과학연구

우리 나라 서부지역에서 SPI지수예보를 위한 지지벡토르회귀와 신경망, 장단기기억망의 성능비교

 2024.4.8.

가물예보는 가물에 의한 피해를 완화하고 물관리를 합리적으로 진행하는데서 매우 중요하다. 우리는 우리 나라 서부지역에서의 가물예보를 위한 웨블레트장단기기억망(WLSTM)의 적용가능성을 웨블레트인공신경망(WANN)과 웨블레트지지벡로르회귀(WSVR)모형들과의 비교를 통하여 확증하는데 초점을 두고있다. 여기에서 적용된 가물지수는 6달규모와 12달규모의 표준강수지수(SPI-6, SPI-12)이다. 보다 많은 학습자료를 얻기 위하여 SPI(SPI-6, SPI-12)들은 10일간격으로 계산되였으며 입력자료는 Haar웨블레트분해를 리용하여 1-10분해수준에서 전처리된 드팀을 가지는 분해시계렬이다. 한달예보에 대한 모형들의 성능은 각이한 분해수준과 드팀에 대하여 R2, LCCC, RMSE, MAE특성량들을 가지고 평가되였다.

6개의 관측지점의 검증기간에 대한 성능척도의 평균값
그림. 6개의 관측지점의 검증기간에 대한 성능척도의 평균값

최량모형들의 평균성능척도들은 SPI-6에 대하여 WLSTM은 0.71의 R2과 0.81의 LCCC, 0.57의 RMSE, 0.43의 MAE를 가지며 다른 모형들에 비하여 보다 좋은 성능을 보여주었다. SPI-12에 대하여서는 WLSTM은 0.92의 R2값과 0.95의 LCCC, 0.29의 RMSE, 0.20의 MAE를 가지였다. 모형들사이의 비교는 WLSTM이 WANN과 WSVR모형들보다 좋은 성능을 가진다는것을 보여주었다.

이 연구결과는 잡지 《Natural Hazards》에 《Comparison of LSTM network, neural network and support vector regression coupled with wavelet decomposition for drought forecasting in the western area of the DPRK》(https://doi.org/10.1007/s11069-022-05781-2)의 제목으로 출판되였다.