기계학습을 통한 전기화재 예측모델 연구 = Electrical fire prediction model study using machine learning

국문 초록 (Abstract)

매년 전기화재사고에 대한 사고유형 분석, 점검 등 전기적 화재사고를 줄이기 위해 다양한 노력이 있었으나, 효율적인 의사결정지원 체계 및 기존 누적 데이터 활용방안의 미비로 효과적인 대처방안이 부재한 현황이다. 본 연구는 전기안전점검데이터, 전기화재사고정보, 건축물정보, 기상청정보 등 데이터 기반의 전기화재를 예측하는 알고리즘을 개발하고 이를 활용하여 전기화재사고를 줄이는데 목적이 있다. 본 연구에서는 한국전기안전공사, 기상청, 국토교통부, 소방본부 등 기관별로 수집된 데이터를 전처리, 융합, 분석, 모델링, 검증 과정을 거쳐 전기화재에 영향을 끼치는 요인과 예측모델을 도출하였다. 주요요인으로 절연저항 값, 습도, 풍속, 건축물 노후년수, 용적율, 건폐율, 건축물용도로 나타났고, Random forest 알고리즘을 활용한 예측모델은 74.7%의 정확도를 얻었다.

다국어 초록 (Multilingual Abstract)

Although various efforts have been made every year to reduce electric fire accidents such as accident analysis and inspection for electric fire accidents, there is no effective countermeasure due to lack of effective decision support system and existing cumulative data utilization method. The purpose of this study is to develop an algorithm for predicting electric fire based on data such as electric safety inspection data, electric fire accident information, building information, and weather information. Through the pre-processing of collected data for each institution such as Korea Electrical Safety Corporation, Meteorological Administration, Ministry of Land, Infrastructure, and Transport, Fire Defense Headquarters, convergence, analysis, modeling, and verification process, we derive the factors influencing electric fire and develop prediction models. The results showed insulation resistance value, humidity, wind speed, building deterioration(aging), floor space ratio, building coverage ratio and building use. The accuracy of prediction model using random forest algorithm was 74.7%.

참고문헌 (Reference)

1 장재영, "소셜 빅데이터 분석과 기계학습을 이용한 영화흥행예측 기법의 실험적 평가" 한국인터넷방송통신학회 17 (17): 167-173, 2017

2 정훈, "기계적 모터 고장진단을 위한 머신러닝 기법" 한국산업경영시스템학회 40 (40): 57-64, 2017

3 허영택, "국내 가스사고와 기상자료의 데이터마이닝을 이용한 가스사고 예측모델 연구" 한국가스학회 16 (16): 33-38, 2012

4 홍준혁, "가중치 기반 Bag-of-Feature와 앙상블 결정 트리를 이용한 정지 영상에서의 인간 행동 인식" 한국통신학회 38 (38): 1-9, 2013

5 B. C. Ko, "X-ray image classification using random forests with local wavelet-based CS-local binary patterns" 24 (24): 1141-1151, 2011

6 Jenks, George F., "The Data Model Concept in Statistical Mapping" 7 : 186-190, 1967

7 D. S. Bea, "Statistical theory and application" chungmungak 2003

8 L. Breiman, "Random forests" 45 (45): 5-32, 2001

9 F. Robert Jacobs, "Operations and Supply Management" McGrawHill 2010

10 Ministry of Public Administration and Security, "Development of a Fire Risk Prediction System using Big Data"

11 Breiman, L., "Bagging predictors" 24 : 123-140, 1996

12 S. K. Lee, "A statistical Analysis on the electrical Accident"

13 J. S. Ryu, "A conceptual Framework for spatial database structure" Korea Research Institute for Human Settlements 1996