다중가뭄지수 시계열을 활용한 딥러닝 기반 가뭄지수 예측 모델 최적화 = Optimization of Deep Learning-Based Drought Index Prediction Model Using Multi-Index Time Series

국문 초록 (Abstract)

본 연구는 기후변화로 인한 가뭄 위험 증가에 대응하기 위해 딥러닝 기반 다중입력 가뭄지수 예측 모델을 개발하고, 하이퍼파라미터 최적화를 통해 예측 성능을 향상시키는 것을 목표로 한다. 연구 대상 지역은 광주광역시이며, 2018-2023년의 SPI와 SPEI 시계열 자료(3·6·9개월 스케일)를 활용하였다. 기존 연구는 단일 지수 또는 단일 시간 스케일에 의존하고 하이퍼파라미터 탐색이 제한적이라는 한계를 가진다. 이를 보완하기 위해 본 연구는 LSTM과 GRU 모델을 동일한 조건에서 비교하고, SPI·SPEI의 다중 스케일 정보를 통합하는 다중입력-다중출력 구조를 구성하였다. 또한 Grid Searh와 Genetic Algorithm을 결합한 Hybrid 기법을 도입하여 최적의 하이퍼파라미터 조합을 도출하였다.
세 가지 최적화 기법을 비교한 결과, Hybrid 기법이 가장 우수한 성능과 계산 효율성을 보였다. GRU 모델은 평균 RMSE 0.3845로 LSTM 대비 2.3% 낮은 오차를 기록하여 최종 예측 모델로 선정되었다. GRU 기반 SPI-6 예측값을 국가가뭄정보통계집의 2023년 예·경보 발령 단계와 비교한 결과, 정확 일치율 83.3%와 인접 일치율 100%를 달성하였다. 또한 다중입력 구조는 단일지수 모델 대비 평균 RMSE를 8.7% 개선하였으며, 동일 모델 구조를 3개월 및 9개월 스케일에 확장 적용한 경우에도 안정적인 성능을 유지하여 다양한 가뭄 모니터링 목적에 활용 가능함을 확인하였다.
본 연구는 딥러닝 기반 가뭄지수 예측에서 다중지수 통합과 하이브리드 최적화의 효과를 실증적으로 제시하였으며 개발된 GRU-Hybrid 모델은 가뭄 조기 경보 시스템의 핵심 요소로 활용될 수 있는 기술적 기반을 제공한다.

목차 (Table of Contents)

• 제1장 서론 1
• 1.1 연구 배경 및 필요성 1
• 1.2 연구의 범위 및 방법 3
• 1.3 논문의 구성 4
• 제2장 이론적 배경 및 선행연구 7
• 2.1 가뭄지수의 개요 7
• 2.2 딥러닝 기반 시계열 예측모델 개요 10
• 2.2.1 LSTM(Long Short-Term Memory) 11
• 2.2.2 GRU(Gated Recurrent Unit) 11
• 2.3 하이퍼파라미터 최적화 기법 12
• 2.3.1 하이퍼파라미터 개념 및 주요 항목 12
• 2.3.2 Grid Search 방법론 14
• 2.3.3 Genetic Algorithm(GA) 방법론 15
• 2.4 선행연구 고찰 17
• 2.4.1 가뭄지수 예측 연구 17
• 2.4.2 가뭄지수 및 시간 스케일 활용 연구 19
• 2.4.3 하이퍼파라미터 최적화 연구 20
• 제3장 연구 방법론 25
• 3.1 연구의 흐름 및 절차 25
• 3.2 데이터 구성 및 전처리 28
• 3.3 딥러닝 기반 가뭄지수 예측 모델 31
• 3.3.1 LSTM 모델 구조 및 학습 설정 32
• 3.3.2 GRU 모델 구조 및 학습 설정 35
• 3.3.3 입력·출력 구조의 특징 37
• 3.4 하이퍼파라미터 최적화 38
• 3.4.1 Grid Search 기반 최적화 39
• 3.4.2 Genetic Algorithm 기반 최적화 41
• 3.4.3 Hybrid Optimization(제안 기법) 43
• 3.5 모델 성능 평가 46
• 3.5.1 평가지표 46
• 3.5.2 국가가뭄정보통계집 예·경보 실적 기반 검증 49
• 제4장 적용 및 결과 분석 51
• 4.1 대상 지역 개요 51
• 4.2 제안 모델의 하이퍼파라미터 최적화 결과 52
• 4.2.1 Grid Search 결과 52
• 4.2.2 Genetic Algorithm 결과 57
• 4.2.3 Hybrid Optimization(제안 기법) 결과 60
• 4.2.4 최적화 기법 간 비교 63
• 4.3 딥러닝 모델 성능 비교 70
• 4.4 국가가뭄정보통계집 예·경보 실적 기반 검증 및 분석 75
• 4.4.1 대상 지역 과거 가뭄 사례 분석 75
• 4.4.2 예·경보 발령 시점 비교 76
• 4.5 모델 구성별 분석 81
• 4.5.1 단일지수 모델과의 비교 81
• 4.5.2 다양한 시간 스케일 적용 86
• 제5장 결론 93
• 참고 문헌 95
• ABSTRACT 102