해수위의 준실시간 이상값 탐지를 위한 비주석 재귀신경망 앙상블 모델

초록

국립해양조사원에서 상시 관측 및 수집되고 있는 해수위 자료는 여러 요인으로 인한 오측을 포함하고 있다. 이러한 오측 값들은 품질관리 대상이며, 일반적으로 3σ (three standard deviation) 규칙을 통해 제거되어왔다. 하지만, 해수위 시계열의 경우 기상이변 등에 의한 극한값이 오측으로 취급될 수 있으며, 3σ 범위 내에서도 여러 범주의 오측 또한 존재할 수 있어 해수위 품질관리에 적합한 품질관리 방법이 필요하다. 최근 인공신경망을 이용한 품질관리 또는 이상값 탐지 기법이 주목받고 있으나, 대부분의 연구에서 사용되는 지도학습 기법은 정상자료가 전체 자료의 대부분을 차지하기 때문에 자료의 불균형 문제에서 벗어날 수 없다. 본 연구에서는 오측에 대한 사전정보가 필요하지 않은 비주석 학습을 구성함으로써 해당 문제를 해결했으며, 앙상블 기법을 사용함으로써 가공되지 않은 원자료를 사용했음에도 불구하고 이상값 탐지를 문제없이 해내었다. 검증이 완료된 모델은 정상 해수위 값과 오측값을 잘 분리하며, 실시간으로 수집되는 해수위 자료가 오측일 가능성을 수집 후 20 분 이내로 제시할 수 있다. 또한, 학습이 이뤄지지 않은 연도의 자료에서도 이상값 탐지가 가능함을 확인하였다. 본 연구에 사용된 이상 탐지 알고리즘은 해수위뿐만 아니라 시공간적 상관성을 가지는 다양한 해양 및 대기 자료에 확장 적용될 수 있을 것으로 기대된다.