머신러닝으로 캘리포니아 산불 진압 시간 예측하기

초록

본 연구는 캘리포니아 산불의 진압에 소요되는 일수를 정확히 예측하기 위해 머신러닝 모델을 개발했습니다. 기존 연구가 위험도나 확산 예측, 또는 진압 시간을 범주형으로만 예측한 반면, 본 연구는 회귀(Regression) 문제로 접근해 연속적인 수치를 예측하는 더 세밀한 방법을 제시합니다. 공개된 세 가지 데이터셋을 통합해 Random Forest, XGBoost, LSTM 모델을 학습시킨 결과, 정적(Static) 특성을 잘 처리하는 XGBoost의 성능이 가장 우수했으며, 시계열 데이터가 부족해 LSTM 모델은 상대적으로 낮은 성능을 보였습니다. 이는 특성 가용성에 따라 적합한 모델을 선택할 수 있음을 시사하며, 산불 관리 당국의 자원 배치 결정에 실질적인 도움을 줄 수 있습니다.

상세 분석

본 연구의 기술적 분석과 핵심 통찰은 다음과 같습니다.

1. 문제 정의의 혁신성: 기존 연구 대부분이 산불 지속 시간을 ‘단기/중기/장기’ 같은 범주로 분류했으나, 본 연구는 ‘진압 소요 일수’라는 연속값을 회귀 문제로 예측함으로써 운영 현장에서 요구되는 정량적이고 세분화된 예측을 가능하게 했습니다. 이는 자원 할당 계획을 수립할 때 훨씬 더 실용적인 정보를 제공합니다.

2. 데이터 처리 및 특성 공학: 캘리포니아 산불 역사 데이터(FRAP), 데이터 사전, 공간 정보(Shapefile) 등 이질적인 공개 데이터 소스를 통합하고 정제했습니다. 목표 변수인 ‘Containment_Days’는 알람 발생일과 진압 완료일의 차이로 계산했으며, 데이터의 오른쪽 꼬리 분포(Right-skew)를 고려해 로그 변환(Log_Cont_Days)을 적용해 모델 학습 효율성을 높였습니다. 모델 학습에는 화재 원인, 위치(위도/경도), 최종 면적(GIS_Acres, 로그 변환됨) 등의 정적 특성이 주로 사용되었습니다.

3. 모델 선택 및 비교의 타당성: 정적 특성이 주를 이루는 데이터셋의 특성을 고려해 트리 기반의 앙상블 모델(Random Forest, XGBoost)과 시계열 데이터 처리에 강점이 있는 LSTM을 비교했습니다. 결과는 데이터 특성에 따른 모델 적합성을 명확히 보여줍니다. XGBoost가 Random Forest를 약간 상회한 이유는 그레이디언트 부스팅 방식이 특성 간 복잡한 상호작용과 비선형 관계를 더 효율적으로 학습하기 때문으로 해석됩니다. 반면, LSTM의 성능이 낮은 이유는 데이터에 일별 기상 변화와 같은 명시적인 시퀀스(Sequence) 또는 시간적 특성(Temporal Features)이 포함되지 않았기 때문입니다. 이는 모델 선택 시 데이터의 본질적 구조를 먼저 이해해야 함을 강조합니다.

4. 검증 방법의 현실 반영: 시간 순서를 고려한 검증(Temporal Split)을 채택해 2018년 이전 데이터로 학습하고 2018년 이후 데이터로 평가했습니다. 이는 단순한 무작위 분할보다 미래의 새로운 화재에 대한 모델의 일반화 성능을 더 현실적으로 평가하는 방법입니다.

5. 실무적 함의: 연구 결과는 ‘일률적인 최고의 모델’이 존재하는 것이 아니라, ‘데이터와 문제에 맞는 최적의 모델’이 있음을 보여줍니다. 현장에서 일별 상세 기상 데이터를 수집할 수 있다면 LSTM과 같은 시퀀스 모델의 성능을 재평가할 수 있으며, 그렇지 않은 경우 XGBoost 같은 트리 기반 앙상블이 강력한 대안이 될 수 있습니다. 이는 산불 관리 당국이 가용 데이터 인프라에 기반해 실용적인 예측 시스템을 구축하는 데 중요한 지침을 제공합니다.