산사태 민감도 모델링을 위한 서포트 벡터 머신과 베이esian 알고리즘 비교

본 연구의 주요 목표는 인도 파우리 가르왈 지구에서 산사태 민감도 구역을 식별하기 위해 서포트 벡터 머신(SVM)과 네 가지 베이esian 알고리즘인 나이브 베이즈 트리(NBT), 베이즈 네트워크(BN), 나이브 베이즈(NB), 결정 테이블 나이브 베이즈(DTNB)의 예측 능력을 비교하는 것이다. 먼저 1295개의 역사적 산사태 데이터를 사용하여 산사태 재고 지도(landslide inventory map)를 구축한 후, 총 16개의 영향 요인을 선택하고 산사태 민감도 모델링을 위해 테스트하였다. 모델의 성능은 통계 기반 지수 방법, 수신자 동작 특성(ROC) 곡선 아래의 면적(AUC), 그리고 카이제곱 방법을 사용하여 평가하고 비교하였다. 분석 결과에 따르면 SVM이 가장 높은 예측 능력을 가지며, 그 뒤를 NBT, DTNB, BN 및 NB가 각각 따른다. 따라서 이 연구는 SVM이 산사태 민감도의 평가를 위한 벤치마크 모델 중 하나임을 확인한다.