Abstract. 강우로 인한 산사태는 전 세계 여러 지역에서 가장 파괴적인 자연재해 중 하나이며, 재산 피해, 막대한 재정적 손실, 그리고 인명 사망을 초래한다. 완화 및 회복탄력성을 계획하고, 토양 물질 붕괴물의 규모와 그와 관련된 예측인자 간의 관계를 이해하기 위해서는 강우로 유발되는 산사태의 발생량(부피)을 예측하는 것이 필수적이다. 본 연구의 목적은 지질학적, 지형학적, 환경적 조건을 고려하여 강우로 인한 산사태의 부피를 예측하기 위한 모델을 고도화된 데이터 기반 알고리즘(즉, 최소자승법 또는 선형 회귀(OLS), 랜덤 포레스트(RF), 서포트 벡터 머신(SVM), 극한 그래디언트 부스팅(EGB), 일반화 선형 모형(GLM), 의사결정나무(DT), 심층 신경망(DNN), k-최근접 이웃(KNN), 능형 회귀(RR) 알고리즘)을 사용하여 구축하는 것이다. 모델은 대한민국의 산사태 데이터셋으로 학습 및 검증되었으며, 보류 검증 세트에서 EGB 예측이 가장 높은 결정계수(R2 = 0.8841)와 가장 낮은 평균절대오차(MAE = 146.6120 m3)를 보였다. 그다음은 RF 예측( R2 = 0.8435, MAE = 330.4876 m3)이었다. DNN, EGB, RF 모델은 학습 및 테스트 세트 모두에서 R2 > 0.8을 나타냈다. RF, EGB, DNN의 학습 세트와 보류 검증 세트 간 결정계수 R2 차이는 각각 1.75 %, 7.72 %, 12.17 %로, 이러한 모델이 유사한 지형 및 환경 설정을 가진 인접 지역에서 신뢰할 수 있는 부피 추정치를 산출할 수 있음을 시사한다. 산사태 부피는 경사 길이, 최대 시간당 강우량, 경사각, 방위, 고도에 의해 강하게 영향을 받았다. 예상되는 산사태 부피는 토지 이용 배분과 효율적인 산사태 위험 관리에 중요할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.