과거시차를 고려한 지지벡터 회귀모형에 기반한 서울지역 가뭄예측

Abstract

본 연구에서는 가뭄의 척도를 나타내는 표준강수지수(SPI)를 이용하여 기계학습 기법 중 하나인 지지 벡터 회귀(support vector regression; SVR) 모형과 더불어 과거시차를 고려함으로서 시계열 분석방법의 단점을 보완하고자 한다. 본 논문에서는 SVR모형 적용시 자료의 형태를 크게 두 가 지로 구분한 후, 그 중 하나를 다시 4가지로 구분하여 총 5가지의 자료형태를 정의하였다. 첫째로 과거시차를 고려하지 않은 자료의 형태로 현재시점의 독립변수로 현재시점의 종속변수를 예측하는 자료형태이다. 둘째로 과거시차를 고려한 자료형태이다. 과거시차를 고려한 자료형태는 4가지로 과거 3개월, 6개월, 9개월, 12개월의 자료를 독립변수로 고려하고 현재시점의 종속변수를 예측하는 자료형태이다. 가뭄현상이란 오랫동안 계속해 비가 내리지 않아 메마른 날씨로 강수량의 영향을 받는다. 따라서 본 연구에서는 5가지의 자료형태에 따른 SVR모형을 적용하고, 강수량의 계절적 요인을 파악한 후 계절적 요인을 고려한 SVR을 적용한 후 비교평가 하였다. 결론적으로 과거시차를 고려한 자료형태가 고려하지 않은 자료형태보다 SVR모형의 예측정확도가 높았다. 그 중 과거 6개월을 독립변수로 고려한 SVR모형의 예측정확도가 가장 우수했다. 이를 통해 본 연구의 본래목적에 부합한 자료의 형태는 과거시차를 고려한 자료 중 과거 6개월을 독립변수로 고려한 자료임을 확인하였다. 하지만 본 연구에서는 계절성을 고려하지 않은 SVR모형과 계절성을 고려한 SVR모형의 예측정확도의 값의 차는 크지 않았다. 따라서 본 연구에서는 과거시차를 고려한 자료를 통해 SPI를 예측하는데 계절적 요소가 유의하지 않다고 판단하였다.The purpose of this study overcomes the limitation in time series data analysis using the support vector regression (SVR) model, which is one of the machine learning methods. We apply the SVR model to the nonstationary monthly SPI (standardized precipitation index) time series data which is one of the measures of drought. We consider two different data types to build SVR model. First, we do not consider the past time-lag. Second, we consider the reasonable amount of past time-lags. The data of considering past time-lags are 4 type, these are 3, 6, 9 and 12 months as the independent variable. Totally, we define 5 types of data sets. Therefore, in this study, SVR model according to 5 types of data was applied, and also SVR model with seasonality was applied after identify the seasonal factors of precipitation. In conclusion, it is more accurate to consider the past time-lag in all SVR models. Among the data considering the past time-lag, the data considering the past 6 months shows the best performance. However, the difference between the SVR model without seasonality and with seasonality is not significant. Therefore, we conclude that seasonal factors is not significant for prediction SPI.