태풍 정보에 따른 떫은 감 농가 피해율 분석

Analysis of the Damage Rate of Astringent Persimmon Farms According to Typhoon Information

태풍은 지구 온난화로 인해 해수면 상승 및 대기와 해양 온도 증가 등 이상 현상이 증가함에 따라 더욱 빈번히 발생하는 자연재해로 그 피해가 해마다 늘어나고 있다. 특히 태풍의 발생 시기는 농작물의 수확기와 비슷하여 농가에 많은 피해를 발생시키기 때문에 태풍에 따른 정확한 분석이 필요하다. 본 연구에서는 태풍으로 인한 떫은 감 농가의 낙과 피해율을 예측하기 위해 농가 피해 데이터와 태풍 정보 데이터를 활용하였다. 2016년부터 2019년까지의 사고일자별 데이터를 활용하였으며 2016년부터 2018년까지의 데이터를 학습용 데이터 셋으로 2019년 데이터를 평가용 데이터 셋으로 설정하였다. 데이터 분석은 H2O 라이브러리의 AutoML(Automatic Machine Learning)을 통해 평균제곱근오차(RMSE : Root Mean Square Error)와 평균절대오차(Mean Absolute Error : MAE)를 기준으로 모형의 예측력을 비교하였다. 분석 결과 XGBoost 모형이 가장 좋은 성능을 보였다. 본 연구를 통해 향후 새로운 태풍 발생 시 농가들의 예상되는 피해율을 제시해 줄 수 있으며 태풍피해 저감방안을 마련하고 대응조치 지도를 통해 피해를 경감할 수 있을 것으로 기대된다.

Typhoon is a natural disaster that occurs more frequently as abnormalities such as sea level rise and atmospheric and marine temperatures increase due to global warming, and the damage is increasing year by year. In particular, since the occurrence period of typhoons is similar to the harvest period of crops, it causes a lot of damage to farms, so accurate analysis according to typhoons is necessary. In this study, farm damage data and typhoon information data were used to predict the fall and damage rate of farmers due to typhoon. Data by accident date from 2016 to 2019 were used, and data from 2016 to 2018 were set as dataset for learning and dataset for evaluation in 2019. Data analysis compared the predictive power of the model based on Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) through Automatic Machine Learning (AutoML) in the H2O library. As a result of the analysis, the performance of the XGBoost model was found to be the best. Through this study, it is expected that it will be possible to suggest the expected damage rate for farms in the event of a new typhoon in the future, and to reduce the damage through reduction measures and guidance on countermeasures.