Forecasting Volcanic Radiative Power (VPR) at Fuego Volcano Using Bayesian Regularized Neural Network
Created by
Haebom
저자
Snehamoy Chatterjee, Greg Waite, Sidike Paheding, Luke Bowman
개요
본 논문은 과테말라 후에고 화산의 과거 데이터를 사용하여 베이지안 정규화 뉴럴 네트워크(BRNN)를 이용해 화산 복사 출력(VPR)을 예측하는 모델을 제시합니다. BRNN 모델의 성능을 확장된 켤레 기울기(SCG) 및 Levenberg-Marquardt(LM) 모델과 비교하여 평가하였으며, BRNN이 가장 낮은 평균 제곱 오차(1.77E+16)와 가장 높은 R-제곱 값(0.50)을 달성하여 VPR 변동성을 가장 잘 포착하고 과적합을 최소화함을 보였습니다.
시사점, 한계점
•
시사점:
◦
베이지안 정규화 뉴럴 네트워크(BRNN)가 화산 복사 출력(VPR) 예측에 있어 기존의 SCG 및 LM 모델보다 우수한 성능을 보임을 확인했습니다.
◦
머신러닝 모델, 특히 BRNN이 화산 활동 예측 및 효과적인 조기 경보 시스템 구축에 기여할 수 있음을 시사합니다.
•
한계점:
◦
모델의 예측 정확도 향상을 위한 추가적인 연구가 필요합니다.
◦
지진 및 가스 배출 데이터와 같은 추가적인 지구 물리적 매개변수를 통합하여 예측 정확도를 높일 필요가 있습니다.
◦
현재 모델의 R-squared 값(0.50)은 상대적으로 낮아 예측 정확도 개선에 대한 여지가 큽니다.
