1 |
1
(a) 공간 데이터베이스를 구축하는 단계-상기 공간 데이터베이스는 산불 데이터와 산불 관련 인자를 포함함;(b) 상기 공간 데이터베이스를 기초로 상기 산불 관련 인자에 대한 반변이도값, Moran's I 지수값 및 빈도비(FR)를 각각 도출하여 공간적 상관 관계를 분석하는 단계;(c) 상기 공간적 상관 관계 분석 결과를 기초로 상기 공간 데이터베이스를 이용하여 상기 산불 관련 인자에 대한 가중치를 상이하게 반영하여 산불 취약성 추론 모델을 학습시키는 단계; 및(d) 타겟 지역에 대한 데이터를 상기 학습된 산불 취약성 추론 모델에 적용하여 상기 타겟 지역에 대한 산불 취약성 지도를 생성하는 단계를 포함하는 산불 취약성 지도 생성 방법
|
2 |
2
제1 항에 있어서, 상기 추론 모델은 적응형 뉴런-퍼지(ANFIS) 추론 모델이되, 유전자 알고리즘(GA: genetic algorithm)과 시뮬레이트된 어닐링 알고리즘(SA: simulated annealing algorithm)을 이용하여 학습되되, 상기 공간 데이터베이스 중 일부 트레이닝 데이터를 기반으로 상기 유전자 알고리즘으로 상기 적응형 뉴로-퍼지 추론 모델이 초기 학습되되, 상기 유전자 알고리즘의 종료 조건 도달시 상기 시뮬레이트된 어닐링 알고리즘이 활성화되어 상기 적응형 뉴로-퍼지 추론 모델이 추가적으로 학습되는 것을 특징으로 하는 산불 취약성 지도 생성 방법
|
3 |
3
제1 항에 있어서, 상기 산불 관련 인자는 산불 발생 연도, 산불방사열에너지((FRP: fire radiative power), 고도, 경사각 및 경사면, 도로까지의 거리, 토지 이용, 주거지까지의 거리, 강우량, 온도, 바람 속도, 바람 방향 및 토양 타입 중 적어도 복수인 것을 특징으로 하는 산불 취약성 지도 생성 방법
|
4 |
4
제1 항에 있어서, 상기 추론 모델은 방사형 기저 함수 기반 앙상블 모델이되, 경험적 경쟁 알고리즘(ICA: imperialist competitive algorithm)을 이용하여 학습되는 것을 특징으로 하는 산불 취약성 지도 생성 방법
|
5 |
5
제4 항에 있어서, 상기 산불 관련 인자는 연속 데이터 범주와 이산 데이터 범주로 구분되되,상기 연속 데이터 범주와 상기 이산 데이터 범주는 서로 상이한 방법으로 가중치가 할당되되,상기 이산 데이터 범주는 상기 빈도비를 이용하여 가중치가 할당되며, 상기 연속 데이터 범주는 해당하는 범주의 중간으로 할당된 후 상기 방사형 기저 함수 기반 앙상블 모델을 사용하여 상기 연속 데이터 범주에 해당하는 산불 관련 인자의 모든 값에 대한 가중치가 계산되는 것을 특징으로 하는 산불 취약성 지도 생성 방법
|
6 |
6
제1 항에 있어서, 상기 산불 취약성 지도는 지리 정보(GIS)와 연동되어 사용자 단말을 통해 출력되는 것을 특징으로 하는 산불 취약성 지도 생성 방법
|
7 |
7
제1 항 내지 제6 항 중 어느 하나의 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체
|
8 |
8
공간 데이터베이스를 구축하는 데이터 구성부-상기 공간 데이터베이스는 산불 데이터와 산불 관련 인자를 포함함;상기 공간 데이터베이스를 기초로 상기 산불 관련 인자에 대한 반변이도값, Moran's I 지수값 및 빈도비(FR)를 각각 도출하여 공간적 상관 관계를 분석하는 공간 상관관계 분석부;상기 공간적 상관 관계 분석 결과를 기초로 상기 공간 데이터베이스를 이용하여 상기 산불 관련 인자에 대한 가중치를 상이하게 반영하여 산불 취약성 추론 모델을 학습시키는 학습부; 및타겟 지역에 대한 데이터를 상기 학습된 산불 취약성 추론 모델에 적용하여 상기 타겟 지역에 대한 산불 취약성 지도를 생성하는 취약성 지도 생성부를 포함하는 산불 취약성 지도 생성 장치
|
9 |
9
제8 항에 있어서, 상기 추론 모델은 적응형 뉴로-퍼지(ANFIS) 추론 모델이되, 유전자 알고리즘(GA: genetic algorithm)과 시뮬레이트된 어닐링 알고리즘(SA: simulated annealing algorithm)을 이용하여 학습되되, 상기 공간 데이터베이스 중 일부 트레이닝 데이터를 기반으로 상기 유전자 알고리즘으로 상기 적응형 뉴로-퍼지 추론 모델이 초기 학습되되, 상기 유전자 알고리즘의 종료 조건 도달시 상기 시뮬레이트된 어닐링 알고리즘이 활성화되어 상기 적응형 뉴로-퍼지 추론 모델이 추가적으로 학습되는 것을 특징으로 하는 산불 취약성 지도 생성 장치
|
10 |
10
제8 항에 있어서, 상기 추론 모델은 방사형 기저 함수 기반 앙상블 모델이되, 경험적 경쟁 알고리즘(ICA: imperialist competitive algorithm)을 이용하여 학습되는 것을 특징으로 하는 산불 취약성 지도 생성 장치
|
11 |
11
제10 항에 있어서, 상기 산불 관련 인자는 연속 데이터 범주와 이산 데이터 범주로 구분되되,상기 연속 데이터 범주와 상기 이산 데이터 범주는 서로 상이한 방법으로 가중치가 할당되되,상기 이산 데이터 범주는 상기 빈도비를 이용하여 가중치가 할당되며, 상기 연속 데이터 범주는 해당하는 범주의 중간으로 할당된 후 상기 방사형 기저 함수 기반 앙상블 모델을 사용하여 상기 연속 데이터 범주에 해당하는 산불 관련 인자의 모든 값에 대한 가중치가 계산되는 것을 특징으로 하는 산불 취약성 지도 생성 장치
|
12 |
12
제8 항에 있어서, 상기 산불 취약성 지도는 지리 정보(GIS)와 연동되어 사용자 단말을 통해 출력되는 것을 특징으로 하는 산불 취약성 지도 생성 장치
|