머신러닝을 이용한 호우재해의 인명피해 예측모델 개발

초록

본 연구에서는 1999년부터 2019년까지 국내에서 발생한 호우재해 피해데이터와 강우 특성을 결합하여 인명피해 발생을 예측하는 머신러닝 모델을 개발하고 그 성능을 평가하였다. 피해데이터는 행정안전부의 재해연보를, 강우데이터는 기상청 ASOS 자료를 활용하였다. 머신러닝 모델은 Random Forest, Decision Tree, XGBoost를 적용하였으며, 1999년부터 2015년은 학습구간으로, 2016년부터 2019년은 검증구간으로 설정하였다. 성능 비교 결과, XGBoost의 정확도(Accuracy)는 0.974로 가장 높았으며, Random Forest는 0.963, Decision Tree는 0.932로 분석되었다. 모든 모델은 Negative 예측의 특이도(Specificity)가 94.9%~99.3%로 매우 높았으나, Positive 예측 성능은 낮아 재현율(Recall)이 0.34~0.37로 나타났다. 이는 학습 및 검증 데이터에서 인명피해 발생 사례의 불균형이 영향을 미친 것으로 판단된다. 본 연구는 인명피해 예측모델을 통해 강우 특성뿐만 아니라 시설물 피해금액의 중요성을 확인하였다. 향후에는 불균형 데이터 보정 기법과 시계열 기반 모델을 적용하여 예측 성능을 향상시킬 수 있음을 제시하였다.

키워드