지속 가능성을 위한 AI 기반 예측 모델

이 연구는 에너지 소비를 최적화하고 예측 정확성을 높이며 투명성을 보장하여 Net Zero 지속 가능성 목표에 부합하는 AI 기반의 설명 가능한 에너지 관리 모델을 제시합니다. 이 모델은 그래디언트 부스팅 머신(GBM) 및 랜덤 포레스트와 같은 기계 학습 알고리즘을 통합하고, 해석 가능성을 위해 SHAP와 LIME와 같은 기법을 활용합니다. 데이터는 70/30 비율로 훈련 및 검증에 나누어 사용되었으며, 과적합을 피하기 위해 10회 검증을 수행하여 평균 절대 오차(MAE) 1.26-1.53 및 Root Mean Squared Error(RMSE) 1.97-2.06을 달성했습니다. 모델의 예측 정확성은 R² 0.92에 도달하였고, 정밀도 및 재현율 점수는 각각 85-90% 및 80-88%로, 전통적인 방법에 비해 유의미한 개선을 보여주었습니다. 민감도 분석은 온도와 역사적 소비 데이터의 높은 영향을 나타내어 주의 깊은 모니터링이 필요함을 강조합니다. 이 모델은 다양한 시나리오에서 견고하게 작동하며, CO₂ 배출을 30% 줄이고 비용을 18% 절감하여 실제 응용에서의 적응력을 강조합니다. 결론적으로 이 설명 가능한 AI 모델은 신뢰할 수 있고 실행 가능한 통찰력을 제공하여 지속 가능한 에너지 관리를 선도하고, Net Zero 목표에 맞추며, 향상된 투명성과 정확성을 통해 정보에 근거한 의사 결정을 지원합니다.