특징 추출 기법을 활용한 초단기 강수 예측 성능 비교 분석 (Performance Comparison and Analysis of Very Short-Term Precipitation Prediction Using Feature Extraction)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 35권 / 2호 / 185 ~ 191페이지
· 저자명 : 서재현

초록

기상청 AWS 데이터를 사용한 초단기 강수 예측에 적합한 데이터 전처리 방법을 제시하고, 다양한 인공지능 기반 알고리즘들을 사용한 비교 실험을 통해 제안 방법이 효과적임을 보이고자 한다. 데이터 전처리 과정에서 특징별 특성에 따른 결측치 처리 방법을 제시하고, 시계열 예측 모델에 적합한 특징을 추출 및 생성한다. 머신러닝 알고리즘들과 딥러닝 기반의 LSTM 및 Informer를 사용한 비교 실험에서 Informer 모델의 F1-score 가 0.722로 가장 우수하였다. 학습 과정에서 시계열 데이터의 특성을 고려한 시계열 k-Fold 방법을 사용하여 시간의 순서를 유지하였고, 초기 실험에서의 과적합을 완화하기 위해 다양한 파라미터 조합을 사용한 실험으로 일반화 성능을 개선했다.

영어초록

We present a data preprocessing method that is suitable for very short-term precipitation prediction using Korea Meteorological Administration AWS data and demonstrate its effectiveness through comparative experiments with various artificial intelligence-based algorithms. In the data preprocessing stage, we propose a method for handling missing values based on the characteristics of each feature, and we extract or generate features that are suitable for time series prediction models. Among the experimental results of machine learning algorithms and deep learning-based LSTM and Informer models, Informer achieved the highest F1-score of 0.722. During training, the temporal order was preserved using the time-series k-Fold method to account for the characteristics of time series data. Furthermore, generalization performance was improved by tuning various parameters to mitigate overfitting during early training.

참고자료

· 없음