J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 19(7); 2019 > Article
소방방재
Journal of the Korean Society of Hazard Mitigation 2019;19(7):275-281.
DOI: https://doi.org/10.9798/KOSHAM.2019.19.7.275    Published online December 31, 2019.
인공신경망을 활용한 기상 및 화재 데이터기반의 화재발생 확률 예측
홍석영1, 조성현2, 김민수3, 문일4
1정회원, 연세대학교 화공생명공학과 박사과정
2연세대학교 화공생명공학과 박사과정
3연세대학교 화공생명공학과 석사과정
4정회원, 연세대학교 화공생명공학과 교수
Fire Prediction based on Weather and Fire Data using Artificial Neural Network
Seokyoung Hong1, Sunghyun Cho2, Minsu Kim3, Il Moon4
1Member, Ph.D. Cadidate, Department of Chemical and Biological Engineering, Yonsei University
2Ph.D. Cadidate, Department of Chemical and Biological Engineering, Yonsei University
3Master Cadidate, Department of Chemical and Biological Engineering, Yonsei University
4Member, Ph.D. Cadidate, Department of Chemical and Biological Engineering, Yonsei University
Corresponding author:  Il Moon, Tel: +82-2-363-9375, Fax: +82-2-363-9375, 
Email: pselab@yonsei.ac.kr
Received: 11 October 2019   • Revised: 14 October 2019   • Accepted: 19 November 2019
Abstract
Today, more than 40,000 fire accidents occur every year, resulting in considerable casualties and property damage. This study develops an artificial neural network model to predict the probability of fire in Seoul City using fire and weather data collected from January 1, 2008, to December 31, 2017. The integrated dataset combines weather data collected every hour with fire data to determine the probability of a fire; 70,484 data are used for artificial neural network learning while 30,459 are used for evaluation. The analysis calculates the probability of a fire between 0 and 100% based on the information yielded by an artificial neural network comprising three hidden layers, with the month, day, hour, temperature, humidity, and wind speed used as variables. Relative Absolute Error (RAE) is used to evaluate the performance of the model, which reveals the neural network model's superiority over the decision tree method.
Key Words: Fire Prediction, Weather and Fire Data, Artificial Neural Network, Relative Absolute Error
요지
최근 국내의 화재 발생 현황으로 매 년 40,000건 이상의 화재사고가 꾸준히 발생하고 있으며 이로 인해 상당한 인명피해와 재산피해가 발생하고 있다. 본 논문은 이에 대한 예측 및 대응시스템 구축을 위해 2008년 1월 1일부터 2017년 12월 31일까지 수집된 서울시 화재데이터와 기상데이터를 활용하여 서울시의 화재발생 확률을 예측하는 인공신경망 모델을 개발하였다. 매 시간 단위로 수집된 기상데이터와 화재발생 여부를 알 수 있는 화재데이터를 통합한 통합데이터를 생성하였고 70,484건의 데이터를 인공신경망 학습에, 30,459건의 데이터를 평가에 사용하였다. 본 논문의 결과물은 월, 일, 시, 온도, 습도, 풍속변수를 사용하여 3개의 은닉층으로 구성된 인공신경망을 거쳐 0~100% 사이의 화재발생 확률을 계산한다. 모델 성능 평가에는 상대 절차 오차(Relative Absolute Error, RAE)가 사용되었으며 인공신경망 모델이 의사결정트리에 비하여 성능이 우수한 것으로 나타났다.
핵심용어: 화재 예측, 기상 및 화재 데이터, 인공신경망, 상대절대오차


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
307 Main Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2020 by The Korean Society of Hazard Mitigation. All rights reserved.

Developed in M2community

Close layer
prev next