Wildfire Spread Modeling and Prediction via Reinforcement Learning

기후 변화로 인한 이상 고온 현상은 산불 발생 빈도와 규모를 증가시키며, 이는 생태계 파괴와 인명 피해 등 심각한 사회적 문제를 초래한다. 본 연구는 강화 학습을 활용하여 산불 확산 경로를 예측하고 산불 대응 체계의 실효성을 높이고자 한다. 연구 대상은 2022년 울진 산불 지역으로, 풍향, 풍속, 입목도, 경사도 데이터를 기반으로 보상 행렬을 설계한다. Deep Q-Network (DQN) 알고리즘을 통해 산불의 확산 방향과 강도를 학습하고, Python을 활용해 시뮬레이션과 시각화를 수행한다. 시뮬레이션 결과, 평형수분함량과 풍향 요인을 높게 반영한 시뮬레이션에서는 자카드 지수 약 0.72를 기록하며 실제 확산 영역과 상당한 유사성을 보인다. 결과적으로 본 논문에서는 강화학습이 변화하는 환경 조건을 학습하여 산불확산의 예측 가능성을 확인시켜준다.