| 연구목표 |
● 순환신경망(RNN)의 응용 모델인 Long Short Term Memory(LSTM)을 활용하여 토석류 재해로 인한 지역사회의 피해 예측 딥러닝(Deep learning) 모델 개발과, 토석류 피해 예측의 불확실성에 탄력적인 대비를 위한 지역사회의 복원력(Resilience) 평가 기술 및 체계 개발● 강우, 지형, 지질 등 산지 재해 유발 인자의 DB... |
| 연구내용 |
토석류 피해 예측과 복원력 평가를 위한 공간정보 모델 구축 및 DB 수집● 토석류로 인한 피해 대상 지역의 선정과 GIS를 이용한 지역사회의 데이터 프레임 구축● 공공기관에서 제공하는 데이터(지형도, 임상도, 입지도, 지질도 등)에서 추출되는 산지 재해 유발 인자들의 정보와, 연속적인 시간 데이터인 강우자료를 수집하여 토석류 유발인자 분석을 위한 DB 구축... |
| 기대효과 |
토석류의 발생 유무가 아닌 피해 범위를 예측함에 따라 대응 정책 수립, 연구사업의 기초자료 활용, 장단기 정책 수립의 의사결정 지원 등에 활용 가능하다.- 기존의 딥러닝을 활용한 토석류 피해 예측 연구는 국내외에서 단순한 발생 유무를 판단하는데 한계성이 있음. 토석류 피해범위를 예측함에 따라 해당 분야의 선도적인 연구 성과를 도출한다.- 최근 기술의 급격한... |
| 키워드 |
토석류,빅데이터,복합인공신경망,딥러닝,LSTM,복원력 |