인공신경망과 다중회귀모형을 이용한 호우피해 예측함수 개발

• 영문명: Development of Heavy Rain Damage Prediction Function Using Artificial Neural Network and Multiple Regression Model
• 발행기관: 한국방재학회
• 저자명: 김종성(Kim Jong sung) 최창현(Choi Chang hyun) 김동현(Kim Dong hyun) 이명진(Lee Myung jin) 김형수(Kim Hung Soo)
• 간행물 정보: 『2. 한국방재학회 논문집』 17권6호, 73~80쪽, 전체 8쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2017.12.30

국문 초록

본 연구에서는 경기도 지역을 대상으로 지역별로 피해양상에 따라 4가지 등급을 부여하였고, 호우피해 예측을 위한 함수를 개발하였다. 함수 개발을 위해 재해통계 자료를 조사하여 피해액을 종속변수로 구성하였고, 수문기상 자료들을 분석하여 독립변수를 구성하였다. 통계적 기법으로는 다중회귀모형, 주성분 회귀모형, 인공신경망을 이용하였다. 모형의 학습을 위해 2005~2011년까지 자료를 활용하였고, 2012~2015년까지의 자료를 토대로 예측력을 평가하였다. 예측력 평가결과 NRMSE가 약 19~22%로 나타났고, 인공신경망에서 가장 높은 예측력을 보였다. 본 연구결과를 바탕으로 사전 대비차원의 재난관리가 이루어진다면 급증하는 자연재난으로 인한 피해를 저감할 수 있을 것으로 판단된다.

영문 초록

This study classified the heavy rain damage pattern into four classes for each region in Gyeonggi province and developed the damage prediction function. We determined dependent variables using disaster statistics data like damage data and independent variables using hydrological data like rainfall data. We used multiple regression models, principal component regression models, and artificial neural networks as statistical techniques for the construction of the function. This study used data from 2005 to 2011 for model construction and used data from 2012 to 2015 as the prediction period for verification of the constructed model. We evaluated the predictability of the constructed model by using NRMSE. The NRMSE was in the range of 19~22%. The model using artificial neural networks showed the best prediction performance. If disaster management is carried out based on the results of this study, it will be helpful to reduce the damage by increasing natural disasters.

목차

Abstract

요지

1. 서론

2. 호우피해 예측함수 구축을 위한 모형

3. 대상지역 선정 및 입력자료 설정

4. 호우피해 예측함수 구축 및 예측력 평가

5. 결론

감사의 글

References

키워드

호우피해 예측함수 다중회귀모형 주성분 회귀모형 인공신경망 Heavy Rain Damage Prediction Function Multiple Regression Model Principal Component Regression Model Neural Networks Model