Comparative Analysis of Risk Factor Weighting GBDT Methods for Enhancing the Accuracy of Flood Risk Assessment

• 발행기관: 한국방재학회
• 저자명: Quan Feng Hung Soo Kim
• 간행물 정보: 『2. 한국방재학회 논문집』25권 2호, 9~21쪽, 전체 13쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

최근 홍수 재해의 빈도가 증가함에 따라 지속 가능한 도시 개발에 큰 도전 과제로 떠오르고 있다. 따라서 엄격한 사전 홍수위험 평가를 실시한다면 도시의 재난 예방 및 완화 능력이 향상될 뿐만 아니라 위험 관리와 경제 개발 목표의 통합을 촉진하여 안전과 개발 이익을 모두 달성하는데 기여할 수 있을 것이다. 도시 홍수 위험 평가의 정확성을 높이고 홍수에 취약한 도시를 효과적으로 식별하기 위해, 본 연구는 홍수위험도 평가를 위한 위험 요소들과 지표들의 가중치 산정에 있어서 전통적인 엔트로피 가중치 방법과 유전 알고리즘(GA) 및 그래디언트 부스팅 결정 트리(GBDT)를 통합한 향상된 평가 프레임워크를 제안하고자 한다. 즉, 중국 산둥성의 16개 행정구역 단위의 도시에서 수집한 과거 데이터를 활용하여, 홍수 위험의 네 가지 주요 차원 또는 요소인 위험, 노출, 취약성, 허용 오차에 최적화된 가중치를 할당하고 종합적인 도시 홍수 위험 평가 모델을 구성하고자 한다. 결과적으로 도출된 홍수 위험 지수는 이러한 도시의 홍수 취약성 순위를 매기는 정량적인 기반을 제공하며, 재난 위험 감소 목표를 위한 전략에 중요한 통찰력을 제공한다. 평가 결과는 2017년부터 2019년까지의 실제 도시 홍수 손실 데이터와 비교하여 검증하였다. 강력한 전역 최적화 기법인 유전 알고리즘(GA)은 매개변수화된 함수에 대한 최적해를 식별하는데 광범위하게 적용되고 있다. 또한 그래디언트 부스팅 결정 트리(GBDT) 알고리즘은 반복 학습 과정에서 평균 제곱근 오차(RMSE)를 최소화하며, 손실 함수의 회귀 결과를 점진적으로 정제하여 최적의 예측 결과에 근접하도록 한다. 비교 분석결과, 전통적인 접근 방식과 GA 기반 방법에 비해 GBDT 모델이 도시 홍수 취약성을 식별하는 데 있어 훨씬 더 높은 정확도를 보여주었으며, 오차 감소율은 각각 8.94%, 24.23%, 26.05%로 나타났다. 따라서 제안된 가중치 산정 방법론에 의해 신뢰할 수 있는 홍수위험지수를 도출하고, 효과적인 의사 결정 지원 도구로 활용함으로써 정책 입안자들이 재난 회복력이 불충분한 도시를 신속하게 식별할 수 있도록 도움을 줄 수 있다. 이는 예산의 제약 속에서 보다 효율적인 자원 할당을 촉진하고, 과학적 근거에 의해 홍수 위험 완화 전략 개발을 지원한다.

영문 초록

In recent years, the increasing frequency of flood disasters has emerged as a significant challenge to sustainable urban development. To improve the precision of urban flood risk assessment and effectively identify flood-prone cities, this study proposes an enhanced evaluation framework that integrates the traditional entropy weighted method with a genetic algorithm (GA) and gradient boosting decision tree (GBDT) for a weighted estimation of risk factors and indicators in flood risk assessments. Utilizing historical data from 16 prefecture-level cities in Shandong Province, China, the model assigns optimized weights to four key dimensions of flood risk or risk factors (hazard, exposure, vulnerability, and tolerance) and constructs a comprehensive urban flood risk assessment model. The resulting flood risk indices provide a quantitative basis for ranking the flood susceptibility of these cities, offering critical insights into targeted disaster risk reduction strategies. Subsequently, the assessment results were validated against urban flood loss data from 2017 to 2019. The GA, as a robust global optimization technique, has been extensively applied to identify optimal solutions for parameterized functions. The GBDT algorithm operates by minimizing the root mean squared error during iterative learning processes, incrementally refining the regression outcomes of the loss function to approach the optimal prediction. Comparative analysis demonstrates that relative to traditional approaches and the GA-based method, the GBDT model achieves substantially higher accuracy in identifying urban flood susceptibility, with error reductions of 8.94%, 24.23%, and 26.05%, respectively. These findings indicate that the proposed flood risk index serves as a reliable and effective decision-support tool, enabling policymakers to rapidly identify cities with inadequate disaster preparedness.

목차

1. Introduction

2. Study Area and Data Resources

3. Methodology

4. Results and Discussion

5. Conclusion

References

키워드

홍수위험도평가 위험요소 및 지표 엔트로피 방법 유전 알고리즘(GA) 그래디언트 부스팅 의사 결정 트리(GBDT) Flood Risk Assessment Risk Factors and Indicators Entropy Method Genetic Algorithms (GA) Gradient Boosting Decision Tree (GBDT)