[논문 리뷰] Variable selection based on entropic criterion and its application to the debris-flow triggering

Chien-chih Chen, Chih‐Yuan Tseng외 1명|arXiv (Cornell University)|2006. 09. 29.

Landslides and related hazards참고 문헌 19인용 수 32

한 줄 요약

이 논문은 복잡한 지구물리학적 시스템의 예측 변수를 특정하기 위해 엔트로피 기준에 기반한 데이터 기반 변수 선택 기법인 최소 엔트로피 분석(MEA) 방법을 소개한다. 태풍 허브 이후 대만의 유역 유역 유출을 적용한 결과, MEA는 수문학적 형상 계수, 산사태 면적, 산사태 수의 세 가지 핵심 변수를 성공적으로 규명하여 위험 모델링에서 주관적인 전문가 기반 선택에 대한 정량적이고 객관적인 대안을 제공한다.

ABSTRACT

We propose a new data analyzing scheme, the method of minimum entropy analysis (MEA), in this paper. New MEA provides a quantitative criterion to select relevant variables for modeling the physical system interested. Such method can be easily extended to various geophysical/geological data analysis, where many relevant or irrelevant available measurements may obscure the understanding of the highly complicated physical system like the triggering of debris-flows. After demonstrating and testing the MEA method, we apply this method to a dataset of debris-flow occurrences in Taiwan and successfully find out three relevant variables, i.e. the hydrological form factor, numbers and areas of landslides, to the triggering of observed debris-flow events due to the 1996 Typhoon Herb.

연구 동기 및 목표

• 복잡한 시스템에서 상호 상관관계가 있는 지구물리학적 측정치의 큰 집합에서 관련 변수를 선별하는 데 도전하는 것.
• 주관적인 전문가 판단이나 특수 가정에 의존하지 않는 체계적이고 정량적인 변수 선택 기준을 개발하는 것.
• 최소 엔트로피 분석(MEA) 방법이 산사태 유발에 영향을 주는 영향력 있는 예측 변수를 식별하는 데의 효과성을 입증하는 것.
• MEA 결과를 기존의 GIS 기반 위험 모델과 비교하여 성능과 객관성을 검증하는 것.
• 다른 지구물리학적 및 지질학적 데이터 분석 문제에 적용 가능한 일반화 가능한 프레임워크를 제공하는 것.

제안 방법

• MEA 방법은 상대 엔트로피(Kullback-Leibler 발산)를 기준으로 하여 균일한 기준 분포에 대한 상대적인 정보 내용에 따라 모델을 순위 매긴다.
• 비정보성(균일) 분포에서 가장 벗어나는 모델을 식별하기 위해 최소 엔트로피 원리를 적용함으로써, 더 높은 정보 내용과 관련성을 나타낸다.
• 후보 변수(예: 지형, 지질, 수문학적 요소)의 모든 가능한 조합을 평가하고, 결과 모델 분포의 엔트로피를 계산한다.
• 엔트로피가 가장 낮은 모델(균일 분포에 가장 가까운)은 정보가 가장 적은 것으로 간주되며, 엔트로피가 가장 높은 모델은 정보가 가장 많고 관련성이 높은 것으로 순위 매겨진다.
• 이 방법은 이진 결과(산사태 발생 여부)를 위한 로짓 회귀 모델을 사용하고, 다양한 변수 조합을 가진 30개의 부분 모델에서 엔트로피를 평가한다.
• 변수 중요도는 부분 모델의 엔트로피 순위에 의해 결정되며, 일관되게 낮은 엔트로피를 보이는 모델은 관련성이 낮은 변수를 의미한다.

실험 결과

연구 질문

• RQ1 대규모 지구물리학적 측정치 집합 중에서 산사태 발생 예측에 가장 관련성이 높은 변수는 무엇인가?
• RQ2 전문가 의견이나 히وري스틱 가정에 의존하지 않고도 엔트로피 기반 기준이 핵심 예측 변수를 객관적으로 식별할 수 있는가?
• RQ3 기존의 GIS 기반 위험 모델이 주관적인 변수 선택을 사용하는 것과 비교할 때 MEA 방법의 성능과 일관성은 어떠한가?
• RQ4 수문학적, 지형학적, 산사태 관련 변수가 태풍 영향 지역의 산사태 유발에 어느 정도 기여하는가?
• RQ5 MEA 프레임워크는 고차원적, 노이즈가 많거나 상관관계가 높은 데이터를 가진 다른 복잡한 지구물리학적 시스템에 일반화될 수 있는가?

주요 결과

• MEA 방법은 태풍 허브 이후 산사태 유발에 있어 수문학적 형상 계수, 산사태 면적, 산사태 수의 세 가지 핵심 변수를 성공적으로 규명하였다.
• 30개의 부분 모델에서의 엔트로피 값은 형상 계수, 산사태 면적, 산사태 수를 포함하는 조합이 항상 가장 낮은 엔트로피를 보이며, 이는 이 변수들이 예측 모델에서 지배적인 역할을 한다는 것을 나타낸다.
• 이 방법은 변수 중요도에 대한 정량적 순위를 도출하였으며, 최적의 부분 모델(형상 계수, 산사태 면적, 수를 포함)은 모든 테스트 조합 중에서 가장 낮은 엔트로피 2.9346을 기록하였다.
• MEA 결과는 Lin 등(2002)의 GIS 기반 모델과 강한 일치를 보였으며, 이 모델도 형상 계수와 산사태 면적을 핵심 요소로 규명하여 방법의 신뢰성을 검증하였다.
• 이 방법은 전문가 모델에서 자주 우선시되지 않는 산사태 수가 산사태 유발에 중요한 역할을 할 수 있음을 드러내어 향후 연구가 필요함을 시사한다.
• MEA 프레임워크는 강인성과 단순성을 입증하여, 지구물리학적 모델링에서 주관적인 변수 선택에 대한 체계적이고 객관적인 대안을 제공한다.