산불 발생 확률 예측 - 모델링 결과

이제 train data는 모두 준비됐다.

정리해보면 독립변수=feature= x는 기상데이터, 지형데이터, 인적데이터가 될 것이고 y는 1 혹은 0이 될 것이다.

train의 경우 target이 1인 산불발생에 관련된 데이터가 1024개 그리고 산불이 발생하지 않은 데이터가 1140개 총 2164개의 데이터로 학습이 진행된다.

 

test의 경우가 참 애매했다. 우리의 목적이 무엇인가를 다시 생각해봐야한다. 

우리의 목적은 산불발생확률을 예측하는 것이다. 따라서 전지역에 대한 산불발생확률을 생성해야한다. 

그래서 이전에 말했던 지형의 해상도에 맞게 강원도 전체를 400*278로 나눈 총 11만개 정도의 input을 최종적으로 넣어서 나오는 결과값들이 결과값이다. 

아래 그림을 보면 좀 이해가 될 것 같은데, 저 네모 칸들이 총 11만개 정도 있는것이고 학습이 완료된 모델에 저 11만개의 input을 넣어서 강원도 전체 지역에 대한 확률맵을 만드는 것을 최종 목표로 설정하였다.

이제 모델을 구성해보자.

모델은 정형데이터와 이미지 데이터를 입력으로 받아들여서 1 혹은 0으로 예측해야한다. 

 

모델의 경우에는 기상데이터=정형데이터는 mlp레이어를 통해서 학습시키고, 지형&인적데이터=비정형데이터는 conv2d를 이용하여 학습시킨다. 이후 마지막의 featuremap을 concat해서 시그모이드 함수를 거친다. 

 

이렇게 학습한 모델을 저장하여, 최종적으로 11만개의 강원도 전체지역에 대한 특정날짜의 기상데이터와 지형데이터를 넣게되면 전체 강원도에 대한 확률맵이 생성되게 된다.