국내기사
생성형 적대 신경망(GAN)을 활용한 대청댐 유입량 시계열 데이터 증강의 적용성 검토 = Assessing the use of generative adversarial networks (GAN) for augmenting Daecheong dam inflow time-series data
본 연구는 생성형 적대 신경망(Generative Adversarial Network, GAN)을 활용한 시계열 데이터 증강 기법을 대청댐 유입량 예측에 적용하여 효과를 검토하였다. 2013년부터 2021년까지의 대청댐 유입량 및 관련 기상, 유량 및 수위 자료 총 3,287건을 학습 데이터로 사용하고, GAN을 통해 추가로 1,096건의 합성 데이터를 생성함으로써 최종 4,383건의 학습 데이터를 확보하였다. 이후 2022년 대청댐 유입량 예측을 위해 Multi-Layer Perceptron (MLP)을 적용하였으며, 학습 및 예측 성능은 평균제곱오차(MSE)로 평가하였다. 그 결과, GAN으로 증강한 데이터를 포함했을 때의 예측 MSE는 3440.20 (m3/s)2로, 원본 데이터만 사용했을 때의 MSE인 6975.97 (m3/s)2에 비해 크게 향상되었다. 본 연구를 통해 GAN을 활용한 시계열 데이터 증강이 데이터가 부족한 홍수기에 대한 예측 안정성을 높이고, 이를 바탕으로 수자원 분야에서의 활용 가능성을 검토할 수 있을 것으로 기대된다.