베이지안 네트워크 기반 가뭄 예측을 위한 Pgmpy 라이브러리의 개선

Abstract

Pgmpy 라이브러리는 확률 그래프 모형을 구성하고 계산하는 기능을 갖는 Python 기반의 라이브러리로, 베이지안 네트워크나 마코프 연쇄 등의 계산을 수행할 수 있다. 본 논문은 선형 가우시안 조건부 확률 분포를 따르는 확률 변수들로 구성된 베이지안 네트워크에 대해 우도 가중 샘플링 추론 기법을 통한 베이지안 추론 계산을 하기 위해 Pgmpy 라이브러리에 기능을 추가하는 개선 작업을 진행하고, 개선한 라이브러리로부터 얻은 결과물을 Matlab 언어의 베이지안 네트워크 계산 결과와 비교 분석하는 것으로 개선 결과에 대한 검증을 수행한다. 비교 분석 과정에서는 MODIS 기상 위성 자료로부터 산출한 수문학적 가뭄지수 자료와 APEC 기후 센터의 MME 기후전망 자료를 이용해 예측한 미래 수문학적 가뭄지수 값을 비교한다. 비교 분석 결과, 설명할 수 있는 오차 이내에서 두 모델의 결과값이 일치한다는 것을 확인할 수 있었다. 이러한 결과로부터 Pgmpy 라이브러리의 개선 작업은 적절하게 이루어졌음을 알 수 있었으며, 개선된 라이브러리를 통해 더욱 다양한 베이지안 네트워크 계산이 가능할 것으로 기대할 수 있다. Pgmpy Library is the Python-based library that can construct and calculate probabilistic graphical models such as Bayesian network or Markov chain. In this paper, we improve of Pgmpy library by adding Likelihood Weighting Sampling inference function for Bayesian network composed with probability variables depending on linear Gaussian conditional probability distribution. We verified result of improved library by comparing with result of Bayesian network written with Matlab. We compared hydrological drought index forecasting results obtained with data of MODIS meteorological satellite and MME climate prediction data of APEC Climate Center. Based on the comparison results, we can think that the calculation by Pgmpy library has no difference within allowable error ranges with the result from Matlab. Therefore, we can conclude the improvement proceeded well and expect improved library will be able to perform more various Bayesian network calculation than before.