인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 한반도에 직접적으로 영향을 주는 태풍의 지역별 손실액 변화를 예측하기 위해 두 단계의 기계학습 접근법을 제안한다. 먼저 태풍의 경로 군집화 분석을 통해 물리적 위태(hazard)를 지역별로 세분화하고, 이를 지리 및 사회경제적 데이터와 결합하여 지역별 손실액을 예측한다. 본 연구에서 제안한 기계학습 기반의 손실 예측 모형(random forest)이 전통적 통계모형(multiple linear regression)과 비교하여 더 나은 예측오차를 보였으며, 일부 사회경제 및 지리적 요인(제방면적, 1인당 지역총소득, 구거면적)이 태풍 손실에 유의미한 영향을 준다는 것을 확인하였다. 기후변화에 관한 정부간 협의체(IPCC)의 시나리오를 고려한 미래시점(2100년)의 한반도 태풍 위험을 예측하고, 행정구역별 위험 요인을 종합적으로 반영한 태풍 위험지도를 제공하였다. 특히, IPCC 시나리오 하에서 예측된 단위 태풍 당 경제적 손실은 현 시점 대비 최소 6.5배에서 최대 14.8배 증가하는 것으로 나타났다. 본 연구결과는 (재)보험사에게 기후변화로 인한 재해의 물리적 위태 변화와 관련 손실액을 예측하는 절차적인 방법론을 제공하고 있으며, 이는 시장 공급자들의 적절한 재무 계획 설계 및 기후위험에 대한 선제적 대응에 도움을 줄 것으로 기대한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
