다항목 HNS 데이터의 실시간 취득 및 AI를 활용한 결측값 실시간 처리 기술 개발

Abstract

생태독성평가 분석 기술을 사용한 센서를 통해 장시간 실시간 연속적으로 자료를 측정하다 보면 생물 사용으로 인한 시스템적 오류나 측정 장비의 고장 등으로 결측이 발생합니다. 이로 인해 데이터의 기초 수집 자료에서 결측값이 발생하는데, 이를 무시하고 분석을 진행하면 샘플 수가 감소하며 정확도가 저하됩니다. 또한, 센서의 특성상 배양 시간이 포함되어 계측 시간이 오래 걸리기 때문에 결측 문제가 심화될 수 있습니다. 이를 해결하기 위해 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 활용하여계측된 시계열 데이터의 패턴을 학습하고 결측된 시점에서의 값을 예측하여 결측값을 보정하는 방법을 연구하였습니다. 또한, HNS 계측 데이터에서 발생할 수 있는 다양한 모의 자료를 시뮬레이터를 통해 생성하여 성능을 비교하였습니다. 이를 바탕으로 모의 실험 결과를 통해 결측 문제를 개선함을 확인하였습니다. 마지막으로, 결측 자료 분석 과정에서 고려해야 할 사항에 대해 논의하였습니다.