DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 이승래 | - |
dc.contributor.advisor | Lee, Seung-Rae | - |
dc.contributor.author | 이용한 | - |
dc.date.accessioned | 2019-08-28T02:38:44Z | - |
dc.date.available | 2019-08-28T02:38:44Z | - |
dc.date.issued | 2018 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=733665&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/265600 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 건설및환경공학과, 2018.2,[iii, 36 p. :] | - |
dc.description.abstract | 최근 국지성 및 단기간의 집중호우로 인한 토석류로 많은 피해가 발생하고 있다. 이에 사전에 대비하고자 토석류의 규모를 예측하려는 노력이 지속적으로 이루어 지고 있다. 많이 사용되는 수정범용토양유실공식(RUSLE) 모형에서 유사전달률(SDR) 값은 구곡 및 유역의 특성을 반영하기 위한 수치이며 이는 해외에서 제시된 경험식으로서 국내 적용에 제약이 뒤따른다. 토석류의 실제사례를 통해 적정한 유사전달률 값을 산정할 수 있는 과정을 확인하고 회귀분석과 인공신경망 방법을 통해 실제 값에 근접한 수치를 확인할 수 있었다. 특히 회귀분석의 결과보다 인공신경망의 방법이 실제에 좀더 근접한 수치를 얻을 수 있었으며 이는 사방시설 설계시 좀더 보수적이고 객관적인 데이터를 얻을 수 있는 접근법이라 사료된다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | 토석류▼a유사전달률▼a인공신경망▼a토사침식량▼a수정범용토양유실공식 | - |
dc.subject | Debris flow▼aSediment Delivery Ration▼aArtificial neural network▼aSoil loss | - |
dc.title | 토석류 규모 예측을 위한 RUSLE 모형과 인공신경망 기반의 유사전달률 산정 | - |
dc.title.alternative | (An) evaluation of sediment delivery ratio(SDR) through RUSLE and ANN models for debris-flow volume prediction | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :건설및환경공학과, | - |
dc.contributor.alternativeauthor | Lee, Yong-Han | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.