머신러닝 기법을 이용한 광산 지반침하 예측 성능의 비교분석

초록

본 연구에서는 폐광 지역의 지반침하 발생 예측에 활용되는 다양한 머신러닝 기법의 예측 성능을비교·분석하였다. 광산 지반침하 발생 여부에 영향을 미치는 인자는 총 8개로 구성하였고, 1,730개의 지반침하 데이터를 획득하였다. 머신러닝 기법은 지반재해 예측에 대한 문헌에서 주로 활용되는 Adaboost, ANN(Artificial Neural Network), kNN(k-Nearest Neighbor), RF(Random Forest), SVM(Support Vector Machine) 등 5개를 선정하였다. 또한, 5개 알고리즘에 Stacking 기법을 적용하여 10개 조합으로 나누어 각각의 앙상블 기법들의 예측 성능을 비교하였다. 본 연구에서 적용된머신러닝 기법의 분류 성능 평가 지표로는 기존에 사용되던 AUC(area under the curve)가 아닌 실제로 발생된 지반침하를 맞게 예측하는 비율을 의미하는 Recall에 중점을 두었다. Recall에 기반한 결과, RF 기법이 0.955로 가장 높은 성능을 나타내었다. 이는 지반침하 발생 여부를 예측하는데 기존기법보다 신뢰성 있는 평가 기준이 될 수 있을 것으로 기대된다.

키워드