• 제목/요약/키워드: 재해 발생 확률

검색결과 173건 처리시간 0.017초

동해 울릉분지의 사면안정성 및 쇄설류 퇴적체의 발달 (Slope Stability and Development of Debris Flow Deposit in the Ulleung Basin, East Sea)

  • 이선종;이정민;유동근;이고은;박수철
    • 자원환경지질
    • /
    • 제50권2호
    • /
    • pp.129-143
    • /
    • 2017
  • 동해 울릉분지 남서부의 천부퇴적층은 대부분 사면사태와 쇄설류 퇴적체로 구성되어 있으며 주로 사면붕괴에 의해 야기된다. 따라서 쇄설류 퇴적체에 대한 연구는 지질재해 및 해저면의 안정성을 연구하는 측면에서 중요한 의미를 갖는다. 본 논문에서는 다중빔 음향측심자료를 이용하여 울릉분지의 흐름집적도 및 사면붕괴 취약성도를 작성하였다. 또한, 탄성파 탐사자료를 활용하여 동해 울릉분지의 최상부층에 존재하는 쇄설류 퇴적체의 분포 및 특성을 연구하였다. 사면붕괴 취약성도는 사면붕괴를 야기하는 각 요소별(경사, 경사방향, 곡률 그리고 수류력지수) 빈도비로 계산되었다. 이러한 결과는 동해 울릉분지의 남쪽과 서쪽 대륙사면에서 사면붕괴가 발생할 확률이 높은 것을 지시해준다. 사면붕괴로 야기되는 퇴적체의 흐름(쇄설류)은 사면기저부를 거쳐 울릉분지의 북서쪽 및 북쪽지역으로 수렴하고 있음을 보여준다. 탄성파 자료 분석에 의하면 연구지역의 최상부층에 분포하는 쇄설류 퇴적체는 총 4개의 퇴적단위로 구분된다. 이러한 퇴적단위의 분포는 흐름집적도와 사면붕괴 취약성도와 연계되어 발달하고 있는 것으로 보인다.

HAZUS를 이용한 충남지역의 지진피해 연구 (The Seismic Hazard Study on Chung-Nam Province using HAZUS)

  • 강익범;박정호
    • 한국방재학회 논문집
    • /
    • 제2권2호
    • /
    • pp.73-83
    • /
    • 2002
  • 미국 재난 관리청인 FEMA에서 개발한 지진피해예측 software인 HAZUS를 충청남도 지역에 적용하여 건물 인구 시추자료 등 1차적인 data를 가지고 지진재해규모를 산정해 보았다. 이번 연구에서는 과거 충남지역에서의 역사지진기록과 계기지진기록을 조사하여 가상최대지진 및 지진재래주기별 최대가속도 값을 계산한 후 지진피해를 산정하였다. 홍성에서 가상지진(지진규모 6.0)을 발생시켜 결정론적 방법에 의해 충남지역 용도별 구조별 건물과 인명피해를 계산하여 지진피해를 예측한 결과 주거용 상가용 콘크리트 건물은 모두 홍성군 예산군 보령시가 피해가 가장 심한 지역으로 나타났으며 인명피해는 통원 및 입원치료에 해당되는 부상정도가 홍성 및 예산에서 군 인구당 각각 1.1명 및 0.4명꼴로 나타났으며 확률론적 방법(5,000년 재래주기)에 의해 충남지역 용도별 구조별 건물과 인명피해를 계산하여 지진피해를 예측한 결과 대체로 주거 상가 콘크리트 건물피해는 공주지역의 지진피해가 높은 것으로 나타났으며 인명피해는 통원 및 입원치료에 해당되는 부상정도가 공주시 논산시가 가장 심한 지역으로 나타났으며 각각 시 인구당 0.1명꼴 0.15명꼴로 나타났다.

재난 현장 물리적 보안을 위한 딥러닝 기반 요구조자 탐지 알고리즘 (Deep Learning Based Rescue Requesters Detection Algorithm for Physical Security in Disaster Sites)

  • 김다현;박만복;안준호
    • 인터넷정보학회논문지
    • /
    • 제23권4호
    • /
    • pp.57-64
    • /
    • 2022
  • 화재, 붕괴, 자연재해 등의 재난 발생으로 건물 내부가 붕괴하는 경우, 기존의 건물 내부의 물리적 보안이 무력해질 확률이 높다. 이때, 붕괴 건물 내의 인명피해와 물적 피해를 최소화하기 위한 물리적 보안이 필요하다. 따라서 본 논문은 기존 연구되었던 장애물을 탐지하고 건물 내 붕괴된 지역을 탐지하는 연구와 인명피해를 최소화하기 위한 딥러닝 기반 객체 탐지 알고리즘을 융합하여 재난 상황의 피해를 최소화하기 위한 알고리즘을 제안한다. 기존 연구에서 단일 카메라만을 활용하여 현재 로봇이 있는 복도 환경의 붕괴 여부를 판단하고 구조 및 수색 작업에 방해가 되는 장애물을 탐지했다. 이때, 붕괴 건물 내 물체는 건물의 잔해나 붕괴로 인해 비정형의 형태를 가지며 이를 장애물로 분류하여 탐지하였다. 또한, 재난 상황에서 자원 중 가장 중요한 요구조자를 탐지하고 인적 피해를 최소화하기 위한 방법을 제안하고 있다. 이를 위해, 본 연구는 공개된 재난 영상과 재난 상황의 이미지 데이터를 수집하여 다양한 딥러닝 기반 객체 탐지 알고리즘을 통해 재난 상황에서 요구조자를 탐지하는 정확도를 구했다. 본 연구에서 재난 상황에 요구조자를 탐지하는 알고리즘을 분석한 결과 YOLOv4 알고리즘의 정확도가 0.94로 실제 재난 상황에서 활용하기 가장 적합하다는 것을 증명하였다. 본 논문을 통해 재난 상황의 효율적인 수색과 구조에 도움을 주며 붕괴된 건물 내에서도 높은 수준의 물리적 보안을 이룰 수 있을 것이다.