딥러닝 기반 침수 수위 예측: 미국 텍사스 트리니티강 사례 연구
간단한 요약 정리
RNN을 이용하여 홍수 피해 방지를 위한 침수 예측.
강의 수위 관측 데이터 사용.
학습 2013~2015, 평가 2016
input = 16레코드로 구성된 15분단위의 시계열 데이터
output = 30분과 60분 후의 강의 수위 예측 정보
딥러닝 모델 = RNN, RNN-BPTT, LSTM
LSTM의 NE(Nash Efficiency)가 0.98의 정확도
의견
딥러닝을 활용하여 홍수 피해 방지라는 문제를 해결하려는 참신한 시도.
또한, LSTM의 메모리 셀과 활성화 함수를 수식을 이용한 표현.
RNN모델의 문제점 중 하나인 VG(Vanishing Gradient)를 해결하기 위해 LSTM을 사용하였고
그에 따른 설명이 잘 되어있다.
RNN은 재귀적인 방법으로 되어서 초기의 W의 값에 따라서 발산하거나 0이 될수도있는데
LSTM에서는 메모리셀을 둬서 이전의 W값을 따로 학습시켜 초기 W의 민감도를 낮춰 VG문제가 발생하지 않게 함.
배운점
레퍼런스가 잘 되어있고 그래프를 통한 결과의 시각화가 잘 되어있다.
RNN-BPTT와 NE의 개념에 대한 공부 필요~!
출처
