하이브리드 CNN-셀룰러 오토마타 화재 모델을 이용한 공중 산불 진압 계획

공중 산불 진압은 단순히 화재 확산을 예측하는 것뿐만 아니라, 운영적 및 환경적 불확실성 하에서 효과적인 개입 전략을 설계할 것을 요구합니다. 본 논문에서는 하이브리드 신경-셀룰러 오토마타(neural-cellular automaton) 산불 모델과 기울기 기반(gradient-based)의 목표 공중 투하 설계를 결합한 공중 산불 진압 모델링 및 최적화 프레임워크를 제시합니다. 이 산불 모델은 지형, 연료, 풍속 데이터로부터 공간적으로 변화하는 확산 거동을 예측하며, 개입 모듈은 시뮬레이션 그리드에 매핑된 연속 값의 위치 및 방향 매개변수를 가진 이진(binary) 투하 행동을 결정합니다. 물과 지연제는 각각 고유한 진압 효과를 가지며, 활발한 연소의 즉각적인 감소와 미래 확산의 지속적인 감소에 해당합니다. 결과로 얻은 진압 계획의 견고성(robustness)을 평가하기 위해, 일일 화재 상태 실현(daily fire-state realizations)의 몬테카를로 샘플링을 통해 알레아토릭 불확실성(aleatoric uncertainty)과 공간적으로 상관된 예측 오차 교란(prediction-error perturbations)을 통해 인식론적 불확실성(epistemic uncertainty)을 모두 정량화합니다. 2020년 베어 화재(Bear Fire)를 기반으로 한 사례 연구는 본 프레임워크가 전체 피해 면적을 줄이기 위한 일관된 공중 진압 스케줄을 생성할 수 있으며, 산불 개입 전략에 대한 불확실성 인식 분석을 지원할 수 있음을 보여줍니다.