본 연구의 목적은 산사태 취약성 분석을 위하여 인공신경망을 이용하여 산사태 요인의 가중치를 결정하는 것이다. 산사태 발생 지역은 항공사진, 현장조사와 지형도 등으로부터 위치를 파악하였다. 용인 지역에 대해서 산사태에 영향을 주는 지형경사, 지형곡률, 토양배수, 토양 유효심도, 토양 종류, 식생 경급과 영급 등의 자료가 사용되었다. 이들 자료를 이용하여 인공신경망의 층간 가중치가 역전파 트레이닝 알고리즘에 의해 계산되었으며, 이는 산사태 요인의 가중치를 결정하는데 사용되었다. 죽, 트레이닝 후 층간 가중치를 해석하여 분류에 미치는 영향을 고려함으로서 각 산사태 요인의 가중치가 결정되게 된다. 가장 높은 값은 지형경사로서 5.33의 값을 나타냈으며 지형 곡률과 토질은 각각 1과 1.17로 낮은 값을 나타냈다. 역전파 알고리즘을 이용한 가중치 결정 방법은 분석에 중요하지 않은 요인을 제거함으로 계산시간을 단축시킬 수 있어 GIS를 이용한 중첩 분석 연구에 활용되 수 있다.
The purpose of this study is to determine the weights of the factors for landslide susceptibility analysis using artificial neural network. Landslide locations were identified from interpretation of aerial photographs, field survey data, and topography. The landslide-related factors such as topographic slope, topographic curvature, soil drainage, soil effective thickness, soil texture, wood age and wood diameter were extracted from the spatial database in study area, Yongin. Using these factors, the weights of neural networks were calculated by backpropagation training algorithm and were used to determine the weight of landslide factors. Therefore, by interpreting the weights after training, the weight of each landslide factor can be ranked based on its contribution to the classification. The highest weight is topographic slope that is 5.33 and topographic curvature and soil texture are 1 and 1.17, respectively. Weight determination using backprogpagation algorithms can be used for overlay analysis of GIS so the factor that have low weight can be excluded in future analysis to save computation time.
