국내 기상 데이터를 활용하여 건설현장 화재 위험 예측을 위한 ANN 모델 개발

• 영문명: Development of an Artificial Neural Network Model to Predict Fire Risk at Construction Sites Using Domestic Meteorological Data
• 발행기관: 한국방재학회
• 저자명: 김원창(Wonchang Kim) 이태규(Taegyu Lee)
• 간행물 정보: 『2. 한국방재학회 논문집』25권 4호, 1~8쪽, 전체 8쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.08.30

국문 초록

본 연구는 국내 기상 데이터를 활용하여 건설현장 화재 위험성을 예측하는 인공신경망(Artificial Neural Network, ANN) 기반 회귀 모델을 개발하고, 은닉층 수에 따른 예측 성능의 변화를 비교·분석하였다. 2010년부터 2023년까지의 월별 건설현장 화재 발생 건수 및 주요 기상 변수를 수집한 후, 피어슨 상관관계를 바탕으로 기온, 습도, 이슬점 등 상관성이 높은 변수들을 독립변수로 선정하였다. 모델 성능 비교 결과, 은닉층 1개로 구성된 ANN 모델이 가장 우수한 예측 정확도를 나타냈으며, 은닉층이 증가할수록 성능이 저하되고 과적합 가능성이 증가하는 경향이 확인되었다. 변수 중요도 분석에서는 최저기온과 체감온도가 주요 예측 요인으로 도출되었다.

영문 초록

This study developed a regression model based on an artificial neural network (ANN) to predict fire risk at construction sites based on domestic meteorological data. Monthly fire incident records and key meteorological variables from 2010 to 2023 were collected. Independent features were selected based on strong Pearson correlations, including temperature, humidity, and dew point. The performance comparison showed that the ANN model with a single hidden layer achieved the highest prediction accuracy, while additional hidden layers led to reduced performance and an increased risk of overfitting. Permutation importance analysis identified minimum temperature and apparent temperature as the most influential predictors.

목차

1. 서 론

2. 분석 계획 및 방법

3. 건설현장 화재 위험성 예측 모델 개발

4. 결 론

References

키워드

건설현장 화재 예측 인공신경망 기상 데이터 Construction Site Prediction of Fires Artificial Neural Network Meteorological Data