KR20220079119A - 땅밀림 예측 방법 및 그를 위한 장치 - Google Patents

땅밀림 예측 방법 및 그를 위한 장치 Download PDF

Info

Publication number
KR20220079119A
KR20220079119A KR1020200168570A KR20200168570A KR20220079119A KR 20220079119 A KR20220079119 A KR 20220079119A KR 1020200168570 A KR1020200168570 A KR 1020200168570A KR 20200168570 A KR20200168570 A KR 20200168570A KR 20220079119 A KR20220079119 A KR 20220079119A
Authority
KR
South Korea
Prior art keywords
slipping
ground
risk
prediction
slippage
Prior art date
Application number
KR1020200168570A
Other languages
English (en)
Other versions
KR102525926B1 (ko
Inventor
이창우
강민정
서준표
Original Assignee
대한민국(산림청 국립산림과학원장)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국(산림청 국립산림과학원장) filed Critical 대한민국(산림청 국립산림과학원장)
Priority to KR1020200168570A priority Critical patent/KR102525926B1/ko
Publication of KR20220079119A publication Critical patent/KR20220079119A/ko
Application granted granted Critical
Publication of KR102525926B1 publication Critical patent/KR102525926B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/01—Measuring or predicting earthquakes
    • G01V1/008—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Acoustics & Sound (AREA)
  • Geophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

땅밀림 예측 방법 및 그를 위한 장치를 개시한다.
본 발명의 실시예에 따른 땅밀림 예측장치는, 기 구축된 공간 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정하는 인자 선정부; 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성하는 위험성 예측 모델 생성부; 및 상기 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성하고, 상기 땅밀림 예측 결과를 출력하는 땅밀림 위험성 예측 처리부를 포함할 수 있다.

Description

땅밀림 예측 방법 및 그를 위한 장치{Method and Apparatus for Predicting Land Creep}
본 발명은 땅밀림을 예측하기 위한 방법 및 그를 위한 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명의 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
2017 년 포항지진 발생으로 인한 땅밀림지의 지표변위 감지로 땅밀림, 지진 유발 산지토사재해에 대한 사회적 관심이 고조되었다. 최근 산지개발 등으로 땅밀림 발생지(2018년 기준 35개소)가 확대 및 증가추세에 있다. 특히, 땅밀림은 대부분 생활권과 인접하여 발생하며, 그 피해 규모가 커서 대책 마련이 시급하다. 따라서 땅밀림 발생피해에 선제적으로 대비하기 위해 다양한 연구가 수행되고 있지만, 땅밀림이 어디에서 발생하는지 등에 대한 땅밀림 위험도 예측 연구는 전무한 실정이다.
위험성 예측 방법은 크게 두 가지로 나뉘는데 물리기반의 사면안정해석방법과 통계분석기법을 이용한 방법이다.
사면안정해석은 안정 해석식과 그 파라미터들 즉, 붕괴메커니즘에 의한 수치식과 지하수위, 전단응력, 간극수압 등 현장이나 실험에 의한 실제 물리계수를 사용해 비교적 정확한 예측이 가능하고 강우에 의한 산사태 위험도 변화를 모의할 수 있다. 그러나 일정범위 이상 확대, 적용이 어려워 넓은 지역을 대상으로 하기 위해서는 많은 시간과 비용이 투입되어야 한다.
반면 통계를 기반으로 한 모형은 기존 땅밀림 발생지에서 나타난 여러 인자별 특성을 통계기법을 이용하여 분석한 뒤 발생위험도를 예측하는 것으로 발생 위치 및 공간 분포에 따라 적용 범위를 비교적 쉽게 확대할 수 있는 장점이 있으나, 통계기법으로 인한 주관적(경험적) 요소를 배제할 수 없었다. 또한, 기존 인력에 의한 현장조사는 인력 및 시간 등 투입비용의 한계로 인해 국소지역으로 제한되었다.
본 발명은 로지스틱 회귀모형을 이용하여 산정된 영향 인자를 기반으로 위험도 예측모형을 생성하고 그 생성된 땅밀림 위험도 예측모형을 이용하여 산사태 발생위험을 예측하도록 하는 땅밀림 예측 방법 및 그를 위한 장치를 제공하는 데 주된 목적이 있다.
본 발명의 일 측면에 의하면, 상기 목적을 달성하기 위한 땅밀림 예측장치는, 기 구축된 공간 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정하는 인자 선정부; 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성하는 위험성 예측 모델 생성부; 및 상기 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성하고, 상기 땅밀림 예측 결과를 출력하는 땅밀림 위험성 예측 처리부를 포함할 수 있다.
또한, 본 발명의 다른 측면에 의하면, 상기 목적을 달성하기 위한 땅밀림 예측 방법은, 기 구축된 공간 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정하는 인자 선정 단계; 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성하는 위험성 예측 모델 생성 단계; 및 상기 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성하고, 상기 땅밀림 예측 결과를 출력하는 땅밀림 위험성 예측 처리 단계를 포함할 수 있다.
이상에서 설명한 바와 같이, 본 발명은 로지스틱 회귀모형을 이용하여 산정된 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성하고 그 생성된 땅밀림 위험도 예측모형을 이용하여 비용, 시간 등을 절약하여 효율성을 증대시킬 수 있는 효과가 있다.
또한, 여러 공간 자료와 결합하여 다양한 분석에 활용될 수 있는 효과가 있다.
또한 본 발명은 공간자료에 적합한 특성을 가지고 있는 로지스틱 회귀모형을 이용하기 때문에 충분한 자료를 구축함에 따라 정확도를 지속적으로 향상시킬 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 땅밀림 예측장치를 개략적으로 나타낸 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 땅밀림 예측 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 땅밀림 예측장치의 구성을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 땅밀림을 예측하기 위하여 선정된 복수의 인자를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 땅밀림 예측장치의 항목별 판정기준 및 땅밀림 위험 등급을 나타낸 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다. 이하에서는 도면들을 참조하여 본 발명에서 제안하는 땅밀림 예측 방법 및 그를 위한 장치에 대해 자세하게 설명하기로 한다.
특히, 본 발명에서는 로지스틱 회귀모형을 이용하여 산정된 영향 인자를 기반으로 위험도 예측모형을 생성하고 그 생성된 땅밀림 위험도 예측모형을 이용하여 산사태 발생위험을 예측하도록 하는 새로운 방안을 제안한다.
도 1은 본 발명의 실시예에 따른 땅밀림 예측장치를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 땅밀림 예측장치(100)는 정보 획득부(110), 영향 인자 선정부(120), 위험성 예측모델 생성부(130), 땅밀림 위험성 예측 처리부(140) 및 예측 결과정보 제공부(150)를 포함한다. 도 1의 땅밀림 예측장치(100)는 일 실시예에 따른 것으로서, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 땅밀림 예측장치(100)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.
땅밀림 예측장치(100)는 로지스틱 회귀모형을 이용하여 산정된 영향 인자를 기반으로 위험도 예측모형을 생성하고 그 생성된 땅밀림 위험도 예측모형을 이용하여 산사태 발생위험을 예측하도록 한다.
정보 획득부(110)는 GIS 시스템(Geographic Information System) 기반의 전국적인 데이터베이스를 구축할 수 있다.
정보 획득부(110)는 이를 바탕으로 인자별 가중치를 부여하여 땅밀림 위험기준을 도출할 수 있다. 땅밀림 위험기준을 도출하기 위해서는 필요한 산림입지도, 지형도, 임상도, 지질도 등 주제도의 제작이 선행될 수 있다.
한편, 정보 획득부(110)는 데이터베이스 구축 시, 땅밀림 예측지도의 활용과 요구수준에 따라서 자료의 형태를 결정해야 하는데 일반적으로 주제도의 중첩을 통해 분석을 실시하는 래스터(Raster) 형태의 자료 구조가 유리할 수 있다.
영향 인자 선정부(120)는 기 구축된 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정하는 동작을 수행한다.
영향 인자 선정부(120)는 수치지형도, 지질도, 산림 입지토양도 및 임상도에 구축된 지형인자, 지질인자, 토양인자 및 식생인자 각각에 포함된 영향 인자를 선정할 수 있다. 여기서, 영향 인자는, 사면의 최대높이, 사면경사 범위, 사면위치, 모암, 토양형, 토심, 토성, 토양구조, 암석노출도 및 임상 등을 포함할 수 있다.
영향 인자 선정부(120)는 입력 받은 정보를 기반으로 땅밀림 예측에 사용할 적어도 하나의 영향 인자를 로지스틱 회귀모형을 이용하여 선정할 수 있다.
예를 들어, 영향 인자 선정부(120)는 수치지형도를 비롯한 지질도, 산림입지토양도, 임상도에 구축된 지형, 지질, 토양, 식생 등 10 개의 인자를 선정할 수 있다. 여기서, 선정된 영향 인자는 도 4의 표에 기재되어 있다.
위험성 예측모델 생성부(130)는 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성한다.
위험성 예측모델 생성부(130)는 로지스틱 회귀분석을 통하여 도출한 땅밀림 발생을 예측하는 땅밀림 위험도 예측모형(LS)을 생성한다. 여기서, 땅밀림 위험도 예측모형(LS)은 구성암석, 토양형, 토심, 토양구조, 최대높이 및 사면위치 중 적어도 하나의 영향 인자를 조합하여 생성될 수 있다.
위험성 예측모델 생성부(130)는 [수학식 1]을 기반으로 땅밀림 위험도 예측모형(LS)을 생성한다.
Figure pat00001
로지스틱 회귀분석은 독립변수의 선형 결합을 이용하여 땅밀림 발생 가능성을 예측하는데 사용되는 확률모델 통계기법으로서 목적변수와 설명변수 간의 관계를 구체적인 함수로 나타낼 때 단, 종속변수가 이항형 문제(즉, 유효한 범주의 개수가 두 개인 경우)를 지칭할 때 주로 사용된다.
위험도 예측모형을 구축함에 있어 변수가 많다고 좋은 모델이라고 할 수 없다. 많은 설명변수를 가지는 회귀분석의 경우 설명변수들 사이에 독립성 등의 가정을 만족시키기 어렵다. 또한 설명변수의 증가는 모형의 결정계수 등을 증가시키기는 하지만 다중 공선겅 문제 등을 일으키므로 결과적으로 추정의 신뢰성을 저하시킨다. 즉, 적합성이 높은 유의미한 변수를 조합하는 것은 매우 중요하다.
땅밀림 위험성 예측 처리부(140)는 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성한다.
땅밀림 위험성 예측 처리부(140)는 땅밀림 위험도 예측모형을 기반으로 땅밀림 예측 결과를 생성한다. 땅밀림 위험성 예측 처리부(140)는 [수학식 2]를 기반으로 땅밀림 위험도를 산출한다.
Figure pat00002
땅밀림 위험성 예측 처리부(140)는 땅밀림 위험도를 기 설정된 위험 등급에 근거하여 적어도 땅밀림 후보 지역을 선정하고, 선정된 땅밀림 후보 지역 전체 또는 일부를 땅밀림 위험 지역으로 추출하여 땅밀림 예측 결과를 생성할 수 있다.
도 5는 본 발명의 실시예에 따른 땅밀림 예측장치의 항목별 판정기준 및 땅밀림 위험 등급을 나타낸 도면이다.
앞서 로지스틱 회귀분석을 통하여 도출한 땅밀림 발생을 예측하는 최적모델의 구성은 ‘구성암석 + 토양형 + 토심 + 토양구조 + 최대높이 + 사면위치’의 조합으로 나타났다.
땅밀림 위험도 예측모형 LS는 수학식 (LS = -0.522 + 구성암석 + 토양형 + 토심 + 토양구조I - 0.004×최대높이 + 사면위치)인 것을 특징으로 한다.
도 5를 참고하면, 로지스틱 회귀모델을 위한 인자는 일반적으로 유의수준(P-value)이 0.05 이하인 인자를 도출하지만, 본 발명에서 사용되는 자료의 특성이 대부분 범주형 변수임과 동시에 0.05 이상인 모암, 토심, 토양구조, 임상의 경우 범주형 변수임을 고려해 제거하지 않았다.
땅밀림 위험성 예측 처리부(140)는 기 설정된 판정표를 이용하여 땅밀림 위험성 예측할 수 있다. 땅밀림 위험성 예측 처리부(140)는 산출된 땅밀림 위험도를 판정 모델의 결과값을 비교하여 위험 등급 산출할 수도 있다.
예측 결과정보 제공부(150)는 생성된 땅밀림 예측 결과를 제공한다.
예측 결과정보 제공부(150)는 별도의 외부 장치로 땅밀림 예측 결과에 대한 평가정보를 전송할 수 있으나 반드시 이에 한정되는 것은 아니며, 구비된 디스플레이 장비에 땅밀림 예측 결과를 제공하여 출력할 수도 있다.
도 2는 본 발명의 실시예에 따른 땅밀림 예측 방법을 설명하기 위한 순서도이다.
땅밀림 예측장치(100)는 땅밀림과 관련된 정보를 입력 받아 데이터 베이스를 구축한다(S210). 땅밀림 예측장치(100)는 GIS 시스템 기반의 전국적인 데이터베이스를 구축할 수 있다. 땅밀림 예측장치(100)는 인자별 가중치를 부여하여 땅밀림 위험기준을 도출할 수도 있다.
땅밀림 예측장치(100)는 구축된 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정한다(S220).
땅밀림 예측장치(100)는 수치지형도, 지질도, 산림 입지토양도 및 임상도에 구축된 지형인자, 지질인자, 토양인자 및 식생인자 각각에 포함된 영향 인자를 선정할 수 있다. 여기서, 영향 인자는, 사면의 최대높이, 사면경사 범위, 사면위치, 모암, 토양형, 토심, 토성, 토양구조, 암석노출도 및 임상 등을 포함할 수 있다.
땅밀림 예측장치(100)는 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성한다(S230).
땅밀림 예측장치(100)는 로지스틱 회귀분석을 통하여 도출한 땅밀림 발생을 예측하는 땅밀림 위험도 예측모형(LS)을 생성한다. 여기서, 땅밀림 위험도 예측모형(LS)은 구성암석, 토양형, 토심, 토양구조, 최대높이 및 사면위치 중 적어도 하나의 영향 인자를 조합하여 생성될 수 있다.
땅밀림 예측장치(100)는 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성한다(S240).
땅밀림 예측장치(100)는 땅밀림 위험도를 기 설정된 위험 등급에 근거하여 적어도 땅밀림 후보 지역을 선정하고, 선정된 땅밀림 후보 지역 전체 또는 일부를 땅밀림 위험 지역으로 추출하여 땅밀림 예측 결과를 생성할 수 있다.
땅밀림 예측장치(100)는 생성된 땅밀림 예측 결과를 제공한다.
땅밀림 예측장치(100)는 별도의 외부 장치로 땅밀림 예측 결과에 대한 평가정보를 전송할 수 있으나 반드시 이에 한정되는 것은 아니며, 구비된 디스플레이 장비에 땅밀림 예측 결과를 제공하여 출력할 수도 있다.
도 2에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 2에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 2는 시계열적인 순서로 한정되는 것은 아니다.
도 2에 기재된 본 실시예에 따른 땅밀림 예측 방법은 애플리케이션(또는 프로그램)으로 구현되고 단말장치(또는 컴퓨터)로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 땅밀림 예측 방법을 구현하기 위한 애플리케이션(또는 프로그램)이 기록되고 단말장치(또는 컴퓨터)가 읽을 수 있는 기록매체는 컴퓨팅 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치 또는 매체를 포함한다.
도 3은 본 발명의 실시예에 따른 땅밀림 예측장치의 구성을 나타낸 도면이다.
도 3에 도시된 땅밀림 예측장치(100)는 컴퓨팅 기기로 구현될 수 있으며, 적어도 하나의 프로세서(310), 컴퓨터 판독 가능한 저장매체(320) 및 통신 버스(360)를 포함한다.
땅밀림 예측장치(100)의 영향 인자 선정부(120), 위험성 예측모델 생성부(130), 땅밀림 위험성 예측 처리부(140)의 전체 또는 일부는 프로세서(310)에 대응할 수 있다. 또한, 땅밀림 예측장치(100)의 정보 획득부(110) 및 예측 결과정보 제공부(150)는 입출력 인터페이스(340), 통신 인터페이스(350) 등에 대응할 수 있다.
프로세서(310)는 땅밀림 예측장치(100)로 동작하도록 제어할 수 있다. 예컨대, 프로세서(310)는 컴퓨터 판독 가능한 저장매체(320)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 컴퓨터 실행 가능 명령어는 프로세서(310)에 의해 실행되는 경우 땅밀림 예측장치(100)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능한 저장매체(320)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능한 저장매체(320)에 저장된 프로그램(330)은 프로세서(310)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독한 가능 저장매체(320)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 땅밀림 예측장치(100)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(360)는 항공 데이터 버스일 수 있으며, 프로세서(310), 컴퓨터 판독 가능한 저장매체(320)를 포함하여 땅밀림 예측장치(100)의 다른 다양한 컴포넌트들을 상호 연결한다.
땅밀림 예측장치(100)는 또한 하나 이상의 입출력 장치를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(340) 및 하나 이상의 통신 인터페이스(350)를 포함할 수 있다. 입출력 인터페이스(340) 및 통신 인터페이스(350)는 통신 버스(360)에 연결된다. 입출력 장치는 입출력 인터페이스(340)를 통해 땅밀림 예측장치(100)의 다른 컴포넌트들에 연결될 수 있다.
이상의 설명은 본 발명의 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 실시예들은 본 발명의 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 땅밀림 예측장치 110: 정보 획득부
120: 영향 인자 선정부 130: 위험성 예측모델 생성부
140: 땅밀림 위험성 예측 처리부 150: 예측 결과정보 제공부

Claims (10)

  1. 기 구축된 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정하는 인자 선정부;
    로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성하는 위험성 예측 모델 생성부; 및
    상기 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성하고, 상기 땅밀림 예측 결과를 출력하는 땅밀림 위험성 예측 처리부
    를 포함하는 것을 특징으로 하는 땅밀림 예측장치.
  2. 제1항에 있어서,
    상기 인자 선정부는,
    수치지형도, 지질도, 산림 입지토양도 및 임상도에 구축된 지형인자, 지질인자, 토양인자 및 식생인자 각각에 포함된 상기 영향 인자를 선정하되,
    상기 영향 인자는, 사면의 최대높이, 사면경사 범위, 사면위치, 모암, 토양형, 토심, 토성, 토양구조, 암석노출도 및 임상 중 적어도 하나를 포함하는 특징으로 하는 땅밀림 예측장치.
  3. 제1항에 있어서,
    상기 예측 모델 생성부는,
    로지스틱 회귀분석을 통하여 도출한 땅밀림 발생을 예측하는 땅밀림 위험도 예측모형(LS)을 생성하되,
    상기 땅밀림 위험도 예측모형(LS)은 구성암석, 토양형, 토심, 토양구조, 최대높이 및 사면위치 중 적어도 하나의 영향 인자를 조합하여 생성되는 것을 특징으로 하는 땅밀림 예측장치.
  4. 제3항에 있어서,
    상기 예측 모델 생성부는,
    수학식 (LS = -0.522 + 구성암석 + 토양형 + 토심 + 토양구조I - 0.004×최대높이 + 사면위치)을 기반으로 땅밀림 위험도 예측모형(LS)을 생성하는 것을 특징으로 하는 땅밀림 예측장치.
  5. 제4항에 있어서,
    상기 땅밀림 위험성 예측 처리부는,
    상기 땅밀림 위험도 예측모형을 기반으로 상기 땅밀림 예측 결과를 생성하되,
    상기 땅밀림 위험도는 EXP(LS) / (1+EXP(LS))에 의해 산출되는 것을 특징으로 하는 땅밀림 예측장치.
  6. 제1항에 있어서,
    상기 땅밀림 위험성 예측 처리부는,
    상기 땅밀림 위험도를 기 설정된 위험 등급에 근거하여 적어도 땅밀림 후보 지역을 선정하고, 선정된 땅밀림 후보 지역 전체 또는 일부를 땅밀림 위험 지역으로 추출하여 상기 땅밀림 예측 결과를 생성하는 것을 특징으로 하는 땅밀림 예측장치.
  7. 땅밀림 예측장치에서 땅밀림을 예측하는 방법에 있어서,
    기 구축된 공간 데이터베이스를 기반으로 땅밀림 예측에 사용할 땅밀림 영향 인자를 선정하는 인자 선정 단계;
    로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 땅밀림 영향 인자를 기반으로 땅밀림 위험도 예측모형을 생성하는 위험성 예측 모델 생성 단계; 및
    상기 땅밀림 위험도 예측모형을 기반으로 땅밀림 위험도를 산출하여 땅밀림 예측 결과를 생성하고, 상기 땅밀림 예측 결과를 출력하는 땅밀림 위험성 예측 처리 단계
    를 포함하는 것을 특징으로 하는 땅밀림 예측 방법.
  8. 제7항에 있어서,
    상기 예측 모델 생성 단계는,
    로지스틱 회귀분석을 통하여 도출한 땅밀림 발생을 예측하는 땅밀림 위험도 예측모형(LS)을 생성하되,
    상기 땅밀림 위험도 예측모형(LS)은 구성암석, 토양형, 토심, 토양구조, 최대높이 및 사면위치 중 적어도 하나의 영향 인자를 조합하여 생성되는 것을 특징으로 하는 땅밀림 예측 방법.
  9. 제8항에 있어서,
    상기 예측 모델 생성 단계는,
    수학식 (LS = -0.522 + 구성암석 + 토양형 + 토심 + 토양구조I - 0.004×최대높이 + 사면위치)을 기반으로 땅밀림 위험도 예측모형(LS)을 생성하는 것을 특징으로 하는 땅밀림 예측 방법.
  10. 제9항에 있어서,
    상기 땅밀림 위험성 예측 처리 단계는,
    상기 땅밀림 위험도 예측모형을 기반으로 상기 땅밀림 예측 결과를 생성하되,
    상기 땅밀림 위험도는 EXP(LS) / (1+EXP(LS))에 의해 산출되는 것을 특징으로 하는 땅밀림 예측 방법.
KR1020200168570A 2020-12-04 2020-12-04 땅밀림 예측 방법 및 그를 위한 장치 KR102525926B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200168570A KR102525926B1 (ko) 2020-12-04 2020-12-04 땅밀림 예측 방법 및 그를 위한 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200168570A KR102525926B1 (ko) 2020-12-04 2020-12-04 땅밀림 예측 방법 및 그를 위한 장치

Publications (2)

Publication Number Publication Date
KR20220079119A true KR20220079119A (ko) 2022-06-13
KR102525926B1 KR102525926B1 (ko) 2023-04-27

Family

ID=81984013

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200168570A KR102525926B1 (ko) 2020-12-04 2020-12-04 땅밀림 예측 방법 및 그를 위한 장치

Country Status (1)

Country Link
KR (1) KR102525926B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100982447B1 (ko) * 2010-03-03 2010-09-16 한국지질자원연구원 지공간 상관관계 통합기법을 이용한 산사태 발생 예측시스템 및 이를 이용한 산사태 발생 예측방법
KR20160062470A (ko) * 2014-11-25 2016-06-02 대한민국(산림청 국립산림과학원장) 로지스틱 회귀모형을 이용하여 산사태를 예측하기 위한 장치 및 그 방법
KR20200052398A (ko) * 2018-10-23 2020-05-15 강원대학교산학협력단 머신 러닝 기법을 이용한 산사태 취약성 지도 작성 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100982447B1 (ko) * 2010-03-03 2010-09-16 한국지질자원연구원 지공간 상관관계 통합기법을 이용한 산사태 발생 예측시스템 및 이를 이용한 산사태 발생 예측방법
KR20160062470A (ko) * 2014-11-25 2016-06-02 대한민국(산림청 국립산림과학원장) 로지스틱 회귀모형을 이용하여 산사태를 예측하기 위한 장치 및 그 방법
KR20200052398A (ko) * 2018-10-23 2020-05-15 강원대학교산학협력단 머신 러닝 기법을 이용한 산사태 취약성 지도 작성 방법 및 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
이승우 외 한국지반공학회논문집. 2012년4월 *

Also Published As

Publication number Publication date
KR102525926B1 (ko) 2023-04-27

Similar Documents

Publication Publication Date Title
Goh et al. Determination of earth pressure balance tunnel-related maximum surface settlement: a multivariate adaptive regression splines approach
Lee et al. Application of decision tree model for the ground subsidence hazard mapping near abandoned underground coal mines
Wang et al. Probabilistic seismic landslide hazard maps including epistemic uncertainty
Park Using maximum entropy modeling for landslide susceptibility mapping with multiple geoenvironmental data sets
Liang et al. Rock strength assessment based on regression tree technique
Atkinson et al. Autologistic modelling of susceptibility to landsliding in the Central Apennines, Italy
Špačková et al. Probabilistic assessment of tunnel construction performance based on data
Calvello et al. Landslide zoning over large areas from a sample inventory by means of scale-dependent terrain units
Schilling Laharz_py: GIS tools for automated mapping of lahar inundation hazard zones
Kim et al. Prediction of ground subsidence in Samcheok City, Korea using artificial neural networks and GIS
Oh et al. Sensitivity analysis for the GIS-based mapping of the ground subsidence hazard near abandoned underground coal mines
Escobar-Wolf et al. A GIS tool for infinite slope stability analysis (GIS-TISSA)
Lombardo et al. Numerical recipes for landslide spatial prediction using R-INLA: a step-by-step tutorial
Wu et al. A BIM-based monitoring system for urban deep excavation projects
Laborczi et al. Mapping of topsoil texture in Hungary using classification trees
Ließ et al. Functional soil-landscape modelling to estimate slope stability in a steep Andean mountain forest region
Mahmoudi et al. Optimisation of geotechnical surveys using a BIM-based geostatistical analysis
Meslem et al. A computational platform to assess liquefaction-induced loss at critical infrastructures scale
Deng et al. Forecasting and early warning of shield tunnelling-induced ground collapse in rock-soil interface mixed ground using multivariate data fusion and Catastrophe Theory
KR20160062470A (ko) 로지스틱 회귀모형을 이용하여 산사태를 예측하기 위한 장치 및 그 방법
Lai et al. Development of an urban landslide cellular automata model: a case study of North Vancouver, Canada
Qiu et al. Spatio-temporal estimation of shallow landslide hazard triggered by rainfall using a three-dimensional model
Catani et al. Exploring model sensitivity issues across different scales in landslide susceptibility
Nachbaur et al. Managing expert-information uncertainties for assessing collapse susceptibility of abandoned underground structures
KR20220079119A (ko) 땅밀림 예측 방법 및 그를 위한 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)