AI 기반 분리 모형을 활용한 구례취수장의 용수수요량 예측에 관한 연구

• Published in: 디지털콘텐츠학회논문지 Vol. 23; no. 12; pp. 2545 - 2553
• Main Authors: 노희성(Hui-Sung Noh), 최시중(Si-Jung Choi), 강성규(Sung-Kyu Kang), 김동현(Dong-Hyun Kim)
• Format: Journal Article
• Language: Korean
• Published: 한국디지털콘텐츠학회 01.12.2022
• Subjects: 컴퓨터학; 가뭄; 비구조적 대책; 랜덤포레스트; Water demand; 용수수요량; Random forest; Drought; Decision tree; 의사결정나무; Non-structural measures
• ISSN: 1598-2009; 2287-738X
• DOI: 10.9728/dcs.2022.23.12.2545

가뭄은 사회 및 환경에 심각한 영향을 끼치고 있지만, 발생 지역이 포괄적이고 점진적으로 진행된다. 이에 가뭄으로 인한 피해를 사전에 대비 및 대응 차원에서 가뭄 단계에 따라 탄력적으로 적용할 수 있는 비구조적인 대책의 수립이 필요한 실정이다. 본 연구에서는 위기경보 단계별 기준을 마련하기 위해 용수수요량 자료의 확률밀도함수와 구간에 확률변수가 포함될 확률을 산출하였다. 설정된 기준을 바탕으로 가까운 미래의 용수수요량의 규모를 파악하고자 AI 기반의 분류 모형인 의사결정나무(decision tree, DT), 랜덤포레스트(random forest, RF) 모형을 이용하였다. 모형의 학습 구간은 ´04년부터 ´15년까지 검증 구간은 ´16년부터 ´21년까지 자료를 이용하여 모형의 정확성을 평가하였다. 모형의 정확성 평가 결과, 랜덤포레스트 모형의 F1-score 값이 0.81로 우수한 성능을 나타냈다. Drought has a serious impact on society and the environment, but it is a comprehensive and gradual process in the affected area. It is necessary to establish non-structural measures that can be flexibly applied according to the drought stage in order to prepare for and respond to damage caused by drought in advance. In this study, the probability density function of water demand data and the probability that a random variable is included in the interval are calculated to prepare the standard for each stage of crisis alert was established. AI-based classification models such as decision tree (DT) and random forest (RF) models were used to figure out the size of water demand in the near future based on the established criteria. The model's learning section was from 2004 to 2015, and the validation section was from 2016 to 2021, and the accuracy of the model was evaluated. As a result of evaluating the accuracy of the model, the F1-score of the random forest model was 0.81, indicating excellent performance. KCI Citation Count: 0