특성 추출을 위해 범주형 자료와 연속형 자료에 대해서 우도비를 계산한 다음, 퍼지 소속함수로의 변환을 수행하였다. 연속형 자료인 사면 경사도와 사면 방위도의 확률 밀도 함수 결정에 가우시안 형태의 커널을 사용하였다. Fig.
그러나 통합 결과와 통합에 사용한 산사태를 비교한 것이기 때문에 성공비율은 엄밀한 의미에서 미래의 산사태 발생에 대한 예측의 검증이라고 볼 수 없다. 예측에 대한 정량적 해석을 위해 과거 산사태를 분할하여 계산하는 예측비율곡선（prediction rate curwe）을 직성 하였다. 이를 위해 과거 산사태를 임의의 두 그룹으로 나누어 한 그룹은 통합에 사용하고, 나머지 그룹은 통합결과와 비교하는데 사용하였다.
본 논문에서는 비퍼지화를 위해 통합목적에 대한 상대적 가능성을 표현하기 위해 순위 (rank)를 이용한 등면적 표현을 이용하였다. 우선 모든 화소를 퍼지 소속 함수를 내림차순으로 분류하여 순위를 결정하였다. 이경우 가장 작은 퍼지 소속함수 값을 나타내는 화소와 최대 퍼지 소속함수 값을 나타내는 화소는 각각 첫 번째 순위와 최대 순위를 가지게 된다.
이러한 방법으로 2개의 공간통합 결과를 얻게 되고, 459개의 산사태 발생위치에서의 공간 통합 값을 얻을 수 있다. 이렇게 얻어진 값으로부터 성공비율곡선과 마찬가지 방법으로 누적함수 형태인 예측비율곡선을 작성하였다.
기존 통계적 특성에 기반한 자료 표현 방법은 대상 사건이 특정 속성에서 발생하는 상황만을 고려하여, 다른 속성에서 대상 사건이 발생하지 않은 상황에 대한 고려를 못하는 단점이 있다. 이를 보완하기 위해 특정 속성에서 발생하는 빈도수에 의존하는 기존 방법에 비해 다른 속성에 대한 고려를 하기 때문에 다른 속성과의 상대적인 의미를 내포하는 장점이 있는 우도비를 사용하였다.
예측에 대한 정량적 해석을 위해 과거 산사태를 분할하여 계산하는 예측비율곡선（prediction rate curwe）을 직성 하였다. 이를 위해 과거 산사태를 임의의 두 그룹으로 나누어 한 그룹은 통합에 사용하고, 나머지 그룹은 통합결과와 비교하는데 사용하였다. 우선 459개의 산사태 발생위치를 무작위적으로 두 개의 그룹으로 나누어서 우선 230개는 통합에 사용하고, 229개는 검증에 사용하였다.
퍼지 소속함수는 #의 값을 가져야 하기 때문에 우도비를 퍼지 소속함수로의 변환과정이 필요하다. 이를 위해 로지스틱 타입의 변형식을 이용하여 우도비를 최종적으로 퍼지 소속함수로 변환하였다.
이에 이 논문에서는 기존 공간 통합 연구에서 수행하지 않은 앞에서 설명한 과정을 추가하여 공간통합을 퍼지 소속함수를 이용한 자료 표현(fuzzy membership function representation), 퍼지 연산자 네트웍을 이용한 자료 통합(fuzzy combination), 비 퍼지 화(defuzzifcation), 검증(validation) 등의 4단계로 구성된 퍼지 공간 통합론을 제안하고 논의하였다(Fig. 1). 각 단계별 자세한 설명은 다음 절부터 제시하였다.
이에 이 논문은 자료 유도형 퍼지 공간통합론을 제안하였는데, 크게 두부분으로 구성되어 있다. 첫 번째 부분에서는 유용광물 탐사, 산사태 예측과 같은 지질학적 목적에 직접적으로 응용이 가능한 자료 유도형 퍼지 이론을 제안하였고, 두 번째 부분에서는 제안 이론의 적용 가능성 및 실제 적용에 대한 제안점을 논의 하기 위해 산사태 취약성 분석을 목적으로 한 적용 연구를 수행하였다.
이 논문에서는 자료유도형 통합 방법으로 지질자료를 퍼지 소속함수로 표현하기 위하여 통합목적과 지질자료와의 통계적 특성에 기반한 방법을 제안하였다. 제안된 방법은 2단계의 자료 표현 과정을 거치게 되는데, 첫 번째 단계에서 통합목적과 지질자료와의 통계적 상관 관계 추출을 위해 우도비(likelihood ratio)를 계산화고, 두번째 단계에서 우도비를 퍼지 소속함수로 변형하였다. 일반적으로 퍼지 소속함수는 여러가지 형태의 기존에 알려진 연속, 불연속 함수를 이용하여 표현될 수 있다.
이 논문에서는 다양한 지질자료의 통합을 목적으로 퍼지 이론을 이용한 자료 유도형 통합방법을 제안하고 이에 대해 논의하였다. 제안한 공간통합 방법은 퍼지 소속함수 표현, 퍼지 연산자를 이용한 결합, 비퍼지화, 검증의 4단계로 구성되었다. 기존 퍼지 이론을 적용한 공간 통합 방법과의 차이점은 퍼지 소속함수 표현, 비 퍼지화, 검증 단계이며, 산사태 취약성 분석을 통해 각 단계별 과정을 예시하였고, 적용결과의 해석을 시도하였다.
퍼지 소속함수들을 결정한 다음, 이들의 결합을 위해 자료의 특성을 고려하여 퍼지 연산자 네트웍을 구성하였다(Fig. 6). 그림으로 제시하지는 않았지만, 4개의 자료(임상, 영급, 경급, 밀도)를 포함하는 임상 자료와 5개의 자료(토질, 토양 배수, 토양 모재, 토양 지형, 유효 토심)를 포함하는 토양 자료는 각각 공간적으로 유사한 양상을 보인다.
대상 데이터
우선 459개의 산사태 발생위치를 무작위적으로 두 개의 그룹으로 나누어서 우선 230개는 통합에 사용하고, 229개는 검증에 사용하였다. 그리고 반대로 검증용 자료를 통합용 자료로, 그리고 통합용 자료를 검증용 자료로서 사용하였다. 이러한 방법으로 2개의 공간통합 결과를 얻게 되고, 459개의 산사태 발생위치에서의 공간 통합 값을 얻을 수 있다.
이를 위해 과거 산사태를 임의의 두 그룹으로 나누어 한 그룹은 통합에 사용하고, 나머지 그룹은 통합결과와 비교하는데 사용하였다. 우선 459개의 산사태 발생위치를 무작위적으로 두 개의 그룹으로 나누어서 우선 230개는 통합에 사용하고, 229개는 검증에 사용하였다. 그리고 반대로 검증용 자료를 통합용 자료로, 그리고 통합용 자료를 검증용 자료로서 사용하였다.
적용연구 대상지역은 1998년 8월 여름에 집중호우로 많은 산사태 피해를 입은 충청북도 보은 지역이다. 산사태 발생위치는 산사태 발생 전후의 항공사진 분석을 통해 일차적으로 획득하였고, 최종적으로 현장 조사를 통해 flow type의 459개 산사태를 확인하였다(Fig.
데이터처리
우선 범주형 자료의 우도비는 빈도수 분포로부터 계산하였다. m개의 속성을 가지는 특정 범주형 자료 Em에서 기존 산사태 발생자료의 확률 분포 #, 미발생자료의 확률분포#, 우도비 X{ENk} 를 다음과 같이 각각 정의하였다.
이론/모형
연속형 자료의 우도비 표현은 범주형 자료의 표현처럼 빈도수 분포를 사용하지 않고, 연속형 자료값으로 부터 직접적으로 확률 분포를 계산하기 위하여 비모수적 확률밀도 계산에 유용한 평활화 커널 방법을 이용 하였다. 일반적으로 사면 경사, 사면 방위 등과 같은 지형정보나 지화학, 지구물리 탐사 자료는 정규 분포를 이루지 않는 경우가 대부분이기 때문에 모수적 방법의 직접적인 적용이 힘든 경우가 많다.
퍼지 연산자의 변화에 따른 통합 결과와 통합에 사용한 과거 산사태 위치에 대한 적합성을 정량적으로 평가하기 위하여 Chung and Fabbri(1999)에 의해 제안된 성공비율곡선(success rate curve)을 작성하였다. 성공비율곡선에서 X축은 (1-클래스값)을 나타내며, y축은 X축에 해당하는 클래스안에 포함되는 과거 산사태의 누적비율을 나타낸다.
성능/효과
만약 특정 범주형 자료의 클래스에서 퍼지 소속함수값이 높다면, 이 효과가 두드러지게 나타나서 마치 다른 자료는 존재하지 않는 것과 같은 효과가 나타나게 된다. 따라서 이러한 결과는 여러 공간자료가 복합적으로 작용하여 발생하는 지질 현상의 설명에는 부적합한 것으로 판단되며, 전체 자료의 통합에 최대 연산자의 사용은 적합하지 않은 것으로 판단된다. 최소 연산자의 경우, 연구지역의 좌측에서 낮은 산사태 취약성을 나타내고 있다.
이러한 비퍼지화 과정을 거친 퍼지 통합결과에서 개개 클래스는 같은 수의 화소수를 가지게 된다. 따라서 퍼지 통합 결과에서 가장 높은 순위값을 가지는 클래스는 상대적으로 연구지역에서 가장 높은 퍼지 소속함수값을 나타내면서 동시에 같은 면적을 포함하기 때문에, 개별 클래스 사이의 상대적 비교가 가능한 동시에, 똑같은 비퍼지화 과정을 거친다른 연산자를 사용한 통합결과와의 상대적 비교도 가능하다.
그러나 전체 자료의 통합에는 적용연구 결과 丫 연산자를 이용한 경우가 연구지역에서 산사태에 가장 취약한 상위 5% 지역에서 최대나 최소 연산자를 수행한 결과보다 약 10% 높은 과거 산사태 설명 능력과 미래의 산사태 예측 능력을 나타내었다. 또한 최대 연산자를 이용한 전체 자료의 통합은 전체 양상에서 다른 연산자를 사용한 결과와 다른 결과를 나타내었고, 특정 부분이 지나치게 강조되는 양상을 나타내었다. 따라서 통합 목표에 대한 전체 자료의 연관성을 함께 고려해야 하는 대부분의 지질학적 응용의 경우에는 모든 자료의 영향을 고려하면서 증가와 감소에 대한 일종의 보상효과를 나타낼 수 있는 丫 연산자가 주로 이용될 수 있을 것으로 판단된다.
퍼지 소속함수의 표현에서 제안한 자료 표현 방법은 특정 속성에서 발생하는 빈도수에 의존하는 기존 방법에 비해 다른 속성을 고려할 수 있는 장점이 있다. 산사태 취약성 분석을 목적으로 수행한 적용연구 결과, 분석에 사용된 주제도 별로 산사태 발생과 가장 연관성이 높은 클래스를 추출할 수 있었다. 연구대상지역에서는 사면 경사가 25도 이상인 곳에서, 임상 종류도는 리기다 소나무와 잣나무에서, 토양 배수도의 경우 배수가 매우 양호한 경우에서 산사태 발생 가능성이 높은 것으로 나타났다.
성공비율곡선을 작성한 결과(Fig. 8), 丫연산자를 이용한 통합 결과가 가장 높은 과거 산사태를 설명하고 있는 것으로 나타났으며, 최대 연산자가 가장 낮은 설명 능력을 나타내고 있다. 丫 값을 0.
산사태 취약성 분석을 목적으로 수행한 적용연구 결과, 분석에 사용된 주제도 별로 산사태 발생과 가장 연관성이 높은 클래스를 추출할 수 있었다. 연구대상지역에서는 사면 경사가 25도 이상인 곳에서, 임상 종류도는 리기다 소나무와 잣나무에서, 토양 배수도의 경우 배수가 매우 양호한 경우에서 산사태 발생 가능성이 높은 것으로 나타났다. 각 주제도별로 얻어진 이러한 결과는 기존 국내의 정성적 혹은 정량적 분석결과와 대체적으로 일치하고 있다.
적용연구에서는 비퍼지화와 검증 단계를 통해 丫연산자를 사용한 경우에 연구지역에서 산사태에 가장 취약한 상위 5%, 10% 지역에서 대략 34%, 46%의 예측 능력과 같은 정량적 결과를 얻을 수 있었다. 비퍼지화와 검증 단계를 통한 예측 능력의 정량화 비교 과정을 통해 입력자료에 대한 민감도 분석도 가능할 것으로 생각된다.
첫째, 미래에 발생할 flow type의 산사태의 특징은 연구대상지역에서 발생한 과거 flow type의 산사태와 동일하다.
퍼지 연산자를 이용하여 결합된 최종 퍼지 소속함수는 통합 목적에 대한 목표 명제(T》에 대한 가능성을[0, 1]의 범위에서 나타낸다. 최종 결과의 해석에서 중요한 것은 상대적인 값의 차이이며, 만약 특정 위치에서의 최종 퍼지 소속함수 값이 다른 위치보다 크다면 이는 통합목적에 대한 가능성이 높음을 의미한다. 여기서 유의할 점은 다양한 연산자의 결과를 비교하고할 때, 최종 통합 결과값의 절대적인 비교는 의미가 없을 수 있다는 것이다.
후속연구
제안한 자료 표현과 퍼지 연산자 네트웍 구성은 통합 목적, 사용 자료에 의존적이기 때문에 다른 응용분야에의 적용을 위해서는 통합 목적 및 자료 특성에 대한 이해가 선행되어야 하기 때문이다. 그리고 앞으로 지질자료의 종류, 통합 목적에 따라 적절한 통합 방법론의 선택할 수 있는 준거 마련과 기존 방법과의 정량화 비교를 위한 많은 적용 연구가 필요할 것으로 생각된다.
이는 丫값의 선택이 적용하는 자료에 의존적이라고 해석할 수도 있으며, 증가 혹은 감소의 보상효과가 비퍼지화 단계를 통해 절충되었다고 해석할 수도 있다. 따라서 Y 연산자의 적용시 丫값의 변화에 따른 보상효과에 대해서는 추가 연구가 필요할 것으로 판단된다.
적용연구에서는 비퍼지화와 검증 단계를 통해 丫연산자를 사용한 경우에 연구지역에서 산사태에 가장 취약한 상위 5%, 10% 지역에서 대략 34%, 46%의 예측 능력과 같은 정량적 결과를 얻을 수 있었다. 비퍼지화와 검증 단계를 통한 예측 능력의 정량화 비교 과정을 통해 입력자료에 대한 민감도 분석도 가능할 것으로 생각된다.
이 논문에서는 산사태 취약성 분석을 목적으로 제안한 방법론에 대해서 예시하였으나, 앞으로 유용광물탐사와 같은 다양한 지질학적 응용분야에 대한 적용가능성 검토 연구가 필요하다. 제안한 자료 표현과 퍼지 연산자 네트웍 구성은 통합 목적, 사용 자료에 의존적이기 때문에 다른 응용분야에의 적용을 위해서는 통합 목적 및 자료 특성에 대한 이해가 선행되어야 하기 때문이다.
퍼지 소속함수의 결합을 위해 사용한 퍼지 연산자 네트웍은 자료 특성에 따라 여러 연산자를 함께 구성할 수 있다는 장점이 있다. 현재까지 지질자료의 통합에 있어서 퍼지 연산자의 선택에 대한 준거는 명확하게 제시되지 않았으나, 적용연구에서 사용한 임상자료나 토양자료와 같이 비슷한 공간적 분포를 가지고 유사한 정보를 제공하는 자료를 통합할 때에는 자료 사용을 제한할 수 있는 최대 혹은 최소 연산자가 유용하게 사용될 수 있을 것으로 판단된다. 그러나 전체 자료의 통합에는 적용연구 결과 丫 연산자를 이용한 경우가 연구지역에서 산사태에 가장 취약한 상위 5% 지역에서 최대나 최소 연산자를 수행한 결과보다 약 10% 높은 과거 산사태 설명 능력과 미래의 산사태 예측 능력을 나타내었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.