메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술대회자료
저자정보
김영인 (홍익대학교 공과대학 토목공학과) 김동현 (홍익대학교 공과대학 토목공학과) 이승오 (홍익대학교 공과대학 토목공학과)
저널정보
한국수자원학회 한국수자원학회 학술발표회 한국수자원학회 2019년도 학술발표회
발행연도
2019.1
수록면
120 - 120 (1page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
국내에서는 예측 불가능한 재난으로 인한 침수 피해 발생사례가 증가하였다. 따라서 침수 피해 예측이 더욱 중요해지고 있는 실정이다. 기존에는 주로 수치모형을 통한 침수예측을 하였고, 정보통신기술도 발달해왔지만 아직까지 수치모의에 많은 시간이 소요되기 때문에 침수 피해의 실시간 예측이 힘든 상황이다. 이에 국립재난안전연구원(2017)에서 침수예측을 위한 보간 모델인 SIND(Scientific Interpolation for Natural Disaster) Model을 개발하였다. 이는 보간을 이용한 모델이기 때문에 그동안 사용해왔던 물리 모형보다 간단하다. 그러나 정확한 값이 아닌 보간을 이용한 모델이기 때문에 정확도를 검토할 필요가 있다. 따라서 본 연구에서는 Mapping분야에서 사용하는 CRITIC(CRiteria Importance Through Intercriteria Correlation) 기법을 활용하여 지도의 정확도 검토를 수행하였다. CRITIC은 형상기준, 위치기준, 면적기준을 이용하여 형상유사도를 산정하는 방법이며, 이 기법을 활용하여 국가가 제공한 침수예상도(국립해양조사원, 2010)와 SIND모델 결과 지도를 비교하였다. 형상기준은 지도의 형상을 나타내는 형상지수를 비교하고, 위치기준은 지도의 무게중심의 일치정도, 면적기준은 형상 면적을 비교하는 것이다. 지도는 총 300여개의 매칭 객체 쌍을 가지고 수행하였고, 위험도 등급은 Grade 1부터 Grade 5 까지 분류하여 나타내었다. 연구 대상지역은 ${{\bigcirc}{\bigcirc}}$시이다. 그 결과, 형상유사도는 약 200여개의 매체쌍이 0.80 이상의 값을 나타냈고, 나머지 매체 쌍은 0.75이하의 값을 나타내었다. 위험도 등급이 낮을수록 형상유사도 값은 크게 나타나고, 위험도 등급이 높을수록 형상유사도 값이 작게 나타나는 경향을 보였다. 이는 위험도 등급이 높은 곳의 경우, 해안선의 복잡한 지형형태 때문으로 판단된다. Mapping 분야에서 형상유사도 적합성 기준이 0.75이므로 결과는 60%이상이 정확하다고 판단할 수 있다. 따라서 본 연구에서 검토를 수행했던 간단한 방정식을 이용한 SIND 모델은 정확하다고 판단할 수 있다. 다만, 복잡한 지형과 현재 고려되고 있는 영향인자 외에 다양한 구조물 등을 고려한다면 형상유사도가 향상될 것이라 기대된다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0