📊 통계학

Comparison of Machine Learning Methods for Monthly Rainfall Forecasting Using k-Nearest Neighbors, Random Forest, and Artificial Neural Networks

본 연구는 팡칼피낭의 월간 강수량 예측을 위해 k-최근접 이웃, 랜덤 포레스트, 인공 신경망을 비교하였으며, 랜덤 포레스트가 MAE, RMSE, R²와 같은 평가 지표를 기준으로 다른 두 알고리즘보다 우수한 성능을 보임을 확인하였다.

원저자: Mico Maulana, Giarno

게시일 2026-10-29

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mico Maulana, Giarno

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

강우는 기후 체계의 심장박동이며, 식탁 위의 음식부터 도시의 안전에 이르기까지 모든 것을 형성하는 힘입니다. 이는 농부들에게는 필수적인 자원이지만, 과도하게 내릴 때는 잠재적인 재해가 되기도 합니다. 그러나 특정 달에 정확히 얼마나 많은 비가 내릴지 예측하는 것은 기상학에서 여전히 가장 어려운 과제 중 하나로 남아 있습니다. 강물의 일정한 흐름이나 조수의 예측 가능한 상승과 달리, 비는 혼돈스럽고 매우 비선형적입니다. 즉, 단순하고 직선적인 패턴을 따르지 않는다는 의미입니다. 해류, 몬순, 그리고 지역적 지형의 복잡한 결합에 의해 날씨가 결정되는 인도네시아와 같은 열대 지역에서는 이러한 예측 불가능성이 더욱 두드러집니다. 이 혼돈을 이해하기 위해 과학자들은 알고리즘이 과거의 데이터를 통해 학습하여 숨겨진 패턴을 찾아내는 컴퓨터 과학의 한 분야인 머신러닝에 주목해 왔습니다. 이러한 디지털 도구들은 경직된 규칙에 의존하는 대신, 수천 개의 과거 기상 관측 자료를 연구하여 다음에 어떤 일이 일어날지 추측함으로써 강우 예측이라는 오래된 문제를 해결하는 새로운 방법을 제시합니다.

최근 팡칼피낭의 데파티 아미르 기상 관측소를 대상으로 한 한 연구에서, 연구진은 세 가지 인기 있는 머신러닝 방법 중 어떤 것이 월간 강우량을 예측하는 데 가장 적합한지 알아보기 위해 실험을 진행했습니다. 기상기후국립대학의 미코 마울라와 기아르노가 이끄는 연구팀은 2015년부터 2024년까지 10년간의 기상 데이터를 수집했습니다. 그들은 전월 강수량, 평균 기온, 습도, 일조 시간 등 비에 영향을 미치는 다양한 요인들을 살펴보았습니다. 이 정보를 사용하여 연구진은 세 가지 서로 다른 유형의 컴퓨터 모델을 훈련시켰습니다. 하나는 과거의 유사한 기상 패턴을 찾는 모델이고, 다른 하나는 결과에 대해 투표하기 위해 의사결정 나무들의 군집을 구축하는 모델이며, 마지막 하나는 연결된 층을 통해 인간의 뇌가 정보를 처리하는 방식을 모방하는 모델입니다. 이 연구의 목표는 새로운 강우 예측법을 발명하는 것이 아니라, 이 기존 도구들을 비교하여 이 특정한 열대 군도 지역의 날씨를 가장 정확하게 예측할 수 있는 것이 무엇인지 확인하는 것이었습니다.

연구진은 데이터를 두 부분으로 나누어, 처음 8년 동안은 모델을 학습시키는 데 사용하고 마지막 2년 동안은 모델을 테스트하는 데 사용했습니다. 그 후 예측값과 실제 내린 비 사이의 근접도를 확인하는 표준 도구들을 사용하여 결과를 측정했습니다. 연구 결과 명확한 승자가 드러났습니다. 의사결정 나무의 군집을 구축하는 모델인 랜덤 포레스트(Random Forest)가 가장 효과적인 것으로 증명되었습니다. 이 모델은 월간 강우량 변화의 약 60%를 설명해 냈으며, 예측 오차는 평균 약 76mm였습니다. 이 모델은 극단적인 기상 현상에 혼란을 겪지 않으면서도 우기와 건기의 변동을 포착하는 데 특히 뛰어났습니다. 반면, 뇌를 모방한 모델인 인공 신경망(Artificial Neural Network)은 가장 고전했습니다. 이 모델은 강수 변동성을 약 30%밖에 설명하지 못했으며, 폭우 시에는 너무 높게 예측하고 가뭄 시에는 너무 낮게 예측하는 등 상당히 큰 오차를 보였습니다. 과거의 유사한 기상 패턴을 단순히 찾아내는 세 번째 모델은 중간 정도의 성적을 거두었는데, 변동성의 약 49%를 설명했으나 데이터의 정점과 저점을 완만하게 만드는 경향이 있어 가장 강렬한 강수 사건들을 놓치기도 했습니다.

이 연구는 이 특정 지역과 데이터 유형의 경우, 많은 단순한 의사결정자들을 하나의 견고한 시스템으로 결합하는 접근 방식이 테스트된 다른 방법들보다 우수하다는 점을 시사합니다. 연구진은 신경망 모델이 어려움을 겪은 이유가 해당 데이터셋이 복잡한 시스템이 효과적으로 학습하기에는 상대적으로 작았기 때문이라고 언급했습니다. 그러나 의사결정 나무 기반의 모델은 많은 개별 나무들의 결과를 평균화함으로써 데이터의 노이즈에 과잉 반응하는 것을 피하고 더 안정적인 예측을 제공하며 번창했습니다. 어떤 모델도 완벽하지 않으며 최선의 결과조차 여전히 개선의 여지가 남아 있지만, 이 연구는 열대 섬 지역의 기상학자들에게 실질적인 로드맵을 제공합니다. 즉, 제한된 과거 기록을 다룰 때는 복잡한 뇌 구조 같은 시스템을 작은 양의 정보에 억지로 맞추려 하기보다, 데이터에 대한 많은 단순한 관점들을 종합하는 앙상블 방법이 더 신뢰할 수 있다는 것을 보여줍니다. 이러한 통찰은 비가 필수적이면서도 예측 불가능한 지역에서 공동체를 보호하고 자원을 관리하기 위한 도구를 정교화하는 데 도움을 줍니다.

기술 요약: 월간 강수량 예측을 위한 머신러닝 방법론 비교

문제 제기
강수량은 농업에서 재난 완화에 이르는 다양한 분야에 있어 매우 중요한 기상 변수이지만, 고도의 비선형성과 역동적인 특성으로 인해 예측하기 가장 어려운 대기 매개변수 중 하나로 남아 있다. 이러한 과제는 특히 인도네시아와 같은 열대 군도 지역에서 더욱 두드러지는데, 이곳의 강수 패턴은 대기 현상(예: ENSO, IOD, MJO)과 국지적 지형 사이의 복잡한 상호작용에 의해 결정되기 때문이다. 전통적인 통계적 방법들은 선형성과 정상성에 의존하는 경우가 많아 이러한 복잡한 관계를 포착하는 데 한계가 있다. 머신러닝(ML)이 유망한 대안을 제시하고 있음에도 불구하고, 인도네시아 기상기후지질청(BMKG)의 관측 데이터를 활용하여 방카 벨리퉁 제도(Bangka Belitung Islands)의 월간 강수량 예측을 위해 k-최근접 이웃(kNN), 랜덤 포레스트(RF), 인공 신경망(ANN)을 구체적으로 평가하는 통합된 프레임워크 내에서의 비교 연구는 부족한 실정이다.

연구 방법론
본 연구는 2015년부터 2024년까지의 팡칼피낭(Pangkalpinang) 데파티 아미르(Depati Amir) 기상 관측소 관측 데이터를 활용하였다. 연구 워크플로우는 데이터 검증, 전처리(일일 데이터를 월간 데이터로 집계), 그리고 특징 공학(feature engineering) 과정을 포함한다. 예측 변수에는 강수량, 평균 기온, 상대 습도, 일조 시간, 그리고 강수 시차(lag) 특징이 포함되었다.

데이터셋은 시계열 순서에 따라 훈련 세트(2015~~2022)와 독립적인 테스트 세트(2023~~2024)로 분할되었다. 하이퍼파라미터 최적화 과정에서 시계열 의존성을 보존하기 위해 시계열 교차 검증(TSCV)이 채택되었다. 세 가지 서로 다른 머신러닝 알고리즘이 구현되었다:

k-최근접 이웃 (kNN): 유클리드 거리를 사용하여 특징 공간 내에서 $k$ 개의 가장 가까운 관측값의 평균을 바탕으로 타겟 값을 예측하는 사례 기반(instance-based) 알고리즘이다. 거리 계산 시 각 변수가 동일하게 기여할 수 있도록 예측 변수들을 표준화하였다.
랜덤 포레스트 (RF): 부트스트랩 샘플링과 무작위 특징 선택을 통해 다수의 결정 트리를 구축하는 앙상블 학습 방법이다. 개별 트리의 출력을 평균하여 분산과 과적합을 줄임으로써 예측을 도출한다. 특징 중요도 분석도 수행되었다.
인공 신경망 (ANN): 반복적인 가중치 조정을 통해 예측 오차를 최소화하기 위해 순방향 전파(forward propagation)와 역전파(backpropagation)를 사용하여 학습되는 다층 퍼셉트론(MLP) 모델이다.

모델 성능은 평균 절대 오차(MAE), 평균 제곱근 오차(RMSE), 결정 계수( $R^2$ )의 세 가지 통계적 지표를 사용하여 평가되었다. 낮은 MAE 및 RMSE 값과 높은 $R^2$ 값은 우수한 성능을 나타낸다.

주요 결과
비교 분석 결과, 세 알고리즘 간에 뚜렷한 성능 차이가 드러났다:

랜덤 포레스트 (RF): MAE 75.73 mm, RMSE 89.50 mm, $R^2$ 0.605를 기록하며 가장 우수한 예측 성능을 달est했다. 이 모델은 건기와 우기 모두에서 강수 변동성을 효과적으로 포착하였으며, 잔차(residuals)가 0 근처에 밀집되어 있었다.
k-최근접 이웃 (kNN): 최적의 $k$ 값 13을 기록하며 2위를 차지했다. MAE 83.53 mm, RMSE 98.23 mm, $R^2$ 0.492를 달성하였다. 일반적인 계절적 패턴은 포착하였으나, "과도한 평활화(over-smoothing)" 현상을 보여 피크 강수 이벤트를 과소평가하는 경향을 보였다.
인공 신경망 (ANN): MAE 112.38 mm, RMSE 136.60 mm, $R^2$ 0.303로 가장 낮은 성능을 보였다. 이 모델은 안정성 측면에서 어려움을 겪었으며, 다른 방법들에 비해 더 큰 편차와 일관되지 않은 오차 분포를 나타냈다.

의의 및 주장
본 논문은 랜덤 포레스트 알고리즘이 kNN과 ANN보다 뛰어난 성능을 보이며, 해당 연구 지역의 월간 강수량 예측에 가장 효과적인 접근 방식이라고 주장한다. 저자들은 이러한 우수성이 여러 결정 트리의 평균화를 통해 모델 분산을 최소화하면서 기상 변수 간의 복잡한 비선형 관계를 성공적으로 포착하는 RF의 앙상블 학습 프레임워크 덕분이라고 설명한다.

반면, 본 연구는 제한된 크기의 훈련 데이터셋(약 96개의 월간 관측치)이 ANN이 기저의 비선형 관계를 효과적으로 학습하는 데 걸림돌이 되었을 가능성을 시사한다. 일반적으로 신경망은 최적의 일반화를 위해 더 큰 데이터셋을 필요로 하기 때문이다. 마찬가지로, kNN 모델은 가장 가까운 이웃들의 평균에 의데하는 특성 때문에 극단적인 강수 변동을 표현하는 데 한계를 보였다.

본 연구의 주요 기여는 이 세 가지 특정 머신러닝 알고리즘을 열대 군도 지역의 장기 BMKG 관측 데이터와 결합하여 하나의 통합된 평가 프레임워크 내에서 분석했다는 점에 있다. 본 연구는 새로운 알고리즘을 개발했다고 주장하는 것이 아니라, 데이터 가용성이 상대적으로 제한적인 상황에서 앙상블 기반 방법(특히 RF)이 사례 기반 또는 신경망 기반 방법보다 더 견고하다는 경험적 증거를 제공한다. 이러한 결과는 열대 지역을 위한 보다 정확한 강수량 예측 시스템 개발을 가이드하는 데 목적이 있다.

유사한 논문