• 한국방재학회:학술대회논문집
• /
• 2009.02b
• /
• pp.99.2-99.2
• /
• 2009

• Proceedings of the Korean Institute of Industrial Safety Conference
• /
• 1998.11a
• /
• pp.185-190
• /
• 1998

한국의 산업재해를 2000년대에 선진국 수준에 도달할 수 있는지 여부와 이를 달성하기 위한 대책을 수립하기 위하여 한국의 2000년대 산업재해를 예측하였다. 예측모형은 여러 시계열 분석방법중 MAD가 가장 작은 모형을 선택하여 Q/S S/W로 분석하였다. 분석결과 도수율은 2000년에 선진국 수준에 달성할 수 있으나 사망 만인율과 같은 강도율은 거의 불가능하다. 본 논문에서는 이에 대한 여러 효율적인 대책안을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.425-425
• /
• 2017

최근 기후변화의 영향으로 태풍과 국지성 집중호우가 빈번하게 발생하면서 인명 및 재산피해가 증가하고 있다. 이러한 자연재해를 줄이기 위하여 국가적 차원에서 피해예측 및 피해규모를 정확하게 산정하는 시스템 구축이 필요한 시점이다. 해외 주요국에서는 풍수해 재해통계 DB를 구축하고, 이를 피해예측시스템에 적용하여 피해규모를 산정함으로써 풍수해 재난관리에 활용하고 있다. 그러나 국내의 경우, 재해정보 피해통계가 공공시설에 한정되어 있거나 단순 복구비의 직접관리 수준에 그치고 있는 등 피해예측기술 및 시스템 개발 수준은 초기단계에 머물고 있다. 따라서 재해정보 기본통계를 정비하고 재난대응 단계별 의사결정 지원에 활용할 수 있는 풍수해 피해예측 및 피해액 산정 시스템을 구축할 필요가 있다. 본 연구에서는 풍수해피해예측시스템 구축을 위한 핵심 기술요소 도출하고자 한다. 이를 위하여 사전단계인 재해정보 기본통계 DB구축 방안을 검토하여 재해연보 개선안을 제시하였다. 먼저, 피해예측시스템 구축에 필요한 필수 DB를 파악하고 기존 재해연보의 활용성을 검토하였다. 검토 결과를 바탕으로 재해연보의 문제점을 파악하고 피해예측시스템에 적용이 가능한 기초 DB를 구축하기 위하여 재해연보의 개선방안을 도출하였다. 다음으로 미국에서 개발한 HAZUS-MH 시스템의 피해예측 관련 기술정보를 분류하고, 국내에서 개발 중인 피해예측시스템과 비교분석하여 핵심 기술요소를 도출하였다. 본 연구의 결과는 다음과 같다. 첫째, 풍수해 피해예측시스템의 핵심요소로서 세분화된 재해통계 DB의 구축이 필수적이다. 재해연보를 기초 DB로서 활용하기 위하여 재해항목 구체화 및 자료형태 다양화 등 재해연보의 개선이 시급하다. 둘째, 피해예측시스템 개발을 위한 핵심기술 요소는 (1)함수(모형)의 개발, (2)지리정보시스템(GIS)과의 연계, (3)피해예측시스템 구축 및 모형분석을 위한 컴퓨팅기술, (4)실시간 관측기술 및 강우량 사전예측 등으로 도출이 되었다. 이와 같이 도출한 핵심 기술요소를 바탕으로 국가 R&D 및 재난안전분야의 기술개발을 추진하여야 한다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.2C
• /
• pp.59-69
• /
• 2009

Based on the data obtained from field investigation and soil testing to slope hazards occurrence section and non-occurrence section in crystalline rocks like gneiss, granite, and so on, a prediction model was developed by the use of a decision tree model. The classification standard of the selected prediction model is composed of the slope angle, the coefficient of permeability and the void ratio in the order. The computer program, SHAPP ver. 1.0 for prediction of slope hazards around an important national facilities using GIS technique and the developed model. To prove the developed prediction model and the computer program, the field data surveyed from Jumunjin, Gangneung city were compared with the prediction result in the same site. As the result of comparison, the real occurrence location of slope hazards was similar to the predicted section. Through the continuous study, the accuracy about prediction result of slope hazards will be upgraded and the computer program will be commonly used in practical.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.485-485
• /
• 2021

최근 세계적인 기상이변으로 자연재해의 발생빈도 증가는 물론 이로 인한 피해가 점차 다양화 및 대형화되어 가고 있는 추세이다. 재난으로 인한 피해는 발생지역 피해뿐만 아니라 국가 경제 전반에 큰 영향을 미치는 특징이 있다. 우리나라의 자연재해 중 대설은 다른 자연재해에 비해 발생빈도는 낮지만 광역적인 피해를 유발하며, 피해 면적에 비해 피해액 규모가 크다. 또한 현재에는 강원권이 가장 취약한 것으로 취약성 분석 결과에서 보여주지만, 미래에는 강원권, 충청권, 호남권을 연결하는 축으로 취약지역이 확대될 것으로 전망된다. 본 연구에서는 현재 사회 전반에서 다양하게 활용되고 있는 머신러닝 기법을 이용하여 우리나라 대설피해액을 예측하는 대설피해 예측모형을 개발하고자 하였다. 머신러닝 기법으로는 랜덤포레스트, 서포트 벡터 머신, 인공신경망 기법을 이용하였고, 모형에 사용한 변수는 기상관측자료, 사회·경제적 요소 등을 활용하여 모형을 개발하였다. 결과적으로 기존연구에서 다중회귀모형을 이용하여 개발된 예측모형과 본 연구에서 3개의 머신러닝 기법으로 개발된 예측모형의 예측력을 비교 분석하였고, 예측력이 가장 높은 모형을 제시하였다. 본 연구결과를 활용하여 모형의 개선 및 데이터 품질 개선이 이루어진다면 향후 대설피해에 대한 개략적인 대비가 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.125-125
• /
• 2011

본 연구에서는 기후변화에 의한 자연재해 취약성을 정량적으로 분석하기 위하여 기상인자와 재해발생으로 인한 피해액의 상관관계를 이용하였다. 재해로 인한 피해액은 1994년부터 2008년까지 15년간 전국 시군별로 피해액을 집계한 자료를 이용하였으며, 우리나라 58개 강우관측소의 일강수량 자료를 이용하여 재해에 영향을 줄 수 있는 네 가지 인자를 추출하였고, 연도별 태풍 발생 횟수도 하나의 기상인자로 고려하였다. 피해액의 규모는 가뭄, 화재, 태풍 및 해일 등 재해발생 유형에 따라서도 영향을 받겠지만, 기후변화 시나리오에 의해 예측할 수 있는 대표적인 미래 추정값은 강수량과 온도 등이며, 결국 재해발생 유형별 시나리오에 의한 재해규모 예측이 아닌 기후변화 시나리오에 의한 미래 재해발생 규모 모형을 구축하기 위해서는 관련 인자로서 강수량으로부터 추출한 인자들을 고려할 수밖에 없을 것이다. 일강수량으로부터 추출한 네 가지 영향인자들은 80mm이상 일강수량 발생일수, 80mm이상 일강수량의 합, 80mm이상 강우의 발생 간격이 30일 이하인 횟수 및 연최대강수량이다. 우선 광역시와 도별로 전국 58개 관측소를 분류하고, 해당 관측소들로부터 추출된 인자들의 평균값을 이용하여 연구를 진행하였다. 미래 강수량 자료는 국립기상연구소의 A2시나리오를 통계학적 Downscaling을 통해 재생산한 자료를 이용하였다. 예측모형은 Bayesian 모형을 기반으로 DEXP(double exponential distribution) 확률분포를 이용하였다. 재해피해액 를 아래와 같이 비정상성 모형으로 구성하였으며, 위치매개 변수의 확률분포를 네 가지 기상인자에 의한 회귀식으로 구성하였다. Y damage costs) = dexp(${\mu}(t),\tau(t)$) $p({\mu}(t))\sim(abs({\alpha}+{\alpha}_1X_1+{\alpha}_2X_2+{\alpha}_3X_3+{\alpha}_4X_4,\;\sigma_{\alpha}^2)$ $p(\tau){\sim}G(k,s)$.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.20-20
• /
• 2017

최근 기후변화 영향에 따라 전 세계적으로 인명피해 및 재산피해를 유발하는 자연재난이 지속적으로 증가하고 있으며, 그로 인한 자연재해의 규모가 점점 더 커지고 있다. 실제로 우리나라에서도 지난 1994 년에서 2013 년까지 지난 20 년간 자연재해에 의한 피해액은 12조 3천억 원으로 집계되었으며, 이 중 강우와 태풍에 의한 피해가 85 % 이고, 대설에 의한 피해는 약 13 % 로 자연재해 중 대부분의 피해는 강우 및 태풍에서 발생하지만, 폭설에 의한 피해도 적지 않은 것으로 나타났다. 이에 따라, 정확한 예측을 위해 신뢰도 높은 자료 구축을 통한 대설피해 예측에 관한 연구가 필요한 시점이다. 본 연구에서는 대설피해액 예측을 위해 우리나라의 63개 기상 관측소에서 관측한 적설심 자료 및 기상관측 자료와 사회 경제 자료 총 11개를 대설피해 예측을 위한 입력변수로 선정하고, 이를 기상관측소가 속한 도시의 면적에 따라 3개의 지역으로 구분하였다. 주성분분석을 활용하여 선정된 입력변수들을 4개의 주성분으로 구분하고, 인공신경망 및 다중선형 회귀 모형을 구성하여 각 지역별 대설피해 예측의 오차를 분석하였다. 적용결과, 인공신경망 모형을 이용한 대설피해 예측의 수정결정계수는 22.8 %~48.2 %를 나타냈고, 다중선형회귀 모형의 수정결정 계수는 9.2 %~39.7% 로 나타났다. 그러므로 인공신경망 모형이 다중회귀 모형보다 선택된 입력자료를 활용하여 대설피해를 예측하는 목적으로 조금 더 우수한 결과를 나타내었다. 향후 자료를 보완 및 모형의 고도화를 통해 보다 정확한 대설피해 예측 함수 개발이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.473-473
• /
• 2023

토사재해는 토사로 인해 발생하는 재해로 정의되며, 일반적으로 우기(rainy season)에 주로 발생한다. 또한, 강우로 인해 발생하는 토양침식(soil erosion)과 강우 및 지진에 의해 나타나는 산사태로 인한 토석류(debris flow)가 토사재해의 주요 원인으로 꼽힌다. 이러한 재해로 인하여 하천 및 호소의 수질 저하, 토양유실에 따른 농경지 감소 등 여러 문제가 발생하고 있다. 특히, 댐으로 유입되는 토사는 사수역(dead storage)을 증가시키고, 발전용 댐의 경우 토사재해가 발전설비 마모 등을 일으킴에 따라 발전효율을 감소시키기도 한다. 더욱이, 기후변화로 인하여 강우량 및 강우강도가 증가하고, 최근 한반도에서는 지진의 강도와 빈도 또한 증가함에 따라 토사재해의 잠재적 위험성을 증대시키고 있다. 따라서 댐 유역에서의 토사 유입에 관한 정량적 예측을 포함한 종합적인 댐 토사 관리기술 및 대책이 요구된다. 본 연구에서는 현재 수질 악화로 인해 발전이 중단된 도암댐을 대상으로 댐으로의 토사 유입량을 분석하고자 토양침식과 토석류의 정량적 예측이 가능하고, 각각의 물리적 과정을 고려하는 물리기반 모형을 활용하였다. 토사재해의 주요 원인인 강우와 지진에 대해 미래에 발생 가능한 시나리오를 작성하고, 시나리오별 토사 유입량과 유입 비율을 정량적으로 산정하였다. 본 연구의 결과는 유역 내 토사재해로 인한 피해 예방기술 및 댐 유지관리와 운영을 위한 기초 자료로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.97-97
• /
• 2023

최근 재해분야에서 인공신경망(ANN), 기계학습(ML), 딥러닝(DL) 등 AI 기술이 활용성이 점차 증가하고 있으며, 센싱정보와 연계한 시설물 안전관리, 원격탐사와 연계한 재해감시(녹조, 산사태, 산불 등), 수문시계열(수위, 유량 등) 예측, 레이더·위성강수 자료의 보정과 예측, 상하수도 관망누수예측 등 다양한 분야에서 AI 기술이 적용되고 그 활용성이 검증된 바 있다. 본 연구에서는 ML, DL, 물리기반신경망(Pysics-informed Neural Networks, PINNs)을 이용한 다양한 재해분석 사례를 소개하고, 그 활용성과 한계에 대해서 논의하고자 한다. 주요사례로는 (1) SAR영상과 기계학습을 이용한 재해피해지역(울진 산불) 감지, (2) 국가 디지털 정보를 이용한 산사태 위험지역 판별(인제 산사태) (3) 기계학습 및 딥러닝 기법을 이용한 위성강수 자료의 보정·예측 및 유출해석, (4) 수리해석을 위한 수치해석분야에서의 PINNs의 적용성(1차원 Saint-Venant 식 해석) 평가 연구결과를 공유한다. 특히, 자료의 입·출력 자료만으로 학습된 인공신경망 모형 대신 지배방정식(물리방정식)을 만족하도록 강제한 PINNs의 경우, 인공신경망 모형보다 우수한 모의능력을 보여주었으며, 향후 복잡한 수리모델링 등 수치해석분야에서 그 활용가능성이 매우 높을 것으로 판단된다.

• The Journal of Engineering Geology
• /
• v.18 no.1
• /
• pp.45-54
• /
• 2008

Based on the data obtained from field investigation and soil testing to slope hazards occurrence section and non-occurrence section in gneiss area, a prediction technique was developed by the use of a decision tree model, which is one of the statistical analysis methods. The slope hazards data of Seoul and Kyonggi Province, which were induced by heavy rainfall in 1998, were 104 sections in gneiss area. The number of data applied in developing prediction model was 61 sections except a vacant value. Among these data, the number of data occurred slope hazards was 34 sections and the number of data non-occurred slope hazards was 27 sections. The statistical analyses using the decision tree model were applied to chi-square statistics, gini index and entrophy index. As the results of analyses, a slope angle, a degree of saturation and an elevation were selected as the classification standard. The prediction model of decision tree using entrophy index is most likely accurate. The classification standard of the selected prediction model is composed of the slope angle, the degree of saturation and the elevation from the first choice stage. The classification standard values of the slope angle, the degree of saturation and elevation are $17.9^{\circ}$, 52.1% and 320 m, respectively.