Modeling maritime distress accident prediction using oceanic meteorological data

해상에서 사람 및 선박 운용과 관련된 조난사고 인명, 경제, 환경 등 다양한 측면에서 피해를 초래하기에 이를 예방하고자 해양 기상과 같은 환경적 원인의 분석이 중요하다. 본 연구는 해양 기상의 영향을 고려하여 해상조난사고 발생을 예측하고, 주요 기상 요소를 규명하는 데 목적이 있다. 이를 위해 2019년부터 2023년까지 발생한 해상조난사고 데이터를 수집하고, 시간별 해상 상황을 관측한 해양기상부이 데이터를 활용하여 시공간적으로 가장 인접한 데이터를 결합하였다. 또한, 요일과 3시간 단위 시간대에 따른 사고 발생 편향을 보정하기 위해 성향점수 매칭을 적용했다. 예측 모델은 로지스틱 회귀분석과 XGB (extreme gradient boosting), GBM (gradient boosting machine), LGB (light gradient boosting)와 같은 부스팅 계열 기계학습 기법을 활용하였으며, 분석 결과, XGB, GBM, LGB, 로지스틱 회귀분석 순으로 예측 성능이 우수함을 확인했다. 주요 기상 요소는 로지스틱 회귀분석에서 현지기압과 습도로 나타났으며, XGB, GBM, LGB에서는 수온, 파주기, 기온, 습도가 모두 포함되었다.