Autoencoder-based composite drought indices
Taesam Lee, Yejin Kong, Vijay P. Singh, Joo‐Heon Lee
IF 5.6 (2024)
Environmental Research Letters
초건조의 유형에 따라 초건조 사건은 기상학적, 농업적, 수문학적 지수와 같은 서로 다른 지수를 사용하여 설명된다. 서로 다른 지수의 사용은 물 관련 관리 의사결정을 수립할 때 종종 혼란을 초래한다. 초건조의 다양한 측면을 기술할 수 있는 단순한 요약 지수가 필요하다. 이에 따라 여러 방법이 제안되어 왔으며, 특히 선형 조합 방법은 초건조의 특성을 충분히 설명하지 못한다. 한편, 딥러닝 문헌에서는 차원 축소에서의 비선형 변환인 오토인코더가 적용되어 왔다. 따라서 본 연구의 목적은 오토인코더 기반 복합 초건조 지수(ACDIs)를 도출하는 데 있었다. 먼저, 기본 오토인코더를 ACDI로 직접 적용하여 관측된 초건조 지수와의 음의 관계를 보였으며, 이후 이를 다시 음으로 곱하였다. 또한 시그모이드 전달 함수 대신 쌍곡선 탄젠트 함수를 채택하였는데, 이는 초건조 조건에 대한 민감도가 더 높기 때문이다. 초건조 지수를 더 잘 표현하기 위해 가중치에 대해 양의 및 1의 제약(유니티 제약)을 적용하였고, 이를 ACDI-C로 명명하였다. 또한 디코딩 모듈이 불필요하다고 판단하여 이를 제외함으로써 더 단순화하였으며, 이를 sACDI로 하였다. 한편, 한 국가 내 서로 다른 지점들에 대해 적용되는 모든 가중치는 하나의 가중치로 통일될 수 있으며, 모든 지점에 대해 동일한 가중치를 적용한 것을 sACDI1이라 하였다. 모델 평가의 맥락에서, 제곱근평균오차(root mean squared error, RMSE), 평균절대오차(mean absolute error, MAE), 상관계수와 같은 지표를 활용한 종합 분석을 수행하였다. 종합된 결과는 sACDI 및 sACDI1 모델이 각 대조 모델에 비해 우수한 성능을 보임을 강조한다. 특히, 이러한 단순화 모델은 RMSE 및 MAE 값이 뚜렷하게 감소하여 예측 능력이 향상되었음을 시사한다. 주목할 만하게도 sACDI1은 다른 모델들에 비해 MAE가 확연히 낮았다. 추가로 허위경보비(false alarm ratio), 탐지확률(probability of detection), 정확도(ACC)와 같은 경보 성능 지표에 대한 평가도 수행하였다. 연구 결과, 특히 SRSI(A)에서 단순화 모델들은 경보 ACC 측면에서 우수함을 보였다. 개발된 ACDI는 여러 초건조의 측면을 종합적으로 요약하고, 초건조 상태에 대한 요약 정보를 제공할 수 있다.
https://doi.org/10.1088/1748-9326/ad4e4f
Autoencoder
Composite number
Environmental science
Computer science
Artificial intelligence
Algorithm
Artificial neural network
상세 정보 바로가기