http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : 대설 위험 등급 (검색결과 2 건)
-
기후변화로 인한 대설 위험 등급 별 대설 피해 예측 기술 개발
이형주 호서대학교 일반대학원 2024 국내박사
According to the UN's 'World Disaster Report 2000-2019', the number of disasters has increased by 1.7 times compared to the previous 20 years, and the main cause is diagnosed to be climate change. In addition, heavy snow damage, which has a small number of damages compared to other natural disasters, is becoming increasingly large-scale due to climate change. It was calculated that 7,348 disasters occurred worldwide over the past 20 years, resulting in 1.23 million deaths and approximately 3,400 trillion won in property damage. In the case of heavy snow, damages amounted to approximately 160 billion won over the past 10 years, making it the third largest natural disaster in Korea. Therefore, research is needed to predict differentiated heavy snow damage considering regional characteristics. In this study, a heavy snow damage risk index was developed using the PSR and DPSIR techniques, and risk levels (Red Zone, Orange Zone, Yellow Zone, Green Zone) were assigned to each administrative district. The heavy snow damage data from 1994 to 2020 were used as dependent variables, and meteorological factors and socio-economic factors were selected as independent variables. A heavy snow damage prediction technology was developed by risk level through multiple regression analysis. The developed prediction technology was evaluated through RMSE and NRMSE, and the prediction technology by risk level that reflected regional characteristics showed excellent performance as a result of the prediction ability evaluation by technology. If a model that predicts the damage range is developed through the results of this study in the future, it is expected that heavy snow damage can be reduced in advance.
-
기상요인을 활용한 머신러닝 기반 겨울철 교통사고 발생 예측 연구 : 경기도 지역을 중심으로
한재형 호서대학교 일반대학원 2025 국내석사
최근 기후변화로 인해 폭설 피해의 빈도와 심각성이 심화되어 겨울철 교통사고가 증가 하고 있다. 따라서 이러한 피해를 완화하기 위한 효율적인 대응 전략 수립에 대한 요구가 더욱 필요한 실정이다. 폭설과 겨울철 교통사고의 연관성을 규명하는 연구는 많이 진행되었지만, 이와 관련해 초점을 맞춘 기존 연구는 제한적으로만 이루어져 왔다. 본 연구는 2015–2023년 기간의 전국 시군구 자료를 기준으로 전국의 시·군·구 단위 겨울철 교통사고 데이터를 종합적으로 분석한 후, 경기도를 주요 연구 지역으로 선정하여 겨울철 노면결빙 현상으로 발생하는 차량 사고 발생률을 감소시키고자 한다. 사고 발생에 영향을 미치는 기상 변수를 파악하고, 소프트맥스 회귀 분석, 랜덤 포레스트 분석, XGBoost 분석 등 기계 학습 기반 예측 모델을 개발하여 겨울철 교통사고의 위험 수준(발생 등급)을추정했다. 분석결과, 도로결빙에 제일 관계가 크다고 분석된 인자는 Random Forest와 XGBoost 두 모델의 경우 최저기온으로 나타났으며, 뒤이어 일사량과 풍속이 다음으로 높은 연관성을 나타냈다. 비교 결과, 세 모델 간의 예측 정확도 및 도로결빙에 큰 영향을 미친다고 판단한 인자는 모델별로 차이가 있는 것으로 나타났다. 그러나 고려되지 않은 인자들도 추가되어 연구가 진행된다면 이는 추후 겨울철 교통사고 위험을 예측하는 데 있어 머신 러닝 접근 방식의 잠재적 적용 가능성을 시사하며, 폭설 피해에 대한 사전 대책을 개발하기 위한 과학적 프레임워크를 제공할 수 있다고 판단된다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
