해석가능 딥러닝 기반 남조류 대발생 조기경보 및 범용 예측

Interpretable Deep Learning for Early Warning and Transferable Forecasting of Harmful Algal Blooms

연구 내용

특성공학과 주의 메커니즘, 해석가능성 분석, 전이학습을 결합해 남조류 대발생을 조기경보하고 수계 전반에서 범용적으로 예측하는 연구

남조류 대발생은 수질 악화와 생태계 교란으로 이어져 조기경보 체계가 요구됩니다. 본 연구는 수질·기상·영양염 등 다변량 관측치를 입력으로 하여 딥러닝 기반 예측 모델을 구축합니다. 특성공학, 결측치 처리, 주의 메커니즘을 통해 학습 안정성을 확보하고, 모델 해석기법을 적용해 환경 요인의 기여 방향을 확인합니다. 또한 수계 간 데이터 희소성을 고려해 전이학습을 적용함으로써 새로운 강과 지점에서도 예측 성능을 유지하는 범용 예측 프레임을 제안하는 차별성을 가집니다.

관련 프로젝트

4건

연구 흐름

초기에는 특성공학과 해석가능성에 초점을 두고 남조류 대발생 예측에서 어떤 입력 변수가 위험도 변화에 관여하는지 규명하는 연구를 수행했습니다. 이후 주의 메커니즘과 결측치 대응을 결합한 조기경보 모델로 확장하였으며, 수계 네트워크 관점의 피처 스트림 구조를 통해 지점 간 연관성을 모델링하는 방향으로 심화되었습니다. 최근에는 전이학습을 체계적으로 비교하여 수계 간 일반화 성능을 강화하는 흐름을 구축하고, 관리 관점의 해석 결과를 예측 프레임에 통합하는 연구를 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

조기경보 예측 대시보드
수계별 남조류 위험도 지도
전이학습 기반 모델 재학습 자동화
환경 요인 기여도 기반 관리지표
영양염 저감 시나리오 스캐닝
수질 모니터링 운영 최적화
데이터 희소 구간 위험 추정
해석가능성 기반 의사결정 지원
지점 간 예측 일관성 평가
상황실용 실시간 예측 파이프라인