본문 바로가기 주메뉴 바로가기
국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

초록보기

비탈면 재해를 예방하기 위해 ‘산사태 위험지 평가표’ 및 ‘재해위험도 평가표’와 같은 정성적 평가 도구들이 개발되어 급경사지의 위험성 평가에 활용되고 있다. 이러한 평가표의 개발과 개선을 위해 다양한 방법론이 제안되고 있으며, 특히 전문가 그룹을 대상으로 한 계층분석기법(AHP)을 이용한 연구가 다수 수행되어 왔다. 본 연구에서는 비탈면 붕괴 발생 여부에 대한 정량적 예측을 목적으로 비탈면 붕괴 발생 및 미발생 사례에 대한 데이터베이스를 구축하고, 이를 기반으로 다양한 기계학습 기법을 적용하여 분류 예측 성능을 비교·평가하였다. 주요 분석 기법으로는 로지스틱 회귀, 랜덤 포레스트, 극단적 무작위 트리, XGBoost 등을 사용하였으며, 국내 급경사지의 재해위험도 평가 결과를 바탕으로 각 모델의 성능을 시험하였다. 그 결과, XGBoost 모형이 시험용 데이터에서 정확도 98.60%, 민감도 76.47%, F1 score 76.47%, MCC 75.75%를 기록하며, 가장 우수한 분류 성능을 나타냈다. 본 연구는 정성적 평가의 비중이 큰 기존의 위험성 평가 방식에 정량적 예측 기법을 도입함으로써, 급경사지 재해 예방을 위한 과학적 의사결정 기반을 수립하기 위한 기초적인 정보를 제공할 수 있을 것으로 기대된다.

비탈면 재해를 예방하기 위해 ‘산사태 위험지 평가표’ 및 ‘재해위험도 평가표’와 같은 정성적 평가 도구들이 개발되어 급경사지의 위험성 평가에 활용되고 있다. 이러한 평가표의 개발과 개선을 위해 다양한 방법론이 제안되고 있으며, 특히 전문가 그룹을 대상으로 한 계층분석기법(AHP)을 이용한 연구가 다수 수행되어 왔다. 본 연구에서는 비탈면 붕괴 발생 여부에 대한 정량적 예측을 목적으로 비탈면 붕괴 발생 및 미발생 사례에 대한 데이터베이스를 구축하고, 이를 기반으로 다양한 기계학습 기법을 적용하여 분류 예측 성능을 비교·평가하였다. 주요 분석 기법으로는 로지스틱 회귀, 랜덤 포레스트, 극단적 무작위 트리, XGBoost 등을 사용하였으며, 국내 급경사지의 재해위험도 평가 결과를 바탕으로 각 모델의 성능을 시험하였다. 그 결과, XGBoost 모형이 시험용 데이터에서 정확도 98.60%, 민감도 76.47%, F1 score 76.47%, MCC 75.75%를 기록하며, 가장 우수한 분류 성능을 나타냈다. 본 연구는 정성적 평가의 비중이 큰 기존의 위험성 평가 방식에 정량적 예측 기법을 도입함으로써, 급경사지 재해 예방을 위한 과학적 의사결정 기반을 수립하기 위한 기초적인 정보를 제공할 수 있을 것으로 기대된다.