훈련데이터 최적화를 통한 해수면 온도 예측 성능 개선

Abstract

최근 한반도 인근 해역에서 지구 온난화 현상으로 인해 해수면 온도 (SST; Sea Surface Temperature)가 높아지고 있다. 높은 SST는 양식 어류의 대량 폐사 및 비브리오 균을 번식시켜 인적 피해를 야기한다. 이러한 피해를 사전에 예측하고 대응하기 위해서는 SST를 정확히 예측할 필요가 있다. 그러나 광범위한 바다를 동시에 모니터링하는 것을 불가능 하며 매번 늦은 대응으로 피해가 증가하고 있는 실정이다. 따라서 본 연구에서는 딥러닝 기반의 SST 예측 모델을 생성하기 위해 시계열 분석 및 예측에 탁월한 성능을 가진 RNN 기반의 LSTM 모델을 적용하였다. 시계열 데이터 예측은 훈련데이터에 따라 그 성능이 확연히 달라지기 때문에 훈련데이터를 최적화 시킬 필요가 있다. 기존에 해수면 온도를 예측하기 위해서는 과거의 방대한 양의 데이터를 사용하였지만 본 연구에서는 과거의 방대한 양의 데이터를 사용하는 대신 예측하고자 하는 인접 지역에서 데이터를 추출하여 훈련데이터 세트를 생성하였다. 제안한 훈련데이터 세트의 성능을 검증하기 위해 실험을 실시하였으며, 제안한 방법의 성능이 두 변수(실제 해수면 온도, 예측 해수면 온도) 간의 상호 관계를 파악하는데 널리 쓰이는 회귀분석의 일종인 측면에서 우수함을 입증하였다. 이와 같은 결과를 통해 훈련데이터가 예측 모델의 성능에 직접적인 영향을 끼친다는 것을 알 수 있으며 훈련데이터를 최적화함으로써 예측 모델의 성능을 개선시킬 수 있을 것이라 기대한다.