용존산소(Dissolved oxygen, DO)는 생태계에서 중요한 요인이다. 그러나 하천 시스템의 비선형적 현상 때문에 DO 분석은 흔히 상당히 복잡하다. 따라서 DO 변수를 위한 편리한 무모델(모델 프리) 알고리즘이 필요하다. 본 연구에서는 XGBoost와 인공신경망(Artificial neural network, ANN)을 결합하여 DO를 예측하기 위한 데이터 기반 알고리즘인 ANN-XGB를 개발하였다. 모델 학습을 위해 Troll 9500 모델을 사용하여 서울 안양에서 2년간의 생태계 데이터를 수집하였다. 제안된 알고리즘의 한 가지 장점은 돌발 사건으로부터 발생하는 기후 관련 특징의 급격한 변화를 포착할 수 있다는 점이다. 또한 XGBoost를 사용함으로써 특징 중요도 분석을 제공할 수 있다. 결과에서 ANN-XGB 알고리즘으로 얻은 결과를 ANN 알고리즘으로 얻은 결과와 비교하였다. ANN-XGB가 제시한 예측은 ANN이 제시한 예측보다 하천에서 측정된 DO 값과 대체로 더 잘 일치하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.