본 연구에서는 Decision Tree model을 기반으로 개발된 산사태 예측프로그램 SHAPP ver 1.0을 이용하여 전라남도 무안군 ${\bigcirc}{\bigcirc}$지역의 호남선 철도 주변에 대한 산사태 발생예측을 실시하였다. 이를 위하여 먼저 대상지역의 총 8개소에서 토층시료를 채취하고, 이에 대한 토질시험을 실시하였다. 대상지역에 대한 토질시험결과를 토대로 투수계수와 간극비에 대한 주제도를 작성하고 수치지형도를 이용하여 지형의 경사분석을 실시하였다. 이를 이용하여 산사태 발생예측을 실시한 결과 총 15,552개의 해석셀 가운데 435개의 셀에서 산사태가 발생될 것으로 예측되었다. 이때 해석셀의 크기는 $10m{\times}10m$이므로 산사태 발생예상 면적은 $43,500m^2$으로 나타났다.
본 연구에서는 Decision Tree model을 기반으로 개발된 산사태 예측프로그램 SHAPP ver 1.0을 이용하여 전라남도 무안군 ${\bigcirc}{\bigcirc}$지역의 호남선 철도 주변에 대한 산사태 발생예측을 실시하였다. 이를 위하여 먼저 대상지역의 총 8개소에서 토층시료를 채취하고, 이에 대한 토질시험을 실시하였다. 대상지역에 대한 토질시험결과를 토대로 투수계수와 간극비에 대한 주제도를 작성하고 수치지형도를 이용하여 지형의 경사분석을 실시하였다. 이를 이용하여 산사태 발생예측을 실시한 결과 총 15,552개의 해석셀 가운데 435개의 셀에서 산사태가 발생될 것으로 예측되었다. 이때 해석셀의 크기는 $10m{\times}10m$이므로 산사태 발생예상 면적은 $43,500m^2$으로 나타났다.
In this study, the prediction of landslide probability was performed to the study area located in ${\bigcirc}{\bigcirc}$ area of Muan-gun, Jeonnam Province around Honam railway using the computer program SHAPP ver 1.0 developed by a decision tree model. The soil samples were collected at ...
In this study, the prediction of landslide probability was performed to the study area located in ${\bigcirc}{\bigcirc}$ area of Muan-gun, Jeonnam Province around Honam railway using the computer program SHAPP ver 1.0 developed by a decision tree model. The soil samples were collected at total 8 points, and soil tests were performed to measure soil properties. The thematic maps of soil properties such as coefficient of permeability and void ratio were made on the basis of soil test results. The slope angle analysis of topography was performed using a digital map. As the prediction result of landslide probability, 435 cells among total 15,552 cells were predicted to be in the event of landslides. Therefore, the predicted area of occurring landslides may be $43,500m^2$ because the analyzed cell size was $10m{\times}10m$.
In this study, the prediction of landslide probability was performed to the study area located in ${\bigcirc}{\bigcirc}$ area of Muan-gun, Jeonnam Province around Honam railway using the computer program SHAPP ver 1.0 developed by a decision tree model. The soil samples were collected at total 8 points, and soil tests were performed to measure soil properties. The thematic maps of soil properties such as coefficient of permeability and void ratio were made on the basis of soil test results. The slope angle analysis of topography was performed using a digital map. As the prediction result of landslide probability, 435 cells among total 15,552 cells were predicted to be in the event of landslides. Therefore, the predicted area of occurring landslides may be $43,500m^2$ because the analyzed cell size was $10m{\times}10m$.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 산사태 예측프로그램 SHAPP ver 1.0을이용하여 전라남도 무안군 ◯◯지역의 호남선 철도 주변에 대한 산사태 발생예측을 실시하고자 한다. 이를 토대로 철도주변에 대한 산사태 발생가능성을 평가하고, 이에 대한 적용성을 검토하고자 한다.
본 프로그램은 전술한 Decision tree model의 산사태 예측모델을 토대로 GIS기법을 적용하여 국가 주요시설물 주변에 분포하고 있는 급경사지 재해를 예측하기 위하여 개발되었다. 본 프로그램은 Slope Hazards Prediction Program 의 약자를 따서 SHAPP ver 1.
위의 자료를 이용한 Decision tree model 분석방법으로 카이제곱 통계량 방법, 지니지수 방법 및 엔트로피지수 방법을 사용하였다. 이들 분석결과를 토대로 하여 산사태 발생예측에 가장 적합한 예측모델을 개발하였다. 분석결과 카이제곱 통계량 방법과 지니지수 방법에 의한 Decision tree model은 동일하며, 이와 같이 구축된 Decision tree model의 정분류율(classification rate)은 95.
0을이용하여 전라남도 무안군 ◯◯지역의 호남선 철도 주변에 대한 산사태 발생예측을 실시하고자 한다. 이를 토대로 철도주변에 대한 산사태 발생가능성을 평가하고, 이에 대한 적용성을 검토하고자 한다.
제안 방법
(3) 타당성 평가 : 이익도표(gains chart)나 위험도표(risk chart) 또는 검증용 자료(test data)에 의한 교차타당성(cross validation) 등을 이용하여 Decision tree를 평가한다.
그림에서 보는 바와 같이 개발된 프로그램은 먼저 수치지형도로부터 얻은 지형자료를 선택 및 분석하여 사면경사를 추출하고, 시험결과로부터 얻은 토질자료(투수계수, 간극비)를 입력하여 각각의 주제도를 작성한다. 그리고 산사태 예측지도 작성범위를 설정한 후 Decision tree model을 이용한 예측을 실시한다. 이러한 예측결과를 토대로 산사태 예측지도를 작성한다.
이를 위하여 대상지역에 대한 현장조사결과와 수치지형도를 이용하여 지형의 경사분석을 실시하였으며, 토질시험결과를 토대로 예측프로그램의 입력변수인 투수계수와 간극비에 대한 분석을 실시하였다. 그리고 이들 사면경사, 투수계수 및 간극비를 이용하여 산사태 예측을 수행하였다.
모든 시료는 현장조건이 최대한 유지되도록 밀봉한 상태의 시료를 실험실로 운반하였다. 그리고 채취한 토층시료를 이용하여 비중, 함수비, 입도분석, 액성한계 및 소성한계 등의 물성시험을 실시하고, 실내 밀도시험을 통해 간극비, 간극율 및 포화도를 산정하였으며, 연구지역 토층에 적합한 변수위법에 의해 투수계수를 구하였다.
이를 위하여 먼저 대상지역의 총 8개소에서 토층시료를 채취하고, 이에 대한 토질시험을 실시하였다. 대상지역에 대한 토질시험결과를 토대로 투수계수와 간극비에 대한 주제도를 작성하고 수치지형도를 이용하여 지형의 경사분석을 실시하였다. 이를 이용하여 산사태 예측을 실시한 결과 총 15,552개의 해석셀 가운데 435개의 셀에서 산사태가 발생될 것으로 예측되었다.
본 연구에서는 GIS기법과 Decision tree model을 적용하여 개발된 산사태 예측프로그램 SHAPP ver 1.0을 이용하여 전라남도 무안군 ◯◯지역 일대의 무안과 목포사이 호남선 철도 주변에 대한 산사태 발생 예측을 실시하였다. 본 프로그램에서는 각종 토질조사자료 및 수치지도로부터 얻어진 자료를 GIS기법을 활용하여 도면으로 작성할 수 있는 기법과 Decision tree model을 이용한 예측모델을 적용하여 산사태 발생여부를 판단할 수 있는 기법이 가능하다.
0을 이용하여 전라남도 무안군 ◯◯지역 일대의 무안과 목포사이 호남선 철도 주변에 대한 산사태 발생 예측을 실시하였다. 본 프로그램에서는 각종 토질조사자료 및 수치지도로부터 얻어진 자료를 GIS기법을 활용하여 도면으로 작성할 수 있는 기법과 Decision tree model을 이용한 예측모델을 적용하여 산사태 발생여부를 판단할 수 있는 기법이 가능하다. 산사태 예측프로그램 SHAPP ver 1.
0 프로그램을 사용하였다. 본 프로그램에서는 각종 토질조사자료 및 수치지도로부터 얻어진 자료를 GIS기법을 활용하여 도면으로 작성할 수 있으며, Decision tree model을 이용한 예측모델을 적용하여 산사태 발생여부를 판단할 수 있다. 본 프로그램은 다음과 같은 네가지 모듈로 구성되어 있다; 1) 데이터 입력 및 출력구조 설계 모듈, 2) 산사태 DB모듈, 3) 통계분석 모듈, 4) 예측결과 가시화 모듈.
본 프로그램에서는 각종 토질조사자료 및 수치지도로부터 얻어진 자료를 GIS기법을 활용하여 도면으로 작성할 수 있는 기법과 Decision tree model을 이용한 예측모델을 적용하여 산사태 발생여부를 판단할 수 있는 기법이 가능하다. 산사태 예측프로그램 SHAPP ver 1.0을 이용하여 철도 주변의 연구지역에 대한 산사태 예측을 수행하였다. 이를 위하여 먼저 대상지역의 총 8개소에서 토층시료를 채취하고, 이에 대한 토질시험을 실시하였다.
연구지역 토질의 물리적 특성을 파악하고 산사태 예측을 위한 입력자료로 활용하기 위하여 연구지역인 무안군 ◯◯지역 일대 8개소에서 토층시료를 채취하였다. 시료는 연구지역에 분포하고 있는 지형조건 및 토층분포 등을 반영하고 가급적 단위면적당의 밀도비를 고려함으로써 토층의 특성이 균등하게 반영될 수 있도록 하였다. 원지반의 토층시료는 표토를 제거한 후 40∼60cm 정도의 깊이에서 채취하였는데, 불교란 시료는 스테인레스로 제작된 원통형 샘플러를 이용하여 채취하였으며, 교란시료는 비닐팩을 사용하였다.
연구지역인 철도에 인접한 자연사면을 대상으로 SHAPP ver 1.0을 이용하여 대상지역에 대한 산사태 발생예측 및 예측지도를 작성하였다. 이를 위하여 대상지역에 대한 현장조사결과와 수치지형도를 이용하여 지형의 경사분석을 실시하였으며, 토질시험결과를 토대로 예측프로그램의 입력변수인 투수계수와 간극비에 대한 분석을 실시하였다.
이를 위하여 최근 10년 동안 결정질암 지역에서 발생된 산사태 자료수집 및 분석을 실시하였다. 이들 자료를 활용하여 통계적인 분석 방법인 Decision tree model이론을 이용한 산사태 예측모델을 개발하고, 개발된 예측모델을 토대로 GIS기반의 산사태 예측프로그램인 SHAPP (Slope HAzards Prediction Program) ver 1.0을 개발하였다.
그리고 산사태 예측지도 작성범위를 설정한 후 Decision tree model을 이용한 예측을 실시한다. 이러한 예측결과를 토대로 산사태 예측지도를 작성한다.
0을 이용하여 철도 주변의 연구지역에 대한 산사태 예측을 수행하였다. 이를 위하여 먼저 대상지역의 총 8개소에서 토층시료를 채취하고, 이에 대한 토질시험을 실시하였다. 대상지역에 대한 토질시험결과를 토대로 투수계수와 간극비에 대한 주제도를 작성하고 수치지형도를 이용하여 지형의 경사분석을 실시하였다.
(2009)은 산사태 발생지역의 현장조사 및 토질시험자료를 토대로 Decision tree model을 이용하여 산사태 발생 예측기법을 개발한 바 있다. 이를 위하여 최근 10년 동안 결정질암 지역에서 발생된 산사태 자료수집 및 분석을 실시하였다. 이들 자료를 활용하여 통계적인 분석 방법인 Decision tree model이론을 이용한 산사태 예측모델을 개발하고, 개발된 예측모델을 토대로 GIS기반의 산사태 예측프로그램인 SHAPP (Slope HAzards Prediction Program) ver 1.
화강암, 편마암 등과 같은 결정질암 지역인 경기북부지역, 상주지역 및 속초지역에서 발생된 산사태 발생자료를 이용하여 Decision tree model을 이용한 산사태 예측모델을 개발하였다(Song et al., 2009). 산사태 예측모델개발을 위해 사용된 자료의 수는 각 지역별 총자료에서 결측치 등을 제외한 것으로 총 108개이다.
대상 데이터
산사태 예측모델개발을 위해 사용된 자료의 수는 각 지역별 총자료에서 결측치 등을 제외한 것으로 총 108개이다. 그리고 통계분석에 적용된 산사태 자료는 2일 강우량 200mm이상의 자료만을 활용한 것이다.
대상지역 주변의 지질은 선캠브리아기 화강편마암으로 구성되어 있다. 이 암석은 담회색을 띠는 저반형 조립 내 지 중립질의 화강암질암으로 부분적으로 연장성이 불량한엽리를 나타낸다.
4는 연구지역인 무안군 ◯◯지역 일대에 대한 지형 도와 토층시료의 채취위치를 나타낸 것이다. 대상지역은 무안과 목포사이의 호남선 상에 위치하고 있으며, 대규모 절개사면에 사면관리를 위한 각종 계측이 수행되고 있다. 대상지역의 총 8개소에서 토층시료를 채취하였으며, 채취한 시료에 대한 제반 시험방법은 KS의 관련기준에 준하여 실시하였다.
이 암석은 담회색을 띠는 저반형 조립 내 지 중립질의 화강암질암으로 부분적으로 연장성이 불량한엽리를 나타낸다. 본 지역의 지질도에서 연구대상지역 남쪽에 분포하는 유문암질 응회암은 유천층군중 유문암질분출과 관련되는 화산쇄설암에 해당한다. 본 응회암층은 본 연구지역 남쪽에 넓게 분포하면서 고흥반도 일대 및 보성군 득량면 일대까지 넓게 분포한다.
, 2009). 산사태 예측모델개발을 위해 사용된 자료의 수는 각 지역별 총자료에서 결측치 등을 제외한 것으로 총 108개이다. 그리고 통계분석에 적용된 산사태 자료는 2일 강우량 200mm이상의 자료만을 활용한 것이다.
연구지역 토질의 물리적 특성을 파악하고 산사태 예측을 위한 입력자료로 활용하기 위하여 연구지역인 무안군 ◯◯지역 일대 8개소에서 토층시료를 채취하였다. 시료는 연구지역에 분포하고 있는 지형조건 및 토층분포 등을 반영하고 가급적 단위면적당의 밀도비를 고려함으로써 토층의 특성이 균등하게 반영될 수 있도록 하였다.
원지반의 토층시료는 표토를 제거한 후 40∼60cm 정도의 깊이에서 채취하였는데, 불교란 시료는 스테인레스로 제작된 원통형 샘플러를 이용하여 채취하였으며, 교란시료는 비닐팩을 사용하였다.
철도구간 대상지역은 전라남도 무안군 ◯◯지역 일대로서 무안과 목포사이의 호남선 철로 상에 위치한 철도절개사면이다. Fig.
데이터처리
위의 자료를 이용한 Decision tree model 분석방법으로 카이제곱 통계량 방법, 지니지수 방법 및 엔트로피지수 방법을 사용하였다. 이들 분석결과를 토대로 하여 산사태 발생예측에 가장 적합한 예측모델을 개발하였다.
0을 이용하여 대상지역에 대한 산사태 발생예측 및 예측지도를 작성하였다. 이를 위하여 대상지역에 대한 현장조사결과와 수치지형도를 이용하여 지형의 경사분석을 실시하였으며, 토질시험결과를 토대로 예측프로그램의 입력변수인 투수계수와 간극비에 대한 분석을 실시하였다. 그리고 이들 사면경사, 투수계수 및 간극비를 이용하여 산사태 예측을 수행하였다.
이론/모형
, 2009). Decision tree model의 대표적인 알고리즘은 CHAID(Chi-squared Automatic Interaction Detection) 알고리즘으로 명목형, 순서형, 연속형 등 모든 종류의 목표변수와 분류변수에 적용이 가능하며, Exhaustive CHAID 알고리즘으로 발전하였다. 그 밖에 CART(Classification and Regression Tree), QUEST (Quick, Unbiased, Efficient, Statistical), C5.
대상지역은 무안과 목포사이의 호남선 상에 위치하고 있으며, 대규모 절개사면에 사면관리를 위한 각종 계측이 수행되고 있다. 대상지역의 총 8개소에서 토층시료를 채취하였으며, 채취한 시료에 대한 제반 시험방법은 KS의 관련기준에 준하여 실시하였다. Table 1은 대상지역에서의 토층시료에 대한 토질시험 결과를 정리한 것이다.
본 프로그램은 전술한 Decision tree model의 산사태 예측모델을 토대로 GIS기법을 적용하여 국가 주요시설물 주변에 분포하고 있는 급경사지 재해를 예측하기 위하여 개발되었다. 본 프로그램은 Slope Hazards Prediction Program 의 약자를 따서 SHAPP ver 1.0으로 명명하였다.
본 프로그램은 통계적인 분석방법 가운데 Decision tree model을 적용하였으며, 본 프로그램에는 한계평형해석방법은 고려되지 않았다.
7은 대상지역에 대한 토질시료 채취위치와 각 위치에 대한 토질시험결과를 입력한 것이다. 토질시험결과 가운데 투수계수와 간극비가 입력되며, 보간법의 일종인 IDW (Inverse Distance Weighting)기법을 이용하여 인자별 주제도를 작성하였다. Fig.
성능/효과
71%인 것으로 나타났다. 그리고 입도분포곡선을 조사한 결과 대상지역은 양입도(well grading)의 조건을 충족하는 경우와 빈입도(poor grading)의 조건을 충족하는 경우가 함께 존재하는 것으로 나타났다. 그리고 대부분의 토층에서 점토질 모래(SC)와 실트질 모래(SM)가 혼재하고 있는 것으로 나타났다.
70%로서 토층시료의 대부분이 모래로 구성되어 있음을 알 수 있다. 그리고 자갈의 함량비는 평균 0.60%로서 매우 낮은편이며, 실트 및 점토의 함량은 평균 9.71%인 것으로 나타났다. 그리고 입도분포곡선을 조사한 결과 대상지역은 양입도(well grading)의 조건을 충족하는 경우와 빈입도(poor grading)의 조건을 충족하는 경우가 함께 존재하는 것으로 나타났다.
대상 지역 토층시료의 건조단위중량은 1.11∼1.66t/m3의 범위에 평균 1.38t/m3의 값을 갖으며, 포화단위중량은 1.70∼ 2.04t/m3의 범위에 평균 1.86t/m3의 값을 갖는다.
이들 분석결과를 토대로 하여 산사태 발생예측에 가장 적합한 예측모델을 개발하였다. 분석결과 카이제곱 통계량 방법과 지니지수 방법에 의한 Decision tree model은 동일하며, 이와 같이 구축된 Decision tree model의 정분류율(classification rate)은 95.37%이므로 개발된 예측모델은 비교적 정확함을 알 수 있다.
그림에서 보는 바와 같이 밝은색으로 표시된 부분이 산사태가 발생할 가능성이 높은 구간이다. 산사태 발생 예측결과 및 예측지도를 살펴보면 총 15,552개의 해석셀 가운데 435개의 셀에서 산사태가 발생될 것으로 예측되었다. 이때 해석셀의 크기는 10m×10m로 하였으며, 산사태 발생예상 면적은 43,500m2으로 나타났다.
산사태 발생을 일으키는 사면경사의 기준은 27.5°인 것으로 나타났으며, 사면경사가 27.5° 이상인 경우 산사태 발생을 일으키는 토층의 투수계수 는 0.00998cm/sec이상인 것으로 나타났다.
대상지역에 대한 토질시험결과를 토대로 투수계수와 간극비에 대한 주제도를 작성하고 수치지형도를 이용하여 지형의 경사분석을 실시하였다. 이를 이용하여 산사태 예측을 실시한 결과 총 15,552개의 해석셀 가운데 435개의 셀에서 산사태가 발생될 것으로 예측되었다. 이때 해석셀의 크기는 10m×10m로 하였으며, 산사태 발생예상 면적은 43,500m2 으로 나타났다.
질의응답
핵심어
질문
논문에서 추출한 답변
Decision tree model이란?
Decision tree model은 의사결정규칙(decision rule)을 나무구조로 도표화하여 관심대상이 되는 몇 개의 소집단 으로 분류(classification)하거나 예측(prediction)을 수행하는 분석방법이다. 이 방법은 분류 또는 예측의 과정이 나무구조에 의한 추론규칙에 의해 표현되기 때문에 신경망, 판별분석 등에 비해 연구자가 그 과정을 쉽게 이해하고 설명할 수 있다는 장점을 가지고 있는 분석방법이다(Song et al.
우리나라의 국지성 집중호우의 증가로 발생하는 문제는?
우리나라의 연평균 강우량은 1,100mm-1,400mm에 해당하며, 이 가운데 70%가 6월부터 9월 사이의 우기철에 발생되고 있다s 최근에는 기후변화로 인하여 우기철의 강수량이 지속적으로 증가하고 있는 실정이며, 국지성 집중 호우가 자주 발생되고 있다. 이러한 국지성 집중호우의 증가로 인하여 전국적으로 산사태가 빈번하게 발생되고 있으며, 이로 인한 피해도 증가하고 있는 실정이다. 산림청에서 제시한 자료에 의하면 최근 10년(2007-2016)간 산사 태로 인한 피해면적은 총 2,382ha, 인명피해는 총 53명이며, 피해복구비가 총 4,533억원에 달하는 것으로 나타났다.
Decision tree model의 장점은?
Decision tree model은 의사결정규칙(decision rule)을 나무구조로 도표화하여 관심대상이 되는 몇 개의 소집단 으로 분류(classification)하거나 예측(prediction)을 수행하는 분석방법이다. 이 방법은 분류 또는 예측의 과정이 나무구조에 의한 추론규칙에 의해 표현되기 때문에 신경망, 판별분석 등에 비해 연구자가 그 과정을 쉽게 이해하고 설명할 수 있다는 장점을 가지고 있는 분석방법이다(Song et al., 2009).
참고문헌 (7)
Brand, E. W. (1981), "Some thoughts on rainfall-induced slope failures", Proc. 10th International Conference on Soil Mechanics Foundation Engineering, Stockholm, The Netherlands, pp.373-376.
Das, B. M. (1990), Principles of geotechnical engineering, PWS-KENT, Boston.
Hong, W. P., Kim, W. Y., Song, Y. S., and Lim, S. G. (2004), "Prediction of landslide using artificial neural network model", Journal of the Korean Geotechnical Society, Vol.20, No.4, pp.67-75. (In Korean)
Kim, W. Y., Chae, B. G., Kim, K. S., Cho, Y. C., Choi, Y. S., Lee, C. O., Lee, C. W., Kim, G. Y., Kim, J. H., and Kim, J. M. (2003), Prediction and mitigation of landslide hazards, Ministry of Science and Technology, KR-03-(T)-03, 339p. (In Korean)
Korean Geotechnical Society (2011), Report on the causes investigation and restoration measures of Mt. Woomyeon landslide, KGS11-250, 262p. (In Korean)
Olivier, M. Bell, F. G., and Jemy, C. A. (1994), "The effect of rainfall on slope failure, with examples from the Greater Durban area", Proc. 7th International Conference on IAEG. Vol.3, pp.1629-1636.
Song, Y. S., Cho, Y. C., Seo, Y. S., and Ahn, S. R. (2009), "Development and its application of computer program for slope hazards prediction using decision tree model", Journal of the Korean Society of Civil Engineers, Vol.29, No.2C, pp.59-69. (In Korean)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.