결측치를 포함한 데이터 셋에서의 장단기 메모리 알고리즘의 성능 평가

Abstract

본 연구는 결측치가 있는 다변수 데이터 셋에서 시계열 예측에 적합한 장단기 메모리 알고리즘의 성능을 평가하고자 수행되었다. 전체 데이터 셋은 인지도가 높은 유역 모델 HSPF를 남강 상류 유역을 대상으로 2016년부터 2018년까지 3년간 일 단위로 구동하여 준비되었다. 채택된 장단기 메모리 모델의 정확도는 다양한 보간 방법, 그리고 (종속 변수들의) 결측치 개수 및 (고정된 결측치 개수를 포함하는 단일 또는 다중) 독립 변수 개수의 변화에 따라 평가되었다. 주요 결과로서 다른 보간 방법은 장단기 메모리 모델의 성능에는 큰 변화를 야기하는 것으로 조사되었다. 다양한 보간 방법 중, StructTS and RPART 기법이 유량과 총인의 결측치를 복원하는 최적의 대체 방법으로 선정되었다. 장단기 메모리 모델의 예측 오차는 결측치의 개수가 300에서 700으로 증가할 때 점진적으로 증가하는 것으로 조사되었다. 그러나, 장단기 메모리 모델은 개별 종속 변수에 적합한 보간 방법이 적용될 경우 심지어 대규모의 결측치가 존재하는 데이터 셋에서 성능을 잘 유지하는 것으로 평가되었다. 장단기 메모리 모델의 성능은 고정된 결측치 개수를 포함하는 독립 변수의 개수가 1에서 7로 증가함에 따라 보다 감소하는 것으로 조사되었다.