• 한국수자원학회논문집
• /
• 제56권11호
• /
• pp.751-764
• /
• 2023

강원특별자치도는 태백산맥을 중심으로 지방에 따라 기후 특성이 매우 다르며, 국지성 호우가 빈번하게 발생하는 지역이다. 호우재해는 발생 시간이 짧고, 시공간적 변동성이 매우 커 많은 인명 및 재산피해를 유발한다. 최근 10년(2012~2021)간 강원지역 호우피해 발생 횟수는 28건이고, 평균 발생 피해액은 456억 원가량으로 집계되었다. 호우재해를 저감하기 위해선 지역단위의 재난관리 방안을 수립해야 한다. 특히나 현재 운영 중인 호우특보 기준은 획일화되어 지역 특성을 고려하지 못하는 한계가 있다. 이에 본 연구는 강원특별자치도에 위치한 특보구역을 대상으로 침수유발 강우량을 고려한 호우특보 기준을 제안하고자 한다. 특보구역별 침수유발 강우량 대푯값 분석 결과 평균값이 호우특보 발령 기준과 유사했고, 이를 본 연구의 호우특보 기준으로 선정하였다. 호우특보 기준 검토를 위한 강우사상으로 2019년 태풍 미탁, 2020년 태풍 마이삭과 하이선, 2023년 태풍 카눈 강우사상을 적용했고, Hit Rate 정확도 검증 결과 강릉평지 72%, 원주 98%로 본 연구는 실제 특보를 잘 반영함을 확인했다. 본 연구의 호우특보 기준은 위기경보 단계(관심, 주의, 경계, 심각)와 위계가 동일하여 선제적 호우재해 대응이 가능할 것으로 판단된다. 본 연구 결과는 향후 호우재해 대응의 획일적 의사결정 시스템을 보완하고, 이를 토대로 지역별 재해위험성을 고려한 호우특보 기준으로 활용될 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.111-131
• /
• 2015

본 연구에서는 데이터마이닝 기법의 일종인 자기조직화지도(Self-Organizing Map, SOM)를 이용하여 비외감기업의 부실화 유형을 구분하고자 한다. 자기조직화지도는 인공 신경망을 기초로 자율학습을 통해 입력된 값을 유사한 군집끼리 묶어내는 방법으로, 기존의 통계적 군집 분류 방법보다 성능이 뛰어나고, 고차원의 입력데이터를 저차원으로 시각화할 수 있다는 장점 때문에 다양한 분야에서 각광받고 있다. 본 연구에서는 기존 연구의 주요 분석대상이었던 외감기업에 비해 부실화 빈도는 높지만 데이터 수집의 어려움으로 인해 분석대상에서 다소 제외되었던 비외감기업의 부실화 유형에 대해 알아보고, 유형별 구체적인 사례도 소개하고자 한다. 재무자료수집이 가능한 100개의 비외감 부실기업에 대해 분석한 결과, 비외감기업의 부실화 유형은 다섯 가지로 구분되었다. 유형 1은 전체 집단의 약 12%를 차지하며, 수익성, 성장성 등 재무지표가 다른 유형에 비해 열등하였다. 유형 2는 전체 집단의 약 14%로, 유형 1보다는 덜 심각하지만 재무지표가 대체로 열등하였다. 유형 3은 성장성 지표가 열등한 그룹으로 기업간 경쟁이 극심한 가운데 지속적으로 성장하지 못하고 부실화된 경우로 약 30%의 기업이 포함되었다. 유형 4는 성장성은 탁월하나 부채경영 등 과감한 경영으로 인해 유동성 부족이나 현금부족 등의 이유로 부실화된 그룹으로 약 25%의 기업이 포함되었다. 유형 5는 거의 모든 재무지표가 우수한 건전기업으로, 단기적인 경영전략의 실수 또는 중소기업의 특성상 경영자의 개인적 사정으로 부실화 되었을 가능성이 큰 그룹으로 약 18%의 기업이 포함되었다. 본 연구 결과는 부실화 유형을 구분하는데 기존의 통계적 방법이 아닌 자기조직화지도를 이용하였다는 점에서 학문적 의의가 있고, 비외감기업의 재무지표만으로도 1차적인 부실화 징후를 발견할 수 있다는 점에서 실무적 의의가 있다고 할 수 있다.