가정 생활폐기물 발생량에 대한 정확한 예측은 지속가능한 도시 계획과 데이터 기반 환경 정책 수립에 필수적이다. 전통적인 통계 모델은 간단하고 해석 가능하다는 장점이 있음에도 불구하고, 폐기물 생산 패턴에 내재된 비선형적이고 다차원적인 관계를 충분히 포착하지 못하는 경우가 많다. 본 연구는 기계학습 기반 회귀 프레임워크를 제안하며, Random Forest와 XGBoost 알고리즘을 활용하여 한국의 네 개 대도시 권역—서울, 경기, 인천, 제주—에서 2000년부터 2023년까지의 연도별 가정 생활폐기물 발생량을 예측하고자 한다. 독립변수에는 인구통계 지표(총인구, 생산가능인구, 고령인구), 경제 지표(지역내총생산), 그리고 One-Hot Encoding으로 인코딩한 지역 식별자가 포함된다. 또한 인구 고령화를 반영하기 위해 도출 변수인 ‘고령비’를 도입하였다. 모델 성능 평가는 R2, RMSE, MAE를 사용하였으며, 불확실성을 시뮬레이션하기 위해 인공 노이즈를 추가하였다. Random Forest는 특히 데이터가 부족한 제주와 같은 지역에서 더 우수한 일반화 성능과 데이터 불규칙성에 대한 견고성을 보였다. SHAP 기반 해석 가능성 분석 결과, 총인구와 GRDP(지역내총생산)가 가장 영향력 있는 특징으로 나타났다. 본 연구 결과는 폐기물 예측 모델에 경제 지표를 반영하는 것의 중요성을 강조하며, 인구통계 변수만으로는 폐기물 역학을 설명하기에 충분하지 않음을 시사한다. 이러한 접근은 정책결정자에게 유용한 통찰을 제공하고, 폐기물 감축과 기반시설 투자에 관한 적응적이며 지역 특화된 전략 수립을 뒷받침한다.

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