시계열 파운데이션 모델을 활용한 미계측 지역의 하천 유량 예측 연구

대체로 긍정적이며, AI가 기후 변화 대응과 같은 공익적 목적에 기여할 수 있는 실질적인 사례로 평가받고 있다.

• 데이터가 부족한 도메인에서 예측 모델을 구축할 때, 처음부터 학습시키기보다 Sundial과 같은 사전 학습된 시계열 파운데이션 모델을 활용하는 것이 효율적이다.

• Sundial 모델은 지역 데이터 학습 없이도 수십 년간 학습된 기존 LSTM 모델 수준의 하천 유량 예측 성능을 달성했다.
• 미국 내 500개 이상의 유역 데이터를 통해 범용 시계열 모델의 수문학적 적용 가능성과 제로샷 예측 능력을 입증했다.
• 계절성이 강한 유역에서 가장 높은 예측 정확도를 보이며, 데이터 부족 지역의 홍수 및 가뭄 대비책으로 실질적인 효용성을 확인했다.