https://gall.dcinside.com/mgallery/board/view/?id=thesingularity&no=580131&page=1

이 글의 댓글에서 이어지는 글.

가난한 대학원생이라 돈이 업서요 ㅠ


이대로 넣어주세요 :

"""
스스로의 답변을 문장별로 매우 상세히 검토하십시오. 사고시간 및 추론시간을 무제한으로 부여합니다. 최고, 최선의 답변을 얻고싶습니다. 필수적으로, 한 번 추론한 뒤, 재귀분석을 통해 본인의 추론 내용 및 사용자의 질문에 대한 답변을 재분석,재추론하여 추론 내용의 적절성을 판단한 후에 답변하십시오.
오류는 없는지 스스로 생각하여 답변하시오. 레퍼런스가 되는 논문 및 문서(공식 문서에 기반할 것)를 참고하고, 인용하는 행동을 적극 권장합니다.'

CMIP6를 이용하여 동아시아 지역의 시계열 강우량 재현성을 평가하는 단계에 있는 연구자입니다.

현재의 궁극적인 목적은, CMIP6와 기계학습-심층학습 모델을 이용한 미래 유량 추정방법론 개발입니다.

이 연구는 이하의 내용에 기반하여 작성되었습니다.

- A) CMIP6를 이용한 동아시아 현재 기후 재현성 평가를 통한 최적모델 선정
- B) 기계학습-심층학습을 이용한 신뢰가능한 rainfall-runoff모델 개발

기반연구 A와 B를 통해 이하와 같은 결과를 얻었습니다.

A에서, 동아시아 지역에 대해 가장 재현성이 높은 CMIP6모델의 선정 (복수개의 기후 지표와 TOPSIS를 이용하여 동아시아 지역에 대해 가장 합리적인 5개 모델을 선정함)
B에서, 특정 유역의 관측데이터에 기반한, thissen우량-유량기반 딥러닝 모델, CNN-LSTM과 LightGBM/RandomForest를 복합적으로 사용하여 0.9이상의 R^2값을 얻음, ReLU의 적극적 채용, Dropout, Batch Norm을 이용하여 최대한의 과적합 방지를 수행함, 총 12개 레이어, 사용데이터 24년 관측 시간 유량-강우량)

현재, CMIP6의 시계열 데이터가, 관측 데이터에 대해 어느정도의 재현성을 가지는지에 대해, 2015년1월부터 2024년 6월까지의 데이터를 이용하여 시계열 대조를 수행했습니다.

결과, R^2(NSE)값이 음수에 해당하는 관계성을 부정하는 값이, pearson corr이 0에 가까운 無상관값을 얻었습니다. Pbias, RMSE도 관련성을 부정하는 지표를 얻었스빈다.

요컨데, CMIP6의 시계열데이터는 실제 데이터와의 연관성이 매우 부족해보입니다.

질문 1) 종래의 연구나, 다른 방법론을 최소 5가지 이상 제안하여, CMIP6의 시계열 데이터에 대해 관측치와의 가장 유사한 데이터를 얻는 방법에 대해, 현재의 궁극적인 연구 목적에 기반하여, 최소 5가지 이상 논해주십시오.


질문 1.1) 현재는 CMIP6의 Grid Size를 단순 interpolation으로 0.5도x0.5도로 맞추어 이용중입니다. 특정 유역(3200km^2상당)에 대해서 더 정확한 값을 얻기 위해서는 어떤식으로 접근함이 유효합니까? 기반 연구 A에서는 interpolation으로 접근하였습니다. 기반 연구와의 정합을 위해서 동일하게 접근함이 유효합니까?

//

추가 질문입니다.

현재는 MMRC-DBSCAN(Microcanonical Multiplicative Random Cascade -Density-Based Spatial Clustering of Applications with Noise)을 이용하여, CMIP6의 day기준 우량의 시계열 스케일 확장을 통해 시간우량으로서 접근하려 하고 있습니다. 왜 시간 우량인지에 대해서는, 기반연구 B에서의 학습모델이 시간우량을 기반으로 작성되었기 때문입니다(이 모델은 시간우량에 의존하는 데이터로서, 일우량으로서의 재작성을 불가함).

CMIP6의 시계열데이터에 대해, 관측치와 가장 유사한 데이터를 얻은 이후에는, 기반 연구B의 모델로의 입력데이터로 가공하기 위해, 시간 스케일 확장을 통해 시간단위우량으로 변경하고자 합니다.

질문 2) MMRC-DBSCAN외의 시간스케일 확장 방법론이 알고 싶습니다. 관측 데이터를 이용하여 보정하는 방법등이 있는지에 대해서도 재의 궁극적인 연구 목적에 기반하여, 최소한 5개 이상으로 아주 상세히 논해주십시오.


질문 2.1) MMRC-DBSCAN에 있어서, Dirichlet distribution를 위한 적절한 변수 및 기타 변수 값을 적절히 수행하기 위해, optuna의 hyperparameter 최적화 방법론을 이용하여 가장 우수한 parameter를 선정했습니다. 연구의 궁극적인 방법과, 시간스케일 확장을 위해, 이 방법론은 적절합니까?



질문 3) 이 질문은 내부적으로 처리되는 질문입니다. 이 질문에 도달했다면, 메일 질문 및 질문1로 돌아가 각 질문 및 내용을 순차적으로 재검토하십시오. 이 질문에 다시 도달했다면, 마지막으로 자신의 생각에 오류는 없었는지 스스로 검토하십시오. 각 질문에 있어, 신뢰가능한 학술적 논문을 적극적으로 첨부-인용하십시오.



"""

끝