본 논문에서는 지역별 기상조건에 따라 화재가 발생할 확률을 예측하는 모델생성방법을 제안한다. 예측모델은 기상데이터와 화재조사데이터를 이용해서 의사결정트리로 생성된다. 화재조사데이터는 주기적으로 관측되는 기상데이터와 다르게 그 생성주기가 불규칙하다. 또한 기상데이터는 지역별로 생성되지만 화재조사데이터는 지역의 특정지점에서 생성된다. 이와 같이 데이터의 생성주기와 지역범위가 다른 두 데이터를 가지고 생성시킨 모델에서 기상조건에 따라 화재 발생확률을 계산할 때 고려해야할 사항을 제시하고, 그 해결책을 제안한다. 실험에서는 16개 시도별로 5년 동안 발생된 화재조사데이터와 기상데이터를 가지고 각각 시도별 의사결정트리를 생성하였다. 생성된 16개의 트리 전부는 단지 루트노드로만 구성된 트리보다 더 작은 오차를 보였으며, 평균 111.37개의 IF~THEN 형태의 규칙들을 생성하였다. 생성된 규칙들을 통해 화재가 습도와 관련성이 높다는 현업에서의 가정에 부합되는 것을 확인하였다.
This paper proposes a method for predicting the probability of fire occurrence through weather conditions in a region. The proposed prediction model is generated using a decision tree algorithm from a data set, which combines fire investigation data with weather data observed every hour. The fire investigation data are irregularly generated, unlike the periodically generated weather data. A fire occurs at a specific location in a region, but a weather datum is measured over the region. We refer to a factor to be considered in calculating fire probability from a decision tree which is generated from the combined data set. We generated 16 decision trees, which predicts the probability of fire occurrence in the corresponding region, from fire investigation data and weather data generated during five years in each of seven major cities and nine states of South Korea. All of the 16 decision trees produced lower mean absolution errors than decision trees each of which consists of only the root node. They also produced an average of 111.37 rules in the form of IF-THEN statements. The rule set shows to be consistent with the assumption that fire and humidity have a close relationship.
