인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
파랑 관측자료의 결측보간에 가장 적합한 인공지능 모델은 대상 변수의 물리적 특성과 결측 패턴에 따라 달라질 수 있다. 본 연구에서는 남동해안 5개 관측소의 30분 간격 파랑 관측자료를 대상으로, 시간 중심 모델인 SAITS와 시공간 모델인 GRIN, SPIN, ImputeFormer를 동일한 자료, 데이터 분할, 시퀀스 및 마스크 조건에서 비교하였다. 모델 간 성능 차이와 통계적 동률은 윈도 단위 paired bootstrap 95% 신뢰구간을 통해 판정하였다. 복원 대상 관측소의 마지막 시점을 인위적으로 결측 처리한 평가에서, 유의파고와 유의파주기는 SAITS가 가장 낮은 오차를 보였으며, 순환 변수인 파향은 SPIN이 가장 낮은 각도오차를 나타냈다. 결측 패턴 민감도 실험에서는 무작위 결측의 경우 결측률 변화에 따른 모델 간 성능 차이가 전반적으로 작았다. 반면 윈도 내 연속 결측에서는 결측률이 20% 이상일 때 유의파고와 유의파주기 모두에서 GRIN이 가장 우수한 성능을 보여, 무작위 결측과는 다른 성능 양상을 보였다. 특히 50% 연속 결측 조건에서 선형보간보다 낮은 오차를 보인 딥러닝 모델은 유의파고와 유의파주기 모두에서 GRIN이 유일하였다. 이러한 결과는 결측보간 성능이 전체 결측률보다 결측의 시간적 연속성에 더 민감할 수 있음을 보여준다. 특히 연속 결측률이 20% 이상인 조건에서 GRIN이 유의파고와 유의파주기 보간에 우수한 성능을 보인 결과는, 연속적인 누락 구간을 복원할 때 시공간 의존성을 활용하는 것이 효과적일 수 있음을 시사한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
