딥러닝 성능 최적화를 위한 데이터 전처리 및 데이터 구축 방법의 체계적 검증

• 영문명: Systematic Verification of Data Preprocessing Methods and Data Construction Methods for Optimizing Deep Learning Performance
• 발행기관: 한국방재학회
• 저자명: 류용민(Yong Min Ryu) 이의훈(Eui Hoon Lee)
• 간행물 정보: 『2. 한국방재학회 논문집』25권 3호, 217~229쪽, 전체 13쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

댐의 효율적인 운영을 위해서는 유입량을 정확하게 예측해야 한다. 댐 유입량을 예측하기 위해 딥러닝을 기반으로 학습을 통한 예측을 진행하는 연구가 진행되었다. 그러나, 딥러닝 입력자료 구축을 위한 입력 인자의 선정에 대한 기준은 제시되지 않고 있다. 본 연구에서는 딥러닝을 기반으로 댐 유입량을 학습 및 예측하는 과정에서 입력자료의 구축에 대한 검증을 통해 최적의 입력 인자를 구축하고자 한다. 입력 인자별 근거를 분석하기 위해 R-squared (R2), Principle Component Analysis (PCA) 및 eXplainable Artificial Intelligence (XAI)를 사용하였다. R2, PCA 및 XAI 분석을 기반으로 인자별 상관관계, 고유치 및 관련성 점수를 산정해 입력자료 구축에 대한 근거를 분석하였다. 검증결과에 따르면, 데이터 구축방법 적용에 따라 최대 약 13.15%의 오차가 감소하였으며, 예측결과에 따르면, 최대 약 46% 감소한 것으로 나타났다. 향후 추가적인 연구를 통해 다양한 XAI 기법을 활용한 데이터 구축방법의 검증하게 된다면 딥러닝을 통해 수문 자료를 예측하는 과정에서 높은 정확도로 학습 및 예측결과를 산출할 수 있을 것이다.

영문 초록

Efficient dam operation requires accurate inflow predictions. Although deep learning has been used for this purpose, the criteria for selecting input factors remain unclear. This study aims to identify the optimal input factors by verifying data construction methods for deep learning-based inflow prediction. R-squared (R2), Principal Component Analysis (PCA), and eXplainable Artificial Intelligence (XAI) were used to evaluate the correlation, eigenvalues, and relevance scores of the input factors. Based on the verification results, the proposed data construction method reduced errors by up to 13.15%, whereas the prediction errors decreased by up to 46%. Future research on XAI-based data construction and dimensionality reduction techniques can further improve the accuracy of deep learning models in hydrological predictions.

목차

1. 서 론

2. 연구방법

3. 연구결과

4. 결 론

감사의 글

References

키워드

딥러닝 입력자료 Deep Learning Input Factor R-squared PCA XAI