Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction
Created by
Haebom
Category
Empty
저자
Xiaobo Xia, Xiaofeng Liu, Jiale Liu, Kuai Fang, Lu Lu, Samet Oymak, William S. Currie, Tongliang Liu
개요
본 논문은 환경 지속 가능성, 생태계 복원력 및 공중 보건에 필수적인 수질 예측에 딥러닝 기술을 적용하는 연구를 제시한다. 3개의 최첨단 딥러닝 아키텍처(LSTM, DeepONet, Informer)를 37년간의 482개 미국 유역 데이터를 사용하여 20개의 수질 변수를 예측하도록 훈련하고, 성능 격차, 견고성, 불확실성, 해석 가능성, 일반화 가능성, 재현성과 같은 신뢰성 문제를 정량적으로 평가한다.
시사점, 한계점
•
시사점:
◦
딥러닝 모델의 성능은 프로세스 복잡성, 데이터 가용성, 유역 이질성에 따라 체계적으로 차이가 있다.
