"A Hybrid Deep Learning Algorithm and its Application To Streamflow Prediction" 논문 리뷰

오늘 리뷰할 논문은 Y Lin et al. 의 "A Hybrid Deep Learning Algorithm and its Application To Streamflow Prediction" 이다. 2021년에 Journal of Hydrology에서 출판되었으며, https://doi.org/10.1016/j.jhydrol.2021.126636

Redirecting

에서 확인할 수 있다.

 

개인적으로 잘 쓰기도 했고, 비슷한 주제로 연구를 하고 있는 나에게 여러 인사이트를 준 인상깊은 논문이었다.

1. DIFF-FFNN-LSTM이라는 연결된 하이브리드 모델을 사용한다는 점,

2. 단기/ 장기 데이터가 어떤 인사이트를 가져다 주는지 명시한 점,

3.SHAP를 이용한 analysis를 도입한 점

이 굉장히 만족스러웠다.

 

---

1. Introduction

저자는 단기 streamflow prediction (15분별, 시간별) 은 홍수 조절에, 중/장기 streamflow prediction은 수자원관리와 수력발전에 중요하다고 하였다.

streamflow prediction에는 두가지 범주로 나눌 수 있는데,

1. physical process-based model

2. data-driven model

이다.

여기서 주목해야 할 것은 "data-driven model"이다. 사용하기 편리하고 모델 입력의 demand가 낮다는 장점이 있다.

 

2. Methods

2-1. Difference Method

이 논문에서 streamflow 시계열을 stabilize하기 위하여 first-order difference(1차 차분)을 이용하였다.

$$ X_t^{Diff} = X_{t + 1}^0 - X_t^0, t = 1, ... , N-1 $$

이 때

N : data series의 길이

X^0_t : t 시점에서의 데이터

X^0_{t+1} : t+1 시점에서의 데이터

X^{Diff}_t : 1st-order difference의 결과로, 예측 모델의 입력으로 사용됨

이다.

 

2-2. Feedforward Neural Network Algorithm (FFNN)

FFNN은 input layer, multiple hidden layer, output layer로 구성된 unidirectional multi-layer structure(단방향 멀티레이어 구조)이다. 

 

 

 

첨부된 파일은 논문 리뷰 영어 버전이다.

A hybrid Deep Learning Algorithm and Its Application to Streamflow Prediction 리뷰.docx

0.03MB