본 연구는 에너지 소비 예측을 위한 eXplainable AI(XAI)에 기반한 입력 변수 선택 방법론을 제안한다. 이를 위해 대한민국 서울의 한 대학교 건물 구축에 사용된 에너지 데이터를 수집하여 에너지 소비 예측 모델(R2 = 0.871; MAE = 2.176; MSE = 9.870)을 선정하였다. 예측 모델의 결과에 XAI를 적용한 뒤, 입력 변수들은 순위 점수 기대치(Fqvar)를 기준으로(10 ≤ Strong, 5 ≤ Ambiguous < 10, 그리고 Weak < 5) 영향도에 따라 세 그룹으로 나누었다. 그 결과, Strong + Ambiguous 그룹의 입력 변수를 고려한 모델(R2 = 0.917; MAE = 1.859; MSE = 6.639) 또는 Strong 그룹의 입력 변수를 고려한 모델(R2 = 0.916; MAE = 1.816; MSE = 6.663)은 다른 경우들보다 더 높은 예측 성능을 보였으며(p < 0.05 또는 0.01), Strong 그룹과 Strong + Ambiguous 그룹 간에는 통계적으로 유의한 차이가 없었다(R2: p = 0.408; MAE: p = 0.488; MSE: p = 0.478). 이는 XAI 기반 방법론에 의해 결정된 Strong 그룹의 입력 변수(Fqvar: Year = 14.8; E-Diff = 12.8; Hour = 11.0; Temp = 11.0; Surface-Temp = 10.4)를 고려할 때 에너지 소비 예측 모델이 우수한 성능을 나타냄을 의미한다. 따라서 본 연구에서 제안한 방법론은 에너지 소비를 정확하고 효율적으로 예측할 수 있는 모델을 결정하는 데 기여할 것으로 기대된다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.