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):503-512.
DOI: https://doi.org/10.9798/KOSHAM.2018.18.7.503    Published online December 31, 2018.
위험 등급 분류를 통한 호우피해 예측함수 개발
김동현1, 최창현2, 김종성3, 주홍준4, 김정욱5, 김형수6
1정회원, 인하대학교 토목공학과 석사과정
2정회원, 인하대학교 토목공학과 박사수료
3정회원, 인하대학교 토목공학과 박사과정
4*정회원, 인하대학교 토목공학과 박사수료
5정회원, 인하대학교 토목공학과 박사수료
6정회원, 인하대학교 사회인프라공학과 교수
Development of a Heavy Rain Damage Prediction Function by Risk Classification
Donghyun Kim1, Changhyun Choi2, Jongsung Kim3, Hongjun Joo4, Jungwook Kim5, Hung Soo Kim6
1Member, Master’s Course, Department of Civil Engineering, Inha University
2Member, Ph.D. Candidate, Department of Civil Engineering, Inha University
3Member, Doctor’s Course, Department of Civil Engineering, Inha University
4Member, Ph.D. Candidate, Department of Civil Engineering, Inha University
5Member, Ph.D. Candidate, Department of Civil Engineering, 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: 24 October 2018   • Revised: 25 October 2018   • Accepted: 6 November 2018
Abstract
In this study, risks were classified into Red Zone, Orange Zone, Yellow Zone, and Green Zone using investment factors and socioeconomic factors. We developed a heavy rain damage prediction function considering the risk class. In order to develop the heavy rain damage prediction function, the total amount of damage due to heavy rain was used as the dependent variable, and the hydrological weather data, investment factors, and socioeconomic factors were used as the independent variables. A multiple regression model and artificial neural network model were used as the statistical prediction methods. In order to evaluate the predictive power, we set the learning period as 2005 to 2012 and the test period as 2013 to 2016. The NRMSE was estimated to be about 12%-13%, and the predictive power was the highest in the artificial neural network model considering the risk class. Based on the results of this study, if we identify the characteristics of different cities and districts and conduct disaster management in advance, then is possible to reduce the damage caused by natural disasters.
Key Words: Investment Factor, Risk Class Classification, Statistical Prediction Techniques, Heavy Rain Damage
요지
본 연구에서는 한강 권역을 대상으로 기 투자 요소 및 사회⋅경제적 요소 등을 활용하여 Red Zone, Orange Zone, Yellow Zone, Green Zone으로 위험 등급을 분류하였고, 위험 등급을 고려한 호우피해 예측함수를 개발하였다. 호우피해 예측함수를 개발하기 위하여 종속변수로는 호우로 인한 총 피해액, 독립변수로는 수문기상 자료, 기 투자 요소 그리고 사회⋅경제적 요소 등을 활용하여 구축하였다. 통계적 예측 기법으로는 다중회귀 모형, 인공신경망 모형을 활용하였다. 예측력을 평가하기 위하여 2005년부터 2012년까지는 학습구간, 2013년부터 2016년까지는 평가구간으로 구분하였다. 예측력 평가 결과 NRMSE는 약 12%~13%로 나타났으며, 위험등급을 고려한 인공신경망 모형에서 가장 높은 예측력을 보였다. 본 연구의 결과를 바탕으로 각기 다른 시군구별 특성을 파악하고 사전 대비차원에서의 재난관리를 실시한다면, 자연재해의 피해를 경감 시킬 수 있을 것으로 판단된다.
핵심용어: 기 투자 요소, 위험 등급 분류, 통계적 예측 기법, 호우피해


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