현재 국내를 포함한 다양한 국가에서 유해 남조류 발생에 대한 다양한 모니터링을 실시하고 있으며 보다 정확한 예측을 위한 다양한 시도들이 수행되고 있다. 국내에서 시행되는 조류경보제는 유해 남조류의 세포 수를 기반으로 경보 단계가 결정되며 이는 하천 수질의 유해성을 알리는 것과 동시에 하천 수질을 관리하기 위한 관계부처 및 관리기관에 신속한 대처와 적절한 대응 방법을 수립하는데 사용되고 있다. 본 연구의 목적은 조류경보제의 유해 남조류 단계를 사전에 예측 함으로써 보다 효율적인 의사결정과 선제적 조치를 가능하게 하도록 하는 모델을 개발하는 것이다. 본 연구에서는 물환경정보시스템에서 제공하는 전국 보 모니터링 종합정보 자료 중 2013년부터 2020년까지 측정된 유해 남조류 세포 수 및 조류 경보 단계 자료를 활용하였으며, 같은 기간 측정된 수질 항목, 수리수문 정보 및 기상 자료를 활용하였다. 조류 경보 단계의 사적 예측을 위해 기계학습 기법의 일종인 인공신경망과 서포트백터머신을 사용하여 예측 모델을 구축하였다. 하지만 출력 변수로 사용되는 조류 경보 단계 데이터의 비율은 불균형적으로 관측되며 이는 데이터를 기반으로 구축되는 기계 학습 모델에서 편향된 학습을 유발하며 이로 인해 모델의 예측 성능을 저하 시킨다. 따라서 본 연구에서는 ADASYN 샘플링 기법으로 부터 생성된 합성 데이터를 사용하여 조류 경보 단계의 불균형을 해결하고 모델의 예측 성능을 개선하였다. 그 결과 ANN과 SVM 두 모델 모두에서 합성 데이터를 추가하여 구축한 모델이 원본 데이터만 사용하여 구축한 모델보다 예측 정확도가 0.2 증가하였으며 남조류가 대발생으로 전환되기 전의 단계인 관심 단계에 해당하는 L-1의 경우 recall 값이 두드러지게 개선되었다. 남조류 단계의 정확한 예측은 하천 내 녹조현상을 완화하기 위한 선제적 관리 체계를 구축하는데 사용 될 수 있다.