지리공간 예측 모델링
Geospatial predictive modeling |
지리공간 예측 모델링은 모델링되는 사건의 발생이 분포에 제한을 받는다는 원리에 개념적으로 뿌리를 두고 있다.사건의 발생은 균일하지도 랜덤하지도 않다 – 사건 발생 장소를 제약하고 영향을 미치는 공간 환경 요인(인프라, 사회문화, 지형 등)이 있다.지리공간 예측 모델링은 역사적 지리공간 위치의 발생과 그러한 제약조건과 영향을 나타내는 환경적 요인을 공간적으로 상호 연관시켜 그러한 제약조건과 영향을 설명하려고 시도한다.지리공간 예측 모델링은 사건 발생이나 출현 가능성을 진술하기 위해 지리적 필터를 통해 사건을 분석하는 과정이다.[1][2]
예측 모형
지리공간 예측 모델에는 연역적 모델과 귀납적 모델 두 가지가 있다.
위험 평가는 귀납적 예측 모델링 도구를 사용하여 생성되었다.
연역법
연역법은 정성 데이터나 주제 전문가(SME)에 의존하여 사건 발생과 환경을 기술하는 요인 간의 관계를 설명한다.결과적으로 연역적 과정은 일반적으로 보다 주관적인 정보에 의존하게 될 것이다.이것은 모델러가 잠재적으로 인간의 뇌가 이해할 수 있는 여러 요인만을 입력함으로써 모델을 제한할 수 있다는 것을 의미한다.
연역모형의 예는 다음과 같다.일반적으로 이벤트 집합이 발견됨
- 공항에서 100~700m 정도 떨어진 곳.
- 초원 토지 커버 카테고리에서.
- 1000m에서 1500m 사이의 고도.
이 연역모형에서, 일련의 사건들에 대한 높은 적합성 위치는 공항, 토지 커버 및 표고에 대해 비전자적으로 계산된 공간 범위의 제약을 받고 영향을 받는다. 즉, 적합성이 낮은 지역은 다른 모든 곳에 있을 것이다.연역모형의 정확도와 상세도는 모형에 대한 정성적 데이터 입력의 깊이에 의해 제한된다.
귀납법
귀납적 방법은 역사적 또는 알려진 사건 발생 장소와 환경을 구성하는 요인(인프라, 사회-문화, 지형 등) 사이의 경험적으로 계산된 공간 관계에 의존한다.각 사건 발생은 지리적 공간에 표시되며 사건 발생과 환경을 구성하는 요인 사이에 양적 관계가 정의된다.이 방법의 이점은 컴퓨터의 속도를 활용하는 소프트웨어를 경험적으로 발견하도록 개발할 수 있다는 데 있으며, 이는 수백 가지 요인이 관련되었을 때 중요한 요소와 사건 사이의 알려진 상관 관계와 알려지지 않은 상관 관계 모두에 해당한다는 것이다.그러한 정량적 관계 값은 통계적 함수에 의해 처리되어 사건 발생에 대한 높은 및 낮은 적합성 영역을 정의하는 공간 패턴을 찾는다.
참고 항목
참조
- ^ *개리 P.보바이스, 더글라스 A.키나스, 필라르 에르난데스, 래리 마스터, 롭 서스턴요소 분포 모델링: A Primer (버전 2) 버지니아 주 알링턴의 웨이백 머신에서 2016-03-03 보관, 2006년 6월 1일 마지막으로 참조된 2009년 12월 29일
- ^ *도널드 브라운, 제이슨 달튼, 하이디 호일.도시 환경에서의 테러 사건에 대한 공간적 예측 방법, 제2회 NSF/NIJ 정보학 심포지엄의 진행 중, 컴퓨터 과학 강의 노트, 426–435페이지, 애리조나 투손, 스프링거-베를라그 하이델베르크, 2004년 6월.
