$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

지진 취약성 평가 모델 교차검증: 경주(2016)와 포항(2017) 지진을 대상으로
A Cross-Validation of SeismicVulnerability Assessment Model: Application to Earthquake of 9.12 Gyeongju and 2017 Pohang 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.3, 2021년, pp.649 - 655  

한지혜 (행정안전부 국립재난안전연구원) ,  김진수 (부경대학교 공간정보시스템공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 경주시를 대상으로 수행한 선행연구를 바탕으로 도출된 최적의 지진 취약성 평가 모델을 타 지역에 적용하여 그 성능을 교차 검증(cross-validation)하고자 한다. 테스트 지역은 2017 포항지진(Pohang Earthquake)이 발생한 포항시이며, 선행연구와 동일한 영향인자 및 피해현황 관련 데이터셋을 구축하였다. 검증 데이터 셋은 무작위로 추출해 구축하였으며, 경주시의 랜덤 포레스트(random forest, RF) 기반의 모델에 적용하여 예측 정확도를 도출하였다. 경주시의 모델(success) 및 예측(prediction) 정확도는 100%, 94.9%이며, 포항시 검증 데이터 셋을 적용해 예측 정확도를 확인한 결과 70.4%로 나타났다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study purposes to cross-validate its performance by applying the optimal seismic vulnerability assessment model based on previous studies conducted in Gyeongju to other regions. The test area was Pohang City, the occurrence site for the 2017 Pohang Earthquake, and the dataset was built the same...

주제어

#Seismic vulnerability   #Random forest   #Cross-validation   #Gyeongju Earthquake   #Pohang Earthquake  

표/그림 (7)

참고문헌 (7)

  1. Han, J. and J. Kim, 2019. A GIS-Based Seismic vulnerability mapping and assessment using AHP: A case study of Gyeongju, Korea, Korean Journal of Remote Sensing, 35(2): 217-228 (in Korean with English abstract). 

    원문보기 상세보기 crossref

  2. Han, J., S. Park, S. Kim, S. Son, S. Lee, and J. Kim, 2019. Performance of Logistic Regression and Support Vector Machines for Seismic Vulnerability Assessment and Mapping: A Case Study of the 12 September 2016 ML5. 8 Gyeongju Earthquake, South Korea, Sustainability, 11(24): 7038. 

    상세보기 crossref

  3. Han, J. and J. Kim, 2020. Seismic Vulnerability Assessment and Mapping for 9.12 Gyeongju Earthquake Based on Machine Learning, Korean Journal of Remote Sensing, 36(6-1): 1367-1377 (in Korean with English abstract). 

  4. Han, J., J. Kim, S. Park, S. Son, and M. Ryu, 2020. Seismic Vulnerability Assessment and Mapping of Gyeongju, South Korea Using Frequency Ratio, Decision Tree, and Random Forest, Sustainability, 12(18): 7787. 

    상세보기 crossref

  5. Kim, Y., J. Rhie, T.S. Kang, K.H. Kim, M. Kim, and S.J. Lee, 2016a. The 12 September 2016 Gyeongju earthquakes: 1. Observation and remaining questions, Geosciences Journal, 20(6): 747-752. 

    상세보기 crossref

  6. Kim, K.H., T.S. Kang, J. Rhie, Y. Kim, Y. Park, S.Y. Kang, M. Han, J. Kim, J. Park, and M. Kim, 2016b. The 12 September 2016 Gyeongju earthquakes: 2. Temporary seismic network for monitoring aftershocks, Geosciences Journal, 20(6): 753-757. 

    상세보기 crossref

  7. Ministry of the Interior and Safety (MOIS), 2018. 2017 Pohang Earthquake White Paper, Sejong, KR (in Korean). 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로