earticle

영어

Over the past 10 years, approximately 3 trillion won has been spent on the cost of slaughtering livestock contagious diseases. In addition, damage from African swine fever (ASF) and highly pathogenic avian influenza (HPAI) is still ongoing. Therefore, in this paper, highly pathogenic avian influenza data were selected to quickly provide information necessary for prioritizing quarantine measures in the event of a catastrophic animal disease. In addition, data construction and AI models were designed to predict disease risk for avian influenza. To this end, we designed a predictive model for the risk of avian influenza by building a dataset using meta information such as antigen occurrence, year of occurrence, range of occurrence, farm weather, vehicle movement, geography, sanitation, and quarantine values. Finally, as a result of baseline modeling, lightgbm kept the model capacity less than 100MB. Also, lightgbm showed better accuracy and AUC than xgboost and randomforest.

한국어

최근 10년간 가축전염병 살처분 비용으로 약 3조원의 재정이 소요되고 있다. 또한, 아프리카돼지열병(ASF)과 고병원성 조류 인플루엔자(HPAI)로 인한 피해는 지금까지도 진행중에 있다. 따라서, 본 논문에서는 재난형 동물 질병 발생 시 방역조치 우선순위 선정에 필요한 정보를 신속하게 제공하기 위해 고병원성 조류 인플루엔자 데이터를 선정하 여, 조류 인플루엔자를 대상으로 질병 위험도 예측을 위한 데이터 구축 및 AI 모델을 설계하였다. 이를 위해, 항원 발생유무, 발생년도, 발생범위, 농장날씨, 차량움직임, 지리, 위생, 방역수치 등과 같은 메타 정보를 통해 데이터셋을 구축하여 조류 인플루엔자 발생 위험도에 대한 예측 모델을 설계하였다. 최종적으로, 베이스라인 모델링 결과, lightgbm 이 모델 용량 100MB 이하를 유지하면서 accuracy, AUC 모두 xgboost와 randomforest 보다 우수하게 나타났다.