머신러닝 기법을 이용한 수도권 지역의 호우피해 예측함수 개발

• 영문명: Development of Heavy Rain Damage Prediction Functions in the Seoul Capital Area Using Machine Learning Techniques
• 발행기관: 한국방재학회
• 저자명: 최창현(Choi, Changhyun) 김종성(Kim, Jongsung) 김동현(Kim, Donghyun) 이준형(Lee, Junhyeong) 김덕환(Kim, Deokhwan) 김형수(Kim, Hung Soo)
• 간행물 정보: 『2. 한국방재학회 논문집』 18권7호, 435~447쪽, 전체 13쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2018.12.30

국문 초록

본 연구에서는 3가지의 머신러닝 기법(서포트 벡터 머신, 의사결정나무, 랜덤포레스트)을 이용하여 수도권 지역의 호우피해 예측함수를 개발하였다. 호우피해 예측함수의 종속변수로 호우피해액 자료를 사용하였고, 독립변수로 기상관측자료를 사용하였 다. 분석결과 과거 2일전의 기상관측자료를 기반으로 서포트 벡터 머신을 이용하여 개발한 함수가 가장 높은 예측력을 보였다. 기존의 연구들에서 주로 사용하였던 선형회귀모형과 비교한 결과 머신러닝 기법을 이용한 함수가 대부분 예측력이 높은 것으로 나타나 재난관리 분야에 머신러닝 기법의 적용이 가능한 것으로 판단되었다. 또한, 본 연구에서 개발된 호우피해 예측함수를 활용하여 피해 발생 전에 호우피해를 예측한다면, 적절한 재난관리를 통해 피해를 저감하는데 도움이 될 수 있을 것으로 판단된다.

영문 초록

In this study, we developed heavy rain damage prediction functions using three machine learning techniques (support vector machine, decision tree, and random forest) for the Seoul Capital Area, South Korea. Data on damage caused by heavy rain were used as the dependent variable for the development of the heavy rain damage prediction function, and weather observation data were used as the independent variables. When we compared the results, the best function was the support vector machines based on weather observation data of the past two days. Compared to the linear regression model used primarily in previous studies, the results showed that the functions using machine learning techniques were mostly predictable. Therefore, it was judged that the machine learning techniques could be applied to disaster management areas. Also, it is believed that using the heavy rain damage prediction function developed in this study can help reduce damage through proper disaster management before the damage occurs.

목차

1. 서 론

2. 선형회귀모형과 머신러닝 기법

3. 대상지역 선정 및 자료 구축

4. 호우피해 예측함수 개발 및 예측력 평가

5. 결 론

키워드

Disaster Management Heavy Rain Damage Machine Learning Random Forest Support Vector Machine 재난관리 호우피해 머신러닝 랜덤포레스트 서포트 벡터 머신