머신러닝을 활용한 지반함몰 위험도 예측 회귀모델

Development of a Regression Model for Predicting Ground Subsidence Risk Using Machine Learning

도심지를 중심으로 발생하는 지반함몰은 지하매설물의 손상 및 굴착공사 등이 주요 발생 원인으로 알려져 있다. 지반함몰 발생은 인명 및 재산의 피해를 발생시켜 사회적 혼란을 야기하므로 사전에 대비해야한다. 최근 들어 국내외에서 지반함몰의 원인을 규명하고 위험도 관리에 관한 연구가 수행되고 있다. 지반함몰은 다양한 원인이 복합적으로 작용하여 발생하는 현상이므로 다양한 접근방법으로 위험도 관리를 수행해야한다. 따라서 본 연구에서는 머신러닝을 활용한 지반함몰 위험도 예측 회귀모델을 개발하고자 대상지역의 지반함몰 이력정보, 지하매설물 속성정보, 투수계수, 지층 두께, 고도의 데이터를 수집하였다. 수집한 데이터를 ArcGIS를 통해 전처리하고 조건에 따른 데이터셋을 구축하였다. 구축한 데이터셋은 머신러닝 알고리즘에 학습하여 모델을 개발하였으며, RMSE와 R²를 활용하여 최적의 성능을 발휘하는 모델을 선정하였다.

Ground subsidence occurs primarily in urban areas. The main causes of this damage are underground facilities and excavations. Ground subsidence presents significant risks to life and property, which causes social disruption and emphasizes the need for preventive measures. Recent studies have identified the causes of ground subsidence and developed effective risk management strategies. Because ground subsidence results from the complex interactions of multiple factors, a comprehensive approach to risk management is required. In this study, a machine learning-based regression model was developed to predict the risk of ground subsidence. The dataset included historical subsidence records, underground utility attributes, permeability coefficients, soil layer thicknesses, and elevation data for the study area. The collected data were preprocessed using the ArcGIS software suite. Additionally, condition-based datasets were constructed. These datasets were used to train the machine learning algorithms, and the performances of the models were evaluated using the root mean square error (RMSE) and coefficient of determination (R²) to enable the selection of the best-performing model.