LSTM-Autoencoder기반 특징추출과 재구성을 사용한 수온 예측 연구
Water Temperature Prediction Study Using Feature Extraction and Reconstruction based on LSTM-Autoencoder
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 LSTM-Autoencoder 기반 특징추출과 재구성 데이터를 이용한 수온 예측 방법을제안한다. 냉수대 현상이 발생한 동해 낙산 지역의 해수면 수온과 수온에 영향을 미치는 풍향, 풍속 등 다변량 시계열 데이터를 이용하고, LSTM-Autoencoder 모델을 이용하여, 원본 데이터의 차원축소를 통해 추출된 특징 데이터를 원본 데이터의 다변수 데이터로 결합한 데이터, 복원 데이터, 원본 데이터 총 3가지를 사용한다. 수온 예측을 위해 LSTM 모델에 3가지 데이터를 학습하고, 정확도를 평가한 결과 MAE 0.3652, RMSE 0.5604, MAPE 3.309%으로 LSTM-Autoencoder의 특징추출을 이용한 수온 예측 정확도가 가장 우수한 성능을 보이는 것을 확인하였다. 본 연구의 결과는냉수대와 같이 해수면 수온 변화가 급변하는 구간의 예측 정확도를 높여, 자연재해의 피해를 예방할 수 있을 것으로 기대한다.
Abstract
In this paper, we propose a water temperature prediction method using feature extraction and reconstructed data based on LSTM-Autoencoder. We used multivariate time series data such as sea surface water temperature in the Naksan area of the East Sea where the cold water zone phenomenon occurred, and wind direction and wind speed that affect water temperature. Using the LSTM-Autoencoder model, we used three types of data: feature data extracted through dimensionality reduction of the original data combined with multivariate data of the original data, reconstructed data, and original data. The three types of data were trained by the LSTM model to predict sea surface water temperature and evaluated the accuracy. As a result, the sea surface water temperature prediction accuracy using feature extraction of LSTM-Autoencoder confirmed the best performance with MAE 0.3652, RMSE 0.5604, MAPE 3.309%. The result of this study are expected to be able to prevent damage from natural disasters by improving the prediction accuracy of sea surface temperature changes rapidly such as the cold water zone.
참고문헌 (15)
- 이준수, "동해 냉수대 발생 예측시스템 개발", 한국연안방재학회지, 9(3), pp.207~215 (2022), (사)한국연안방재학회[DOI]
- 김주연, "동해 냉수대 발생역의 장기 변동 분석", 해양환경안전학회지, 25(5), pp.581~588 (2019), 해양환경안전학회[DOI]
- 성기탁, "여수연안 표면수온의 변동 특성과 시계열적 예측", 한국해양환경•에너지학회지, 17(2), pp.122~130 (2014), 한국해양환경·에너지학회
- 고관섭, "기상 데이터를 활용한 LSTM 기반의 해양 혼합층 수온 예측", 대한원격탐사학회지, 37(3), pp.603~614 (2021), 대한원격탐사학회[DOI]
- 최혜민, "LSTM을 이용한 한반도 근해 이상수온 예측모델", 대한원격탐사학회지, 38(3), pp.265~282 (2022), 대한원격탐사학회
- 정시훈, "시계열 기계학습을 이용한 한반도 남해 해수면 온도 예측 및 고수온 탐지", 대한원격탐사학회지, 36(5), pp.1077~1093 (2020), 대한원격탐사학회[DOI]
- 고관섭, "해양관측부위 자료 기반 딥러닝 기술을 활용한 해양 혼합층 수온 예측", 대한원격탐사학회지, 38(3), pp.299~309 (2022), 대한원격탐사학회
- Alaa Sagheer, "Unsupervised Pre-training of a Deep LSTM-based Stacked Autoencoder for Multivariate Time Series Forecasting Problems", Scientific Reports, 9(1) (2019), Springer Science and Business Media LLC[DOI]
- K. N. Singh, "LSTM based Stacked Autoencoder Approach for Time Series Forecasting", Journal of the India Society of Agricultural Statistics, 77(1), pp.71~78 (2023)
- Kooksung Jun, "Feature Extraction Using an RNN Autoencoder for Skeleton-Based Abnormal Gait Recognition", IEEE Access, 8, pp.19196~19207 (2020), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Vijayalakshmi B, "Multivariate Congestion Prediction using Stacked LSTM Autoencoder based Bidirectional LSTM Model", KSII Transactions on Internet and Information Systems, 17(1), pp.216~238 (2023), 한국인터넷정보학회
- B. Jiang, "Imputation of Missing Traffic Flow Data Using Denoising Autoencoders", International Conference on Ambient Systems Networks and Technologies(ANT), pp.84~91 (2021)
- 김도희, "LSTM-AutoEncoder를 활용한 선박 메인엔진의 이상 탐지 및 라벨링", 한국빅데이터학회 학회지, 7(1), pp.125~137 (2022), 사)한국빅데이터학회[DOI]
- 이정호, "LSTM Autoencoder를 활용한 스마트 온실 데이터 이상 탐지 구현", 한국지식정보기술학회 논문지, 18(3), pp.587~596 (2023), 한국지식정보기술학회[DOI]
- Sepp Hochreiter, "Long Short-Term Memory", Neural Computation, 9(8), pp.1735~1780 (1997), MIT Press - Journals[DOI]