Earticle

초록

영어

In this study, we developed an artificial intelligence (AI)-based model to predict the causes of accidents occurring at chemical handling and operation facilities. We aimed to improve model performance by addressing the data imbalance problem using SMOTE (Synthetic Minority Over-sampling Technique). We utilized 1,027 chemical accident cases collected between 2014 and 2025 from the Korea Chemical Safety Agency, and we implemented the Random Forest algorithm. We evaluated model performance using multiple metrics including the Classification Report, Confusion Matrix, ROC-AUC, Balanced Accuracy, MCC, and PR-AUC. We also conducted statistical significance tests and applied explainable AI (XAI) techniques such as SHAP, Permutation Importance, and LIME. The results indicate that the SMOTE technique significantly improved the model's ability to classify minority classes (e.g., natural disasters, procedural errors), and overall improvements were observed in Accuracy and ROC-AUC. Through XAI analysis, we identified key contributing factors such as time of occurrence, chemical type, and leakage volume, which provide meaningful implications for chemical accident prevention policies and on-site safety management strategies. In future work, we plan to enhance the model by incorporating advanced techniques such as variant SMOTE methods, cost-sensitive learning, and deep learning algorithms.

한국어

본 연구는 화학물질 취급·운영 시설에서 발생하는 사고 원인을 예측하기 위해 인공지능(AI) 기반 모델을 개발하고, 데이터 불균형 문제를 보정하여 성능을 개선하는 것을 목표로 하였다. 데이터 셋은 환경부 화학물질안전원이 제공하는 2014~2025년까지의 사고 데이터(1,027건)를 활용하였으며, Random Forest 알고리즘을 적용하고 SMOTE 기법을 도입하였다. 성능 평가는 Classification Report, Confusion Matrix, ROC-AUC, Balanced Accuracy, MCC, PR-AUC 지표와 더불어 통계적 유의성 검정, XAI기법인 SHAP, Permutation Importance와 LIME을 수행되었다. 실험 결과, SMOTE 적용 후 소수 클래스(예: 자연재해, 절차 등)의 판별력이 유의하게 개선되었으며, 전체적인 Accuracy와 ROC-AUC 또한 상승하였다. XAI 분석을 통해 주요 영향 요인으로는 사고 발생 시간대, 물질 분류, 누출 규모 등이 확인되었으며, 이는 화학사고 예방 정책 및 현장 안전 관리 전략 수립에 활용될 수 있는 의미 있는 시사점을 제공한다. 향후 연구에서는 SMOTE 변형 기법, 비용 민감 학습, 딥러닝 기반 알고리즘을 추가적으로 고려하여 사고 예측 모델의 성능과 활용도를 지속적으로 고도화할 계획이다.

저자

• 이경현 [ Kyung-Hyun Lee ]
• 백락준 [ Rack-June Baek ]
• 김우수 [ Woo-Su Kim ]
• 최희정 [ Hee-Jueong Choi ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700