일일 강수량 예측을 위한 기계 학습 기법

초록 일일 강수량을 예측하는 것은 농업 생산성을 향상시키고 시민의 건강을 유지하기 위한 식량 및 물 공급을 확보하는 데 기여합니다. 강수량을 예측하기 위해 여러 나라의 환경 데이터 세트를 활용한 데이터 마이닝 및 기계 학습 기법을 사용한 연구가 진행되었습니다. 해당 국가의 불규칙한 강수 분포는 국가 경제가 의존하는 농업에 영향을 미칩니다. 가뭄과 홍수 문제를 최소화하기 위해 강수량 물의 현명한 사용이 계획되고 실행되어야 합니다. 본 연구의 주요 목적은 강수를 유발하는 관련 대기적 특성을 식별하고 기계 학습 기법을 사용하여 일일 강수량의 강도를 예측하는 것입니다. 피어슨 상관 관계 기법을 사용하여 기계 학습 모델의 입력으로 사용될 관련 환경 변수를 선택했습니다. 데이터 세트는 에티오피아 바히르 다르시의 지역 기상청에서 수집하여 세 가지 기계 학습 기법(다변량 선형 회귀, 랜덤 포레스트, 극단적 그래디언트 부스팅)의 성능을 측정했습니다. 기계 학습 모델의 성능 측정을 위해 Root Mean Squared Error와 Mean Absolute Error 방법을 사용했습니다. 연구 결과 극단적 그래디언트 부스팅 기계 학습 알고리즘이 다른 방법들보다 더 나은 성능을 보였음을 밝혀냈습니다.