핵심 개념
기계 학습 모델을 활용하여 기존 수치 예보 모델의 한계를 극복하고 장소 특정 온도 및 습도 예보의 정확도를 크게 향상시킬 수 있다.
초록
이 연구는 기계 학습 모델 XGBoost를 활용하여 장소 특정 온도 및 습도 예보를 수행하였다. 기존 수치 예보 모델의 한계를 극복하고자 하였으며, 예보 정확도 향상을 위해 다양한 전처리 기법을 적용하였다.
주요 내용은 다음과 같다:
- 11개 관측소의 과거 수치 예보 데이터와 관측 데이터를 활용하여 XGBoost 모델을 학습
- 주변 격자점 데이터 포함, 특징 선택, 데이터 스케일링 등의 전처리 기법을 적용하여 모델 성능 향상
- 학습된 모델을 통해 온도 및 습도 예보를 수행하고, 기존 수치 예보 모델 대비 RMSE, MAE, 일 최고/최저 온도 RMSE, 임계 오차율 등 다양한 지표에서 개선된 성능 확인
- SHAP 분석을 통해 모델의 예측 메커니즘을 설명하고, 모델 신뢰성 향상을 위한 방안 제시
이 연구는 기계 학습 기반 장소 특정 기상 예보 시스템 개발에 기여할 것으로 기대된다.
통계
장소 특정 온도 예보 시, 주변 격자점의 온도 값이 가장 큰 영향을 미친다.
장소 특정 습도 예보 시, 습도 값과 풍속 간의 비선형적 상호작용이 중요한 역할을 한다.
예보 시간대에 따라 온도 예보 오차가 달라지며, 새벽과 오후 시간대에 상대적으로 오차가 크다.
인용구
"기계 학습 모델을 활용하면 기존 수치 예보 모델의 한계를 극복하고 장소 특정 기상 예보의 정확도를 크게 향상시킬 수 있다."
"SHAP 분석을 통해 모델의 예측 메커니즘을 설명하고, 모델 신뢰성 향상을 위한 방안을 제시할 수 있다."