하천 수위의 정확한 예측은 교통 흐름을 효율적으로 관리하고 자연재해와 관련된 위험을 완화하는 데 필수적이다. 본 과제는 하천의 흐름에 영향을 미치는 복잡한 요인들로 인해 여러 가지 어려움이 존재한다. 최근 기계학습의 발전은 다수의 효과적인 예측 방법을 제시해 왔다. 그러나 이러한 방법들은 복잡한 구조로 인해 해석 가능성이 부족하며, 그 결과 신뢰성이 제한된다. 이러한 문제를 해결하기 위해 본 연구는 수위 예측에 중점을 둔, 해석 가능성을 정량화하는 딥러닝 모델을 제안한다. 이 모델은 입력 데이터에 내재된 일반적인 지식과 부합하는 정량적 해석 가능성 측정치를 생성하는 데 초점을 둔다. 이를 위해 마스킹을 의도적으로 도입한 목적의 트랜스포머 아키텍처와, 시공간적 인과성을 포착하는 다층 네트워크의 활용을 통해 가능하게 한다. 우리는 2016년부터 2021년까지 대한민국 서울에서 얻은 한강 데이터셋에 대해 비교 분석을 수행하였다. 그 결과, 본 접근법은 일반적인 지식과 일치하는 향상된 해석 가능성을 제공하며, 경쟁 방법을 능가함을 보여주었다. 또한 본 접근법은 분포 변화(distribution shift)에 대한 견고성도 향상시킨다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.