Beyond MSE: Improving Precipitation Nowcasting with Multi-Quantile Regression
Author
- Haebom
Category
Empty
저자
Gijs van Nieuwkoop, Siamak Mehrkanoon
💡 개요
기존 딥러닝 기반 강수량 예측 모델은 평균 제곱 오차(MSE)와 같은 점별 손실 함수를 사용하여 예측이 과도하게 평탄해지고 폭우를 제대로 예측하지 못하는 문제가 있었습니다. 본 연구는 SmaAt-UNet 모델을 기반으로, 훈련을 다중 분위수 회귀 문제로 재구성함으로써 예측 성능을 향상시킬 수 있는지 탐구합니다. 다중 분위수 훈련은 중앙 예측치를 개선하고 폭우에 대한 위험 민감 예측에 유용한 상위 분위수 예측을 제공함을 보여줍니다.
🔑 시사점 및 한계
•
기존 점별 손실 함수(MSE, MAE)를 다중 분위수 회귀로 대체함으로써 별도의 새로운 모델 아키텍처나 생성 샘플링 절차 없이 강수량 예측의 정확성과 위험 민감성을 동시에 향상시킬 수 있습니다.
•
특히 폭우 발생 가능성이 있는 경우, 다중 분위수 회귀는 잠재적인 위험을 더 잘 포착하는 데 기여하여 보다 신뢰할 수 있는 예측을 제공합니다.
•
본 연구는 네덜란드 지역의 레이더 강수량 데이터를 사용하였으며, 다른 지역이나 다른 유형의 강수량 예측에 대한 일반화 가능성은 추가적인 검증이 필요합니다.
