인공신경망 기반 자연재해 피해액 추정 모형

• 영문명: An Artificial Neural Network-based Model for Estimating Damage of Natural Disasters
• 발행기관: 위기관리 이론과 실천
• 저자명: 정근채(Keun-Chae Jeong)
• 간행물 정보: 『한국위기관리논집』Crisisonomy Vol.16 No.3, 81~95쪽, 전체 15쪽
• 주제분류: 사회과학 > 행정학
• 파일형태: PDF
• 발행일자: 2020.03.30

국문 초록

기존에 공공 데이터베이스 정보를 이용하여 자연재해로 인한 피해액을 추정하기 위한 회귀분석 모형 개발 연구가 진행되었다. 그러나 이모형은 종속변수의 로그변환을 통해 독립변수와 종속변수간의 비선형성을 반영했음에도 불구하고, 독립변수와 종속변수 간의 선형관계를 가정하는 회귀분석모형의 고유한 특성으로 인해 예측 정확도 향상에 한계점을 나타냈다. 이에 본 연구에서는 독립변수와 종속변수 간의 선형성 가정이 요구되지 않는 인공신경망 모형을 기반으로 자연재해 피해액을좀 더 정확하게 예측할 수 있는 모형을 제시한다. 제안된 모형의 유효성을 검증하기 위해, 인공신경망 모형을 이용한 피해액 예측치, 회귀분석 모형을 이용한 피해액 예측치, 자연재해 위험지표 평가결과, 지역안전도 등급, 자연재해로 인한 실제 피해액을 비교·분석하였다. 분석 결과, 인공신경망을이용하여 도출된 추정치가 기존의 회귀분석을 이용하여 도출된 추정치뿐만 아니라 자연재해 위험지표와 지역안전도 평가결과에 비해서도 실제 자연재해 피해액과 더 높은 상관관계, 즉, 더 높은 예측력을 나타내는 것을 확인할 수 있었다.

영문 초록

In the previous research, we developed a regression model for estimating damage of natural disasters based on the public database. Although this model considers nonlinearities among variables by using log transformation for the dependent variable, it reveals limitations in improving estimation accuracy because of its inherent characteristics of linearity assumption between independent and dependent variables. In this study, we proposed an artificial neural network (ANN) based model to predict the amount of damages due to natural disasters more accurately, which does not require the linearity assumption among the variables. For verification of the proposed model, we compared the model estimates with those from the regression model, including the Natural Disaster Risk Index (NDRI), Regional Safety Grades (RSG), and actual damage amounts. According to the results of analysis, we can confirm that the estimates from the ANN-based model reveal a higher correlation with the actual damage amounts than those from the regression model or the assessment results of NDRI and RSG.

목차

Ⅰ. 서 론

Ⅱ. 회귀분석 모형

Ⅲ. 인공신경망 모형

Ⅳ. 모형 간 자연재해 피해액 예측 성능 비교 분석

Ⅴ. 결 론

References

키워드

자연재해 피해액 인공신경망 예측 비선형성 natural disaster damage amount artificial neural network forecast non-linearity