earticle

영어

Tsunamis are massive waves caused by undersea earthquakes that can lead to extensive destruction of life and property. Current tsunami warning systems have limitations in notifying people about potential tsunamis following an undersea earthquake. In order to minimize the damage caused by the tsunami, it is necessary to predict the tsunami in advance. We propose a machine learning-based tsunami prediction model and analyze the main causes of tsunamis. We collect and preprocess earthquake data, including tsunami occurrences, earthquake characteristics, and locations. We use five machine learning classification models for modeling and validate the model performance with 10-fold cross-validation. XGBoost showed 91.09% accuracy, 0.9524 recall, 0.9091 precision, and 0.9302 F1 score on test sets. We analyzed the main causes of tsunamis with the feature importance of the proposed model(XGBoost). The significance of this study lies in predicting whether a tsunami will occur using machine learning and identifying its cause. We expect that our model will help improve tsunami prediction and warning systems.

한국어

해저 지진으로 인해 발생하는 거대한 파도인 쓰나미(Tsunami)는 대규모의 인명 및 재산 피해를 발생시킬 수 있다. 기존 경보 시스템은 해저 지진이 발생한 후 쓰나미 가능성을 알려준다는 한계가 있다. 쓰나미로 인한 피해를 최소화하기 위해서는 사전에 쓰나미를 예측할 필요가 있다. 본 논문에서는 머신러닝(Machine Learning) 기반 쓰나미 예측 모델을 제안하고, 쓰나미의 주요 원인을 분석한다. 쓰나미 발생 여부와 지진의 특성 및 위치 데이터를 수집하고, 데이터를 전처리한다. 머신러닝의 대표적인 5가지 분류(Classification) 모델을 사용하여 모델링하고, 10-겹 교차 검증 (10-Fold Cross Validation)을 통해 모델의 성능을 검증한다. 실험 결과, XGBoost가 테스트 데이터에서 정확도 (Accuracy) 91.09%, 재현율(Recall) 0.9524, 정밀도(Precision) 0.9091, F1 Score 0.9302로 가장 우수한 성능을 보였 다. 제안 모델(XGBoost)의 독립변수 중요도를 통해 쓰나미의 주요 원인을 분석하였다. 본 연구는 머신러닝을 통해 쓰나미 발생 여부를 예측하고, 그 원인을 파악했다는 점에서 의의가 있다. 제안 모델은 쓰나미 예측 및 경보 시스템 을 개선하는 데 도움이 될 것으로 기대한다.