다양한 하이퍼 파라미터와 학습에 사용되는 데이터를 바꿔가며 실험해본 결과,

각 선행 시간별로 고정된 데이터와 하이퍼파라미터를 사용하여 학습하는 것보다

각자 다른 하이퍼 파라미터 및 데이터를 이용하여 학습하는 것이 더 좋은 성능을 보이는 것을 확인하다.

또한 전체 선행시간과 실험들에서 가장 오차가 컸던 2023년 7월은 전례없는 폭우로 인해 모델이 잘 예측하지 못한 것을 확인하였다.

이를 보완하기 위하여 누적 강수량을 계산하여 모델을 재학습시켰지만 여전히 7월에 대한 오차는 줄지 않았다.

따라서 추후 연구에서는 7월의 오차를 줄이기위한 추가적인 방법을 고려하는 것이 이러한 수위 예측 개발 모델에 도움이 될 것이다.

Prediction of water level in a tidal river using a deep-learning based LSTM model

좌측은 본 프로젝트에서 진행한 선행시간에 따른 잠수교 수위 예측 결과이며,

우측은 선행연구에서 LSTM을 이용하여 예측한 2017년 잠수교 수위 예측 결과이다.

본 프로젝트의 결과가 선행시간이 1,3hr에는 뛰어나지만 6~12hr까지는 비슷한 결과를 보이며 24시간에는 오히려 떨어지는 결과를 보였다. 그러나 7월을 제외한 24시간 선행시간 예측에 오차의 평균은 대략 0.22정도로 선행연구보다 우수한 성능을 보인다.

이러한 강수량이 예상치 못하게 심각한 7월에 대한 예측 성능을 올리는 것이 가장 중요할 것으로 보인다.

⬅️이전 페이지 돌아가기