본 논문은 수질 데이터(WQD)의 무결성이 과학적 의사결정 및 생태 보호를 위한 환경 모니터링에 매우 중요하지만, 센서 고장 및 통신 지연과 같은 문제로 인해 수질 모니터링 시스템에서 많은 양의 데이터가 누락되는 경우가 많다는 점을 지적합니다. 이러한 누락으로 인해 수질 데이터는 고차원 및 희소(HDS) 데이터가 됩니다. 기존의 데이터 대체 방법들은 잠재적인 역동성을 제대로 나타내지 못하고 심층적인 데이터 특징을 포착하지 못하여 만족스럽지 못한 대체 성능을 보입니다. 따라서 본 논문에서는 CNN(Convolutional Neural Networks)을 활용한 비선형 저차원 표현 모델(NLR)을 제안하여 누락된 WQD를 대체합니다. CNN은 a) 시간 슬롯 간의 데이터의 시간적 의존성을 모델링하기 위해 시간적 특징을 융합하고, b) 비선형 상호작용과 지역적 패턴을 추출하여 고차 관계 특징을 채굴하고 다차원 정보의 심층 융합을 달성하는 두 가지 아이디어를 구현합니다. 세 개의 실제 수질 데이터 세트에 대한 실험 연구는 제안된 모델이 기존 최첨단 데이터 대체 모델보다 추정 정확도 측면에서 상당히 우수하다는 것을 보여줍니다. 이는 복잡한 역동적 환경에서 수질 모니터링 데이터를 처리하는 효과적인 방법을 제공합니다.
