J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 18(7); 2018 > Article
풍수해방재
Journal of the Korean Society of Hazard Mitigation 2018;18(7):435-447.
DOI: https://doi.org/10.9798/KOSHAM.2018.18.7.435    Published online December 31, 2018.
머신러닝 기법을 이용한 수도권 지역의 호우피해 예측함수 개발
최창현1, 김종성2, 김동현3, 이준형4, 김덕환5, 김형수6
1정회원, 인하대학교 토목공학과 박사수료
2정회원, 인하대학교 토목공학과 박사과정
3정회원, 인하대학교 토목공학과 석사과정
4정회원, 인하대학교 토목공학과 석사과정
5정회원, 인하대학교 수자원시스템 연구소 박사후연구원
6정회원, 인하대학교 사회인프라공학과 교수
Development of Heavy Rain Damage Prediction Functions in the Seoul Capital Area Using Machine Learning Techniques
Changhyun Choi1, Jongsung Kim2, Donghyun Kim3, Junhyeong Lee4, Deokhwan Kim5, Hung Soo Kim6
1Member, Ph.D. Candidate, Department of Civil Engineering, Inha University
2Member, Doctor's Course, Department of Civil Engineering, Inha University
3Member, Master’s Course, Department of Civil Engineering, Inha University
4Member, Master’s Course, Department of Civil Engineering, Inha University
5Member, Post-Doctoral Researcher, Institute of Water Resources System, Inha University
6Member, Professor, Department of Civil Engineering, Inha University
Corresponding author:  Hung Soo Kim, Tel: +82-32-874-0069, Fax: +82-32-876-9787, 
Email: sookim@inha.ac.kr
Received: 19 October 2018   • Revised: 24 October 2018   • Accepted: 1 November 2018
Abstract
In this study, we developed heavy rain damage prediction functions using three machine learning techniques (support vector machine, decision tree, and random forest) for the Seoul Capital Area, South Korea. Data on damage caused by heavy rain were used as the dependent variable for the development of the heavy rain damage prediction function, and weather observation data were used as the independent variables. When we compared the results, the best function was the support vector machines based on weather observation data of the past two days. Compared to the linear regression model used primarily in previous studies, the results showed that the functions using machine learning techniques were mostly predictable. Therefore, it was judged that the machine learning techniques could be applied to disaster management areas. Also, it is believed that using the heavy rain damage prediction function developed in this study can help reduce damage through proper disaster management before the damage occurs.
Key Words: Disaster Management, Heavy Rain Damage, Machine Learning, Random Forest, Support Vector Machine
요지
본 연구에서는 3가지의 머신러닝 기법(서포트 벡터 머신, 의사결정나무, 랜덤포레스트)을 이용하여 수도권 지역의 호우피해 예측함수를 개발하였다. 호우피해 예측함수의 종속변수로 호우피해액 자료를 사용하였고, 독립변수로 기상관측자료를 사용하였 다. 분석결과 과거 2일전의 기상관측자료를 기반으로 서포트 벡터 머신을 이용하여 개발한 함수가 가장 높은 예측력을 보였다. 기존의 연구들에서 주로 사용하였던 선형회귀모형과 비교한 결과 머신러닝 기법을 이용한 함수가 대부분 예측력이 높은 것으로 나타나 재난관리 분야에 머신러닝 기법의 적용이 가능한 것으로 판단되었다. 또한, 본 연구에서 개발된 호우피해 예측함수를 활용하여 피해 발생 전에 호우피해를 예측한다면, 적절한 재난관리를 통해 피해를 저감하는데 도움이 될 수 있을 것으로 판단된다.
핵심용어: 재난관리, 호우피해, 머신러닝, 랜덤포레스트, 서포트 벡터 머신


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
307 Main Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2019 by The Korean Society of Hazard Mitigation. All rights reserved.

Developed in M2community

Close layer
prev next