Journal of the Korean Geotechnical Society (한국지반공학회논문집)

Korean Geotechnical Society (한국지반공학회)
권호 표지

Prediction of Landslide Using Artificial Neural Network Model

인공신경망모델을 이용한 산사태 예측

  • 홍원표 (중앙대학교 공과대학 건설환경공학과) ;
  • 김원영 (한국지질자원연구원 지질환경재해연구부) ;
  • 송영석 (한국지질자원연구원 지질환경재해연구부) ;
  • 임석규 (중앙대학교 대학원 토목공학과)
  • Published : 2004.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

The landslide is one of the most significant natural disasters, which cause a lot of loss of human lives and properties. The landslides in natural slopes generally occur by complicated problems such as soil properties, topography, and geology. Artificial Neural Network (ANN) model is efficient computing technique that is widely used to solve complicated problems in many research fields. In this paper, the ANN model with application of error back propagation method was proposed for estimation of landslide hazard in natural slope. This model can evaluate the possibility of landslide hazard with two different approaches: one considering only soil properties; the other considering soil properties, topography, and geology. In order to evaluate reasonably the landslide hazard, the SlideEval (Ver, 1.0) program was developed using the ANN model. The evaluation of slope stability using the ANN model shows a high accuracy. Especially, the prediction of landslides using the ANN model gives more stable and accurate results in the case of considering such factors as soil, topographic and geological properties together. As a result of comparison with the statistical analysis(Korea Institute of Geosciences and Mineral Resources, 2003), the analysis using the ANN model is approximately equal to the statistical analysis. Therefore, the SlideEval (Ver. 1.0) program using ANN model can predict landslides hazard and estimate the slope stability.

산사태는 인간의 생명과 재산을 위협하는 가장 주요한 자연재해중의 하나이다. 일반적으로 산사태는 토질물성, 지질학적 및 지형학적 특성과 같은 복잡한 문제로 인하여 발생하게 된다. 인공신경망모델은 많은 연구분야에서 적용되고 있으며, 복잡한 문제를 해결하는데 사용되는 유용한 계산방법이다. 본 논문에서는 자연사면의 산사태 발생여부를 조사하기 위하여 오류역전파를 이용한 인공신경망모델을 제안하였다. 제안된 인공신경망 모델은 두가지 경우에 대한 산사태 발생여부의 평가가 가능하다. 한가지는 토질물성데이터만을 적용한 경우이고, 다른 한가지는 토질물성, 지형 및 지질데이터를 적용한 경우이다. 사면의 안정성을 합리적으로 평가하기 위하여, 인공신경망모델을 적용한 SlideEval(Ver. 1.0)을 개발하였다. 인공신경망모델을 이용한 사면의 안정성 평가는 매우 정확한 것으로 나타났다. 특히, 인공신경망모델을 이용한 산사태 예측은 토질물성데이터만을 적용한 경우보다 토질물성, 지형 및 지질데이터를 적용한 경우가 안정하고 정확한 것으로 나타났다. 그리고, 산사태 발생예측에 대한 통계적인 분석결과(한국지질자원 연구원, 2003)와 비교 검토하여 보면 인공신경망 예측결과와 거의 일치하는 것으로 나타났다. 따라서, 인공신경망을 이용한 SlideEval (Ver. 1.0)프로그램은 산사태를 예측하여 사면의 안정성을 평가하는데 적용이 가능하다.

Keywords

References

  1. 김홍택, 강인규, 박성원 (1998), '인공신경망을 이용한 쏘일네일링 굴착벽체의 변형 예측기법에 관한 기초연구', 대한토목학회 학술발표회 논문집, pp.404-404
  2. 양태선, 박형규, 이송 (2001), '인공신경망을 이용한 지반의 압밀거동 예측', 대한토목학회 논문집, 제21권 제6-C호, pp.633-642
  3. 이상배 (1999) 퍼지-뉴로제어 시스템, (주) 교학사.
  4. 이종구, 문홍득, 백영식 (2003), '인공신경망을 이용한 터널 거동 예측 시스템 개발', 한국지반공학회논문집, 제19권 제2호, pp.267-278
  5. 한국지질자원연구원 (2003), 산사태 에측 및 방지기술 연구, 과학기술부
  6. 홍원표, 김형오, 한중근, 송영석 (2002), '신경망이론을 적용한 자연사면의 산사태 평가', 대한토목학회 학술발표회 논문집 pp.67-70
  7. Al-Tuhami, A. A. (2000), 'Neural networks : A solution for the factor of safety problems in slopes', Proc. 8th Int. Symp. on Landslides, Cardiff, Vol.1, pp.46-50
  8. Ellis, G. W., Yao, C., Zhao, R. and Penumadu, D. (1995), 'Stress-strainmodeling of sands using artificial neural networks', Journal of Geotechnical Engineering, ASCE, Vol.121, No.5, pp.429-435 https://doi.org/10.1061/(ASCE)0733-9410(1995)121:5(429)
  9. Kumar, J. K. Konno, M. and Yasuda, N. (2000), 'Subsurface soil-geology interpolation using fuzzy neural network', Journal of Geotechnical and Geoenvironmental Engineering, ASCE, Vol.126, No.7, pp.632-639 https://doi.org/10.1061/(ASCE)1090-0241(2000)126:7(632)
  10. Mayoraz, F., Cornu, T. and Vulliet, L. (1996), 'Using neural networks to predict slope movements', Proc. 7th Int. Symp. on Landslides, Trondheim, Vol.1, pp.295-300
  11. Mayoraz, F., Cornu, T. Djukic, D. and Vulliet, L. (1997), 'Neural networks : A tool for prediction of slope movements', Proc. 14th ICSMFE, Hamburg, Vol.1, pp.703-706
  12. Penumadu, D., Jin-Nan, L., Chameau, J. L. and Sandarajah, A. (1994), 'Anisotropic rate dependent behavior of clays using neural networks', Proc. 13th ICSMFE, New Delhi, India, Vol.4, pp.1445-1448
  13. Rosenblatt, F. (1958), 'The perception: A probabilistic model for information storage and organization in the brain', Psychology Rev. Vol.65, No.6, pp.386-408 https://doi.org/10.1037/h0042519
  14. Rumelhart, D. E. and McClelland, J. L. (1986), Parallel distributed pressing, MIT Press, Cambridge. Mass
  15. Teh, C. I., Wong, K. S., Goh, A.T.C. and Jaritngam, S. (1997), 'Prediction of pile capacity using neural network', Journal of Comp. in Civ. Eng. ASCE, Vol.11, No.2, pp.129-138 https://doi.org/10.1061/(ASCE)0887-3801(1997)11:2(129)
  16. Tsoukalas, L. H. and Uhirig, R. E. (1977), Fuzzy and neural approaches in engineering, John Wiley and Sons, Inc
  17. Vulliet, L. and Mayoraz, F. (2000), 'Coupling neural networks and mechanical models dor a better landslide management', Proc. 8th Int. Symp. on Landslides, Cardiff, Vol.3, pp.1521-1526