앙상블 및 SHAP 기반 수질 지수 예측
수질 지수(WQI)의 효과적인 예측은 수자원 관리 및 공중 보건 안전에 매우 중요하다. 본 연구는 스택형 회귀 앙상블 모델링과 설명 가능한 인공지능(XAI)의 한 형태인 SHAP(Shapley Additive explanations)를 통합하여 WQI 예측을 위한 새로운 접근 방식을 제안한다. 모델은 인도 강에서 수집된 1,987개 수질 샘플(2005-2014) 데이터셋을 활용하여 개발되었다. XGBoost, CatBoost, Random Forest, Gradient Boosting, Extra Trees, AdaBoost의 6가지 최적화된 머신러닝 알고리즘을 선형 회귀 메타 학습자와 결합하여 처리했다. 7가지 정규화된 물리화학적 매개변수를 예측 변수로, 가중 산술 방식으로 계산된 WQI를 반응 변수로 사용하여 모델을 훈련했다. 스택형 앙상블 모델은 모든 개별 모델을 능가하며, R² 0.9952, 조정 R² 0.9947, MAE 0.7637, RMSE 1.0704로 모든 평가 지표에서 가장 높은 성능을 달성했다. 개별 모델 중에서는 CatBoost와 Gradient Boosting이 가장 강력한 단독 성능을 보였다. SHAP 분석 결과, DO, BOD, 전도도, pH가 WQI 예측에 가장 큰 영향을 미치는 매개변수로 나타났다. 이 통합 프레임워크는 높은 예측 정확도와 모델 해석 가능성을 제공하며 실시간 환경 모니터링 기능을 통해 기존 접근 방식을 개선한다. 이는 사전 예방적 환경 감시, 자동화된 정책 프레임워크를 촉진하고, 수자원 지속 가능성에 대한 이해관계자들의 신뢰를 높이는 데 기여할 수 있다.