[논문]손상 하수관으로 인한 지반함몰의 위험도 평가를 위한 랜덤 포레스트 모델 개발

김준영; 강재모; 백성하

doi:10.7843/kgs.2021.37.12.117

손상 하수관으로 인한 지반함몰의 위험도 평가를 위한 랜덤 포레스트 모델 개발
Development of Random Forest Model for Sewer-induced Sinkhole Susceptibility 원문보기

韓國地盤工學會論文集 = Journal of the Korean geotechnical society, v.37 no.12, 2021년, pp.117 - 125

김준영 (한남대학교 스마트융합공학부) , 강재모 (한국건설기술연구원 지반연구본부) , 백성하 (한국건설기술연구원 지반연구본부)

초록
AI-Helper

시민의 안전을 위협하는 지반재해 중 하나인 지반함몰이 최근 도심지에서 빈번하게 보고되고 있다. 다양한 지반함몰 발생 메커니즘 중, 하수관 손상부를 통한 토사 유실이 서울시에서 발생하는 지반함몰의 주요원인으로 나타났다. 본 연구에서는 서울시 하수관 정보와 지반함몰이 발생한 위치 정보를 기반으로 머신러닝 기법 중 하나인 랜덤 포레스트 알고리즘을 이용하여 하수관 정보로부터 손상 하수관으로 유발되는 지반함몰의 발생 여부를 예측하는 모델을 학습하였다. 모델 성능 평가 결과, 본 연구에서 도출한 모델이 지반함몰을 상당히 훌륭하게 예측할 수 있는 것으로 나타났다. 또한, 입력변수로 사용한 하수관 정보 중 하수관 길이, 해발고도, 경사, 매립 심도, 하수관 순서로 지반함몰 발생 위험에 영향을 미치는 것을 확인하였다. 본 연구의 결과는 지반함몰 위험도 지도 작성, 지하공동 탐사 계획 수립 및 하수관 정비 사업 계획 수립의 기초 자료로 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

The occurrence of ground subsidence and sinkhole in downtown areas, which threatens the safety of citizens, has been frequently reported. Among the various mechanisms of a sinkhole, soil erosion through the damaged part of the sewer pipe was found to be the main cause in Seoul. In this study, a random forest model for predicting the occurrence of sinkholes caused by damaged sewer pipes based on sewage pipe information was trained using the information on the sewage pipe and the locations of the sinkhole occurrence case in Seoul. The random forest model showed excellent performance in the prediction of sinkhole occurrence after the optimization of its hyperparameters. In addition, it was confirmed that the sewage pipe length, elevation above sea level, slope, depth of landfill, and the risk of ground subsidence were affected in the order of sewage pipe information used as input variables. The results of this study are expected to be used as basic data for the preparation of a sinkhole susceptibility map and the establishment of an underground cavity exploration plan and a sewage pipe maintenance plan.

주제어

표/그림 (11)

그림 Fig. 1. Locations of sinkhole and the sewer pipe network in Seoul (Kim et al., 2018)
표 Table 1. Basic statistics of continuous predictor variables
그림 Fig. 2. Probability density function of continuous predictor variables (occurrence cases versus non-occurrence cases)
그림 Fig. 3. ROC curve of random forest model trained with default values
표 Table 2. Hyperparameters of random forest model
표 Table 3. Area under curve and model performance
그림 Fig. 4. Average AUC value of validation sets with varying number of trees
그림 Fig. 5. ROC curve of random forest model trained with optimum number of trees
그림 Fig. 6. ROC curve of random forest model trained with optimum hyperparameters
표 Table 4. Summary of hyperparameter optimization
그림 Fig. 7. Random forest feature importance

참고문헌 (19)

Bae, Y., Shin, S.,Won, J., and Lee, D. (2016), "The Road Subsidence Conditions and Safety Improvement Plans in Seoul", 2016-PR-09, The Seoul Institute.
Chen, W., Xie, X., Wang, J., Pradhan, B., Hong, H., Bui, D. T.,... and Ma, J. (2017), A comparative study of logistic model tree, random forest, and classification and regression tree models for spatial prediction of landslide susceptibility, Catena, Vol.151, pp. 147-160.

상세보기
Guo, S., Shao, Y., Zhang, T., Zhu, D.Z., Asce, M., and Zhang, Y. (2013), "Physical Modeling on Sand Erosion around Defective Sewer Pipes under the Influence of Groundwater", Journal of Hydraulic Engineering, Vol.139, pp.1247-1257.

상세보기
Hosmer, D. W., Lemeshow, S., and Rodney, X. S. (2000), Applied logistic regression, Wiley, New York.
Indiketiya, S., Jegatheesan, P., and Pathmanathan, R. (2017), "Evaluation of Defective Sewer Pipe Induced Internal Erosion and Associated Ground Deformation Using Laboratory Model Test", Canadian Geotechnical Journal, Vol.54, pp.1184-1195.

상세보기
Korea Institute of Civil Engineering and Building Technology (2020), "Underground Space DB Accuracy Improvement and Underground Utilities Safe Management Technology", KICT 2020-215.
Korea Institute of Geoscience and Mineral Resources (2014), "A Study on the Causes and Policy Recommendations of Sinkholes", Final Report.
Kim, C ., Jung, J., C hoi, C ., and Yoo, W. (2015), "Causes of Ground Subsidence (Sinkholes), Technology and Policy Countermeasures", Ssangyong Engineering & Construction Research Institute, Vol.71, pp.17-25.
Kim, K., Kim, J., Kwak, T. Y., and Chung, C. K. (2018), Logistic regression model for sinkhole susceptibility due to damaged sewer pipes, Natural Hazards, Vol.93, No.2, pp.765-785.

상세보기
Kuwano, R., Horii, T., Yamauchi, K., and Kohashi, H. (2010), "Formation of Subsurface Cavity and Loosening due to Defected Sewer Pipes", Japanese Geotechnical Journal, Vol.5, pp.349-361.

상세보기
Kwak, T. Y., Woo, S. I., Kim, J., and Chung, C. K. (2019), "Model Test Assessment of the Generation of Underground Cavities and Ground Cave-ins by Damaged Sewer Pipes", Soils and Foundations, Vol.59, pp.586-600.

상세보기
Kwak, T. Y., Woo, S. I., Chung, C. K., and Kim, J. (2020), "Experimental Assessment of the Relationship between Rainfall Intensity and Sinkholes Caused by Damaged Sewer Pipes", Natural Hazards and Earth System Sciences, Vol.20, pp.3343-3359.

상세보기
Matin, S. S., Farahzadi, L., Makaremi, S., C helgani, S. C ., and Sattari, G. (2018), "Variable Selection and Prediction of Uniaxial Compressive Strength and Modulus of Elasticity by Random Forest", Applied Soft Computing, Vol.70, pp.980-987.

상세보기
Mukunoki, T., Kumano, N., Otani, J., and Kuwano, R. (2009), "Visualization of Three Dimensional Failure in Sand due to Water Inflow and Soil Drainage from Defective Underground Pipe Using X-Ray CT", Soils and Foundations, Vol.49, pp.959-968.

상세보기
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... and Duchesnay, E. (2011), "Scikit-learn: Machine Learning in Python. the Journal of machine Learning research", Vol.12, pp.2825-2830.

상세보기
Sato, M. and Kuwano, R. (2015), "Influence of Location of Subsurface Structures on Development of Underground Cavities Induced by Internal Erosion", Soils and Foundations, Vol.55, pp.829-840.

상세보기
Sun, D., Xu, J., Wen, H., and Wang, D. (2021), "Assessment of Landslide Susceptibility Mapping based on Bayesian Hyperparameter Optimization: A Comparison between Logistic Regression and Random Forest", Engineering Geology, Vol.281, 105972.

상세보기
Yokota, T., Fukatani, W., and Miyamoto, T. (2012), "The Present Situation of the Road Cave in Sinkholes Caused by Sewer Systems".
Zhang, W., Wu, C., Zhong, H., Li, Y., and Wang, L. (2021), "Prediction of Undrained Shear Strength Using Extreme Gradient Boosting and Random Forest based on Bayesian Optimization", Geoscience Frontiers, Vol.12, No.1, pp.469-477.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증