머신러닝을 이용한 식중독 발생 예측모형에 관한 연구 (A Study on the Prediction Model of Food Poisoning Occurrence Using Machine Learning Algorithm)

서지정보

· 발행기관 : 한국로고스경영학회
· 수록지 정보 : 로고스경영연구 / 19권 / 2호 / 63 ~ 76페이지
· 저자명 : 엄선현, 이우창, 배재권

초록

식중독(food poisoning)이란 식품의 섭취로 인해 인체에 유해한 미생물 또는 유독물질에 의하여 발생하였거나 발생한 것으로 판단되는 감염성 또는 독소형 질환을 말한다. 여름철(6~8월)은 폭염과 고온다습한 날씨로 식중독 발생 위험성이 높아지며 특히 감염에 취약한 영유아의 감염성 질환과 건강취약 계층인 어린이들의 집단 식중독 사고가 발생한다. 식중독 발생사고 및 식중독 발생 위험을 낮추기 위한 식중독 지수 개발 및 발생예측에 관한 연구가 필요한 시점이다. 기존 선행연구는 주로 통계방법을 이용하여 식중독 발생확률을 계량화하려는 시도가 있었으나 빅데이터 분석 및 머신러닝(machine learning)을 활용한 연구는 거의 없는 실정이다. 따라서 본 연구는 식중독 발생을 사전에 예측하기 위해 식중독 발생 데이터와 머신러닝 알고리즘을 이용하여 식중독 발생 예측모형을 구축하는 것이다. 본 연구는 국내 A시의 2015년부터 2019년까지 총 5개년 79건의 식중독 발생 현황 데이터와 기상청 데이터를 이용하여 식중독 발생 현황에 따른 식중독 발생 현황 기초통계분석과 XGBoost 머신러닝 알고리즘을 이용한 식중독 발생 예측모형을 구축하였다. 예측모형의 성능 측정 결과, Accuracy 92%, F1-Score 95%로 준수한 성능으로 식중독 발생예측이 가능하다. 또한 ‘일조시간’, ‘일강수량’, ‘상대습도’, ‘평균풍속’, ‘평균운량’, ‘최고기온’과 같은 기상요인이 식중독 발생여부에 있어 중요한 요인임을 확인하였다.

영어초록

Food poisoning is an illness caused by eating contaminated food. In most cases of food poisoning, the food is contaminated by bacteria, such as salmonella or norovirus. In summer, due to the heat and humid weather, the risk of infectious diseases in infants and children and large-scale food poisoning in children increases. It is necessary to study food poisoning occurrence prediction to lower the risk of food poisoning. Previous studies mainly predicted the occurrence of food poisoning using statistical methods, but there are few studies using big data analysis and machine learning algorithm. Therefore, this study is to construct a food poisoning occurrence prediction model using food poisoning occurrence data and machine learning algorithms to predict food poisoning in advance. In this study, food poisoning occurrence prediction model using XGBoost machine learning algorithm was constructed using 79 cases of food poisoning occurrence data for 5 years from 2015 to 2019 in city A and data from the Korea Meteorological Administration. As a result of measuring the performance of the predictive model, it was confirmed that the occurrence of food poisoning in A city could be predicted with performance that was satisfactory with Accuracy 92% and F1-Score 95%. Also, it was confirmed that meteorological factors such as ‘sunshine time', ‘daily precipitation', ‘relative humidity', ‘average wind speed', ‘average cloud amount', and ‘maximum temperature' were important factors in the occurrence of food poisoning.

참고자료

· 없음