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.

Fog may have a significant impact on road conditions. In an attempt to improve fog predictability in Jeju, we conducted machine learning with various data mining techniques such as tree models, conditional inference tree, random forest, multinomial logistic regression, neural network and support vector machine. To validate machine learning models, the results from the simulation was compared with the fog data observed over Jeju(184 ASOS site) and Gosan(185 ASOS site). Predictive rates proposed by six data mining methods are all above 92% at two regions. Additionally, we validated the performance of machine learning models with WRF (weather research and forecasting) model meteorological outputs. We found that it is still not good enough for operational fog forecast. According to the model assesment by metrics from confusion matrix, it can be seen that the fog prediction using neural network is the most effective method.

수치일기예보와 관측 시스템의 많은 발전에도 불구하고 안개 예측은 아직도 만족할 수준이 아니다. 본 연구에서는 기상청의 지상 안개 관측자료(1998~2007)를 이용하여 충청지방의 안개 발생 특성과 안개 발생에 영향을 주는 기상요소들에 대해 조사하였다. 또한 로지스틱 기법을 이용하여 계절별 안개예측 식을 개발하고 이를 검증하였다. 충청지역에서 연 평균 안개 발생일 수는 충주에서 56.5일, 추풍령에서 17.9일이 발생하는 등 강한 공간편차를 보이고 있다. 또한 대부분 지역에서 가을과 여름에 각각 최대와 최소로 발생하여 계절변동도 강하게 나타나고 있다. 안개의 발생은 주로 04~07시에 일어나고 지속시간은 약 3시간 반 정도이다. 다른 지역과 달리 서산에서는 바람이 강할 때도 안개가 발생하고 있어 이 지역에서는 이류무도 자주 발생함을 알 수 있다. 또한 강수발생 유무도 안개 발생에 많은 영향을 미침이 확인되었다. 로지스틱 안개예측 기법의 예측 수준을 2008년도 지상 관측자료를 이용하여 검증한 결과 현재 기상청의 예보 수준보다 향상된 예보 수준을 보였다.