머신러닝 기반의 호우피해 발생확률 예측 모형 개발

Developing a Prediction Model (Heavy Rain Damage Occurrence Probability) Based on Machine Learning

본 연구에서는 수도권 지역을 대상으로 사전에 피해 발생 여부를 파악하기 위하여 머신러닝 기반의 호우피해 발생확률 예측 모형을 개발하였다. 종속변수로써 활용하는 호우피해 자료와 독립변수로써 활용하는 강우자료를 수집하였고, 학습기간 (2005-2016)과 평가기간(2017)으로 자료를 구분하였다. 로지스틱 회귀모형, 인공신경망, 배깅, 랜덤포레스트, 부스팅 등의 머신러닝 기법들을 적용하여 모형을 개발하였다. 평가기간의 자료를 이용하여 각 모형들에 대해 피해 발생 여부를 예측하고, F1-Score를 통해 성능이 가장 우수한 모형을 선별하였다. 그 결과 경기도 지역과 서울 지역에서는 부스팅이 가장 우수한 성능을 보였고, 인천 지역에서는 배깅이 가장 우수한 성능을 나타냈다. 본 연구 결과를 활용하여 현재 국내에서 서비스 되고 있지 않는 호우피해 발생 예측에 대한 서비스가 이루어진다면, 사전 대비 차원의 재난관리를 통해 효과적으로 피해를 저감할 수 있을 것이다.

In this study, a prediction model (heavy rain damage occurrence probability or PM-HDOP) was developed for a metropolitan area. The heavy rain damage and rainfall data were collected as dependent and independent variables, respectively. The dataset was divided into training (2005-2016) and test sections (2017). We developed the PM-HDOP using machine learning methods such as logistic regression, artificial neural network, bagging, random forest, and boosting to predict the occurrence of nonlinear natural disasters. An architectural model with the best performance was selected, and the PM-HDOP was subsequently used to predict the probability of occurrence. As a result, a boosting scheme showed the best performance in Gyeonggi-do and Seoul, and a bagging scheme showed the best performance in Incheon. If the results of this study are used to predict the occurrence of heavy rain damage, which is not currently being serviced in Korea, it is possible to effectively reduce the damages.