[논문]경기도 지역 호우피해 예측함수개발

김종성; 최창현; 오승현; 한대건; 김형수

경기도 지역 호우피해 예측함수개발
Development of Heavy rain damage Prediction functions in Gyeonggi Province 원문보기

김종성 (인하대학교 토목공학과) , 최창현 (인하대학교 토목공학과) , 오승현 (인하대학교 토목공학과) , 한대건 (인하대학교 토목공학과) , 김형수 (인하대학교 사회인프라공학과)

최근 자연재난으로 인한 인명피해는 감소하는 추세를 나타내고 있으나, 기후변화 및 도시화 등으로 인해 재산피해는 점차 증가하고 있는 실정이다. 기존의 연구는 재난이 일어난 후 사후복구차원에서 피해액을 집계하거나 복구비를 추정하는 연구가 주를 이루고 있으며, 재난이 발생하기 전에 피해액을 추정하는 연구는 매우 미흡한 실정이다. 따라서 본 연구에서는 과거 통계자료를 기반으로 인공신경망과 다중회귀분석을 이용하여 전체 자연재난 피해액의 약 95%를 차지하는 호우피해액을 예측하기 위한 피해함수 개발하고자 한다. 대상지역으로는 경기도 지역으로 선정하였고, 1994년부터 2015년까지의 수문기상자료와 시군구별 재해통계자료를 수집하여 분석을 위한 함수개발을 위한 자료로 재구축하였다. 또한 시간별 최대 강우량과 피해액에 대한 상관분석을 실시하여 지속시간별(1~24시간) 최대강우 자료와 재해기간별 선행강우(1~5일)자료, 그리고 재해기간의 총강우량 자료가 상관성이 높다는 것을 파악했다. 이를 독립변수로 활용하고, 재해기간별 피해액을 종속변수로 사용하여 지역별 호우피해 예측함수를 개발하였다. 본 연구는 효율적이고, 효과적으로 재해예방을 위한 방재체계를 수립하는데 기초자료로 활용될 것으로 판단되며, 사전대비 차원의 재난관리를 통해 정책결정권자들의 의사결정에도 도움을 줄 수 있다고 판단된다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러나 국내에는 체계적이고 일관된 통계기반 정보체계가 미흡하고, 또한 기존의 연구 동향을 살펴보면 재난이 발생한 후의 복구비 산정 및 피해액을 산정하고 있어 재해 발생 전에 피해액을 추정하는 연구는 매우 미흡한 실정이다. 따라서 본 연구에서는 재난이 발생하기 전에 재난에 신속히 대응할 수 있도록 강우-피해액에 대한 함수를 개발하고 이를 이용하여 강우에 따른 피해액을 미리 추정하고자 한다.
본 연구에서는 최근 10년의 자연재해 중 60% 이상을 차지하는 호우피해에 초점을 두어 피해함수를 개발하였다. 대상지역은 경기도지역으로 정하였는데, 경기도 지역 총 31개의 시군구에서 유의확률 및 표본개수 부족의 문제로 총 18개의 지역에서만 분석이 가능하였다.

제안 방법

요인분석이란 변수들끼리의 상관관계가 높을 때, 각 변수들의 정보를 포함하여 각 변수의 차원을 축소하는 방법을 말한다. 따라서 지속시간 별 최대강우량(1시간～24시간)과 선행강우량(1일～5일)을 각각 요인분석을 실시하였고, 해당하는 새로운 변수가 각각 1개씩 생성되었다. 요인분석을 통해 생성된 변수와 총강우량, 재해 일수를 독립변수로 활용하고, 물가환산지수를 고려한 총 피해액을 종속변수로 구성하여 인공신경망과 다중회귀 모형을 구축하였다.
본 연구에서는 경기도 지역을 대상으로 호우피해 예측을 위한 함수를 다중회귀모형과 인공신경망을 통해 개발하고, 두 모형의 예측력을 비교분석 하였다. 이를 위해 대상지역의 1994년부터 2013년까지 20년의 재해연보자료를 활용하여 재해통계자료를 수집하고, 원인별, 기간별, 지역별, 시설물별로 구분하여 재해통계 데이터를 재구축하였다.
그리고 재구축된 피해액을 화폐가치를 고려하기 위해 재해연보(2015)에서 피해액을 사용한 방법과 동일하게 생산자 물가지수를 활용하여 피해금액을 환산하였다. 수문기상자료는 경기도 지역의 종관기상관측소의 시강우자료를 수집하여 해당 재해기간동안의 지속시간 별 최대강우량(1시간～24시간)과 선행강우량(1일～5일), 총강우량을 산출하고, 각각을 독립변수로 활용하기 위하여 다중공선성진단을 하였다. 진단 결과, 지속시간 별 최대강우량(1시간～24시간)과 선행강우량(1일～5일)이 각각의 높은 상관관계를 가지고 있었고, 이를 해결하기 위해 요인분석을 통해 차원을 축소를 실시하였다.
따라서 지속시간 별 최대강우량(1시간～24시간)과 선행강우량(1일～5일)을 각각 요인분석을 실시하였고, 해당하는 새로운 변수가 각각 1개씩 생성되었다. 요인분석을 통해 생성된 변수와 총강우량, 재해 일수를 독립변수로 활용하고, 물가환산지수를 고려한 총 피해액을 종속변수로 구성하여 인공신경망과 다중회귀 모형을 구축하였다. 또한 각 모형으로 경기도 지역의 호우피해액을 예측하였고, RMSE방법을 통해 예측력 평가를 실시하였다.
본 연구에서는 경기도 지역을 대상으로 호우피해 예측을 위한 함수를 다중회귀모형과 인공신경망을 통해 개발하고, 두 모형의 예측력을 비교분석 하였다. 이를 위해 대상지역의 1994년부터 2013년까지 20년의 재해연보자료를 활용하여 재해통계자료를 수집하고, 원인별, 기간별, 지역별, 시설물별로 구분하여 재해통계 데이터를 재구축하였다. 그리고 재구축된 피해액을 화폐가치를 고려하기 위해 재해연보(2015)에서 피해액을 사용한 방법과 동일하게 생산자 물가지수를 활용하여 피해금액을 환산하였다.

대상 데이터

본 연구에서는 최근 10년의 자연재해 중 60% 이상을 차지하는 호우피해에 초점을 두어 피해함수를 개발하였다. 대상지역은 경기도지역으로 정하였는데, 경기도 지역 총 31개의 시군구에서 유의확률 및 표본개수 부족의 문제로 총 18개의 지역에서만 분석이 가능하였다. 인공신경망과 다중회귀모형으로 각각 경기도 지역의 호우피해액을 예측하였고, 예측력 평가 결과 RMSE는 각각 6,293(백만원), 5,552(백만원)으로 나타났으며, 결정계수는 각각 50%와 55%로 나타났다.

데이터처리

요인분석을 통해 생성된 변수와 총강우량, 재해 일수를 독립변수로 활용하고, 물가환산지수를 고려한 총 피해액을 종속변수로 구성하여 인공신경망과 다중회귀 모형을 구축하였다. 또한 각 모형으로 경기도 지역의 호우피해액을 예측하였고, RMSE방법을 통해 예측력 평가를 실시하였다.

성능/효과

인공신경망과 다중회귀모형으로 각각 경기도 지역의 호우피해액을 예측하였고, 예측력 평가 결과 RMSE는 각각 6,293(백만원), 5,552(백만원)으로 나타났으며, 결정계수는 각각 50%와 55%로 나타났다. 따라서 다중회귀모형이 약 5 % 정도 인공신경망보다 더 높은 예측력을 나타내는 것을 알 수 있었다. 본 연구의 결과는 효과적인 재해 관리체계를 확립하고, 재해 예방 및 대비단계의 기초 자료로 활용될 수 있을 것으로 판단된다.
대상지역은 경기도지역으로 정하였는데, 경기도 지역 총 31개의 시군구에서 유의확률 및 표본개수 부족의 문제로 총 18개의 지역에서만 분석이 가능하였다. 인공신경망과 다중회귀모형으로 각각 경기도 지역의 호우피해액을 예측하였고, 예측력 평가 결과 RMSE는 각각 6,293(백만원), 5,552(백만원)으로 나타났으며, 결정계수는 각각 50%와 55%로 나타났다. 따라서 다중회귀모형이 약 5 % 정도 인공신경망보다 더 높은 예측력을 나타내는 것을 알 수 있었다.
수문기상자료는 경기도 지역의 종관기상관측소의 시강우자료를 수집하여 해당 재해기간동안의 지속시간 별 최대강우량(1시간～24시간)과 선행강우량(1일～5일), 총강우량을 산출하고, 각각을 독립변수로 활용하기 위하여 다중공선성진단을 하였다. 진단 결과, 지속시간 별 최대강우량(1시간～24시간)과 선행강우량(1일～5일)이 각각의 높은 상관관계를 가지고 있었고, 이를 해결하기 위해 요인분석을 통해 차원을 축소를 실시하였다. 요인분석이란 변수들끼리의 상관관계가 높을 때, 각 변수들의 정보를 포함하여 각 변수의 차원을 축소하는 방법을 말한다.

후속연구

따라서 다중회귀모형이 약 5 % 정도 인공신경망보다 더 높은 예측력을 나타내는 것을 알 수 있었다. 본 연구의 결과는 효과적인 재해 관리체계를 확립하고, 재해 예방 및 대비단계의 기초 자료로 활용될 수 있을 것으로 판단된다.

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

경기도 지역 호우피해 예측함수개발
Development of Heavy rain damage Prediction functions in Gyeonggi Province 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

경기도 지역 호우피해 예측함수개발 Development of Heavy rain damage Prediction functions in Gyeonggi Province 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

경기도 지역 호우피해 예측함수개발
Development of Heavy rain damage Prediction functions in Gyeonggi Province 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper