지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
본 연구는 결측치가 있는 다변수 데이터 셋에서 시계열 예측에 적합한 장단기 메모리 알고리즘의 성능을 평가하고자 수행되었다. 채택된 장단기 메모리 알고리즘을 위한 전체 데이터 셋은 인지도가 높은 유역 모델 HSPF를 남강 상류 유역을 대상으로 2016년부터 2018년까지 3년간 일 단위로 구동하여 준비되었다. 장단기 메모리 모델의 정확도는 다양한 보간 방법, 그리고 (종속 변수들의) 결측치 개수 및 (고정된 결측치 개수를 포함하는 단일 또는 다중) 독립 변수 개수의 변화에 따라 평가되었다. 전체 데이터 셋은 7:3의 비율로 훈련 및 테스트 데이터 셋으로 분리되었다. 주요 결과로서 다른 보간 방법은 장단기 메모리 모델의 성능에는 큰 변화를 야기하는 것으로 조사되었다. 다양한 보간 방법 중 StructTS and RPART 기법이 유량과 총인의 결측치를 복원하는 최적의 대체 방법으로 선정되었다. 장단기 메모리 모델의 예측 오차는 결측치의 개수가 300에서 700으로 증가할 때 점진적으로 증가하는 것으로 조사되었다. 그러나, 장단기 메모리 모델은 개별 종속 변수에 적합한 보간 방법이 적용될 경우 심지어 대규모의 결측치가 존재하는 데이터 셋에서 성능을 잘 유지하는 것으로 평가되었다. 장단기 메모리 모델의 성능은 고정된 결측치 개수를 포함하는 독립 변수의 개수가 1에서 7로 증가함에 따라 보다 감소하는 것으로 조사되었다. 제안된 방법론은 실시간 모니터링 데이터 셋의 결측치를 우수한 성능으로 복원하고자 할 때 사용될 수 있고, 또한(시계열) 심층학습 모델의 예측 정확도를 향상하는데 사용될 수 있을 것으로 기대된다.
목차
Abstract
요약
1. 서론
2. 실험방법
3. 결과 및 고찰
4. 결론
References
참고문헌 (16)
참고문헌 신청
S. M. Hong, K. H. Cho, S. Park, T. Kang, M. S. Kim, G. Nam, J. Pyo, Estimation of cyanobacteria pigments in the main rivers of South Korea using spatial attention convolutional neural network with hyperspectral imagery, Giscience & Remote Sensing, 59(1), 547-567(2022).
Y. S. Zhang, L. Wu, L. C. Deng, B. Ouyang, Retrieval of water quality parameters from hyperspectral images using a hybrid feedback deep factorization machine model, Water Research, 204, 117618(2021).
C. K. Park, H. R. Byun, R. Deo, B. R. Lee, Drought prediction till 2100 under RCP 8.5 climate change scenarios for Korea, Journal of Hydrology, 526, 221-230(2015).
S. J. Yu, I. G. Ryu, M. J. Park, J. K. Im, Long-term relationship between air and water temperatures in Lake Paldang, South Korea, Environmental Engineering Research, 26(4), 200177(2021).
J. Ma, Y. X. Ding, J. C. P. Cheng, F. F. Jiang, Z. R. Xu, Soft detection of 5-day BOD with sparse matrix in city harbor water using deep learning techniques, Water Research, 170, 115350(2020).
Y. S. Zhang, L. Wu, L. C. Deng, B. Ouyang, Retrieval of water quality parameters from hyperspectral images using a hybrid feedback deep factorization machine model, Water Research, 204, 117618(2021).
C. K. Park, H. R. Byun, R. Deo, B. R. Lee, Drought prediction till 2100 under RCP 8.5 climate change scenarios for Korea, Journal of Hydrology, 526, 221-230(2015).
S. J. Yu, I. G. Ryu, M. J. Park, J. K. Im, Long-term relationship between air and water temperatures in Lake Paldang, South Korea, Environmental Engineering Research, 26(4), 200177(2021).
J. Ma, Y. X. Ding, J. C. P. Cheng, F. F. Jiang, Z. R. Xu, Soft detection of 5-day BOD with sparse matrix in city harbor water using deep learning techniques, Water Research, 170, 115350(2020).
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
장단기 기억 신경망을 사용한 다변수 데이터 농산물 가격 예측 모델
전기전자학회논문지
2024 .09
-
LSTM-CNN 모델 기반 실시간 시뮬레이션 응용 단기 풍력발전예측 시스템 방안
한국신·재생에너지학회 학술대회 초록집
2022 .04
-
기상 데이터 및 환경데이터를 활용한 LSTM 기반 태양광 발전량 예측 시스템
한국태양에너지학회 학술대회논문집
2023 .04
-
장단기 교통흐름 예측을 위한 딥러닝 LSTM 신경망
한국정보과학회 학술발표논문집
2019 .06
-
A Deep Learning LSTM Framework for Urban Traffic Flow and Fine Dust Prediction
Journal of KIISE
2020 .03
-
LSTM을 이용한 단기 강우예측 모형 개발 및 적용성 분석
대한토목학회 학술대회
2021 .10
-
건물에너지 모델 예측 제어를 위한 LSTM기반 일사량 예측
한국태양에너지학회 학술대회논문집
2021 .11
-
RNN 모델을 이용한 반려견 관절 데이터의 결측치 예측 및 보간
한국정보통신학회논문지
2024 .11
-
시계열 데이터의 상관관계 예측
한국통신학회 학술대회논문집
2022 .02
-
Real-time Data Recovery using Multi-directional LSTM in Wireless Sensor Networks
한국통신학회 학술대회논문집
2021 .02
-
LSTM 모델 기반 데이터 프리페처
한국정보과학회 학술발표논문집
2021 .12
-
LSTM 기반 딥러닝 모델을 이용한 비행 데이터 예측 기법
한국항공우주학회 학술발표회 초록집
2021 .11
-
딥러닝 기반 반려견 관절 데이터의 결측치 보간법
한국정보통신학회 종합학술대회 논문집
2024 .05
-
Application of Informer for time-series NO2 prediction
한국컴퓨터정보학회논문지
2023 .07
-
장단기 메모리를 이용한 새로운 선박 이동 경로 예측 방법
전기학회논문지
2020 .07
-
머신러닝기반의 데이터 결측 구간의 자동 보정 및 분석 예측 모델에 대한 연구
멀티미디어학회논문지
2022 .02
-
LSTM 모델을 활용한 풍속 및 풍향 예측
한국항공우주학회 학술발표회 초록집
2023 .11
-
인-메모리 데이터 구조의 종류에 따른 I/O 성능 및 메모리 사용량 분석
한국정보과학회 학술발표논문집
2020 .07
-
장단기 메모리의 고속 추론을 위한 순차적인 레인 처리 방법
대한전자공학회 학술대회
2023 .06
-
분리된 메모리 풀 시스템 구성 요소에 따른 지연시간 분석
한국정보과학회 학술발표논문집
2021 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-539-000227132