기계학습을 활용한 하절기 기온 및 폭염발생여부 예측Prediction of Temperature and Heat Wave Occurrence for Summer Season Using Machine Learning
- Other Titles
- Prediction of Temperature and Heat Wave Occurrence for Summer Season Using Machine Learning
- Authors
- 김영인; 김동현; 이승오
- Issue Date
- 2020
- Publisher
- 한국방재안전학회
- Keywords
- Temperature prediction; LSTM; Machine learning; Heat wave; Numerical forecast; 기온예측; LSTM; 기계학습; 폭염; 수치예보
- Citation
- 한국방재안전학회논문집, v.13, no.2, pp.27 - 38
- Journal Title
- 한국방재안전학회논문집
- Volume
- 13
- Number
- 2
- Start Page
- 27
- End Page
- 38
- URI
- https://scholarworks.bwise.kr/hongik/handle/2020.sw.hongik/12284
- ISSN
- 2466-1147
- Abstract
- 최근 국내에서는 다양한 이상기후들이 발생하고 있으며 이로 인해 인명피해, 재산피해와 같은 큰 피해들이 발생하고 있다. 그 중에서도 폭염으로 인한 피해는 점점 증가하는 경향을 보인다. 이에 대처하기 위해서는 빠르고 정확한 기온 및 폭염발생여부 예측이 필수적이다. 현재 기상청에서는 폭염에 대한 정보를 단기예보를 통해 제공하는데, 단기예보를 위한 기온예측은 수치예보모델을 통해 수행된다. 과거 15년간(1998~2012년) 인구대비 폭염 사망률이 가장 높았던 ○○군에 대하여 2019년도 기온 예보자료와 관측 자료를 비교한 결과, 평균제곱근오차가 1.57°C 발생하였고, 관측 값이 33°C이상에 해당하는 데이터만 비교한 결과, 평균제곱근오차가 1.96°C 발생하였다. 예보시간은 4시간이고 예보과정에는 약 3~4시간이 소요된다. 이에 본 연구에서는 소요시간과 예측 정확도를 고려하여, 기계학습방법의 일종인 LSTM을 이용한 기온 및 폭염발생 예측 방법론을 제시한다. 기계학습모델을 이용한 4시간 기온예측결과1.71°C의 평균제곱근오차가 발생하였고, 관측 값이 33°C 이상에 해당하는 데이터만 비교한 결과 1.39°C의 평균제곱근오차가 발생하였다. 전 범위의 오차는 수치예보모델이 더 작은 값을 가지지만, 33°C이상의 경우에는 기계학습모델 예측의 정확도가 더 높았다. 또한수치예보를 이용한 경우 예상 소요시간이 4시간가량인 반면 기계학습을 이용한 기온예측에는 평균 9분26초의 시간이 소요되어 경제적이라 판단하였다. 향후 공간적인 범위를 확대하거나 대상 지역을 변경하는 일반적인 방안에 대해서 연구를 수행하고자 한다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Engineering > Department of Civil Engineering > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hongik/handle/2020.sw.hongik/12284)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.