본 연구에서는 2 016년부터 2 02 0년까지 내륙 관측소 중 안개 최다발 지역인 안동을 대상으로 XGBoost-DART 머신러닝 알고리즘을 이용하여 1 시간 후 안개 유무를 예측하였다. 기상자료, 농업관측자료, 추가 파생자료와 각 자료 를 오버 샘플링한 확장자료, 총 6개의 데이터 세트를 사용하였다. 목측으로 획득한 기상현상번호와 시정계 관측으로 측 정된 시정거리 자료를 각각 안개 유[1]무[0]로 이진 범주화하였다. 총 12개의 머신러닝 모델링 실험을 설계하였고, 안개 가 사회와 지역사회에 미치는 유해성을 고려하여 모델의 성능은 재현율과 AUC-ROC를 중심으로 평가하였다. 전체적으 로, 오버샘플링한 기상자료와 기상현상번호 기반의 예측 목표를 조합한 실험이 최고 성능을 보였다. 이 연구 결과는 머 신러닝 알고리즘을 활용한 안개 예측에 있어서, 목측으로 획득한 기상현상번호의 중요성을 암시한다.

The detailed characteristics of fog over South Korea were analyzed using the three-years quality controlled (QC) 237 visibility meter data operated by Korea Meteorological Administration. The fog (dense fog: DFog) frequency varies greatly with season and geographic location. The fog frequency at inland is highest in autumn, but at the West Coast in spring and summer. Fog occurs frequently from spring to autumn in the mountainous regions. Unlike the fog, the DFog is mostly prevalent in summer at land, mountain, and coastal regions. The large coefficients of variation of fog and DFog at the three regions and four seasons indicate that the locality of fog over South Korea is very high. The formation and dissipation (FaD) of fog show strong diurnal variations irrespective of geographic location and season, strongest at inland and weakest at sea. Fog usually occurs from night to sunrise and dissipates from early morning to late morning. The maximum FaD time of fog show seasonal variation with the seasonal change in solar elevation angle. The frequency of fog is inversely proportional to the duration time, mostly less than 3 hours regardless of season and geographic location. Also, the duration of DFog is mostly within 1-3 hours.