Deep learning for disaster and environmental spatiotemporal forecasting and interpretability
연구 내용
공간-시간 상관 구조를 반영해 딥러닝 모델로 파랑·지진해일 및 대기질 지표를 빠르게 예측하고, 비선형 수치해석을 통해 입력-출력 관계를 해석하는 연구입니다.
복잡한 환경 현상은 비정상성과 비선형성이 강해 기존 결정론적 예측의 적용 범위가 제한됩니다. 본 연구는 센서 관측 및 수치 시뮬레이션에서 생성한 시계열을 입력으로 하여, 지진해일(파형)과 공기질 지표(AQI)를 예측하는 딥러닝 모델을 구축합니다. 또한 시계열의 희소성 또는 국소 관측 조건에서 예측 성능을 확보하기 위해 입력 구성을 최적화합니다. 하천 단면·교각 주변 지형의 예측에서는 트리 기반 앙상블을 적용하여 과적합-과소적합 균형을 조정합니다. 파랑 동역학 확장으로 고차 스펙트럼 방법을 통해 비선형 주기파 생성 특성을 함께 규명합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2022년에는 교각 주변의 바닥고(bed elevation) 예측을 트리 기반 머신러닝 앙상블로 수행하며, 과적합을 제어하면서 강건성을 확보하는 방향으로 연구를 시작했습니다. 2023년에는 수치 시뮬레이션 기반의 대규모 해일 전파 데이터를 활용해 지진해일 파형을 딥러닝으로 빠르게 예측하는 연구로 확장했습니다. 2024년에는 도시 대기질(AQI) 예측에서 관측소 간 시공간 상관을 분석하고, 데이터 특성에 맞는 딥러닝 모델 선택 원칙을 제시하는 흐름으로 발전했습니다. 2025년에는 바닥 파동 생성 문제를 고차 스펙트럼 기법으로 정식화하여 비선형 파형 변형 메커니즘을 보강했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Tree-based machine learning models for prediction of bed elevation around bridge piers
Tsunami waveform forecasting at cooling water intakes of nuclear reactors with deep learning model
Deep learning models for air quality forecasting based on spatiotemporal characteristics of data
A numerical study of nonlinear periodic waves generated by bottom wavemakers using a high-order spectral method and a linear analytical solution