천재 (2026-03-23) 전체 캡션 표시   그림 3. 데이터셋 손상 환경에서 세 가지 딥러닝 모델의 견고성 전체 캡션 표시 피규어 뷰어 수질 측정값에 직접 주입된 이상치는 불균형적으로 더 큰 영향을 미칩니다. 구체적으로, 20개 변수 중 18개 변수에서 온도와 용존산소(DO)를 제외하고 절반 이상의 유역에서 KGE 감소율이 50%를 초과하는 것으로 나타났습니다. 놀랍게도, LSTM과 DeepONet에서는 지화학적 풍화와 관련된 변수들이 영양염 변수들보다 전반적인 성능 저하가 더 크게 나타난 반면, Informer에서는 그룹 간 차이가 거의 나타나지 않았습니다. 풍화 관련 변수에 대한 이러한 두드러진 영향은 기준 중앙값 KGE와 KGE 변화율 간의 기존 상관관계( r = 0.11–0.36; 그림 3A –3D 및 3G)를 왜곡시킵니다. 랜덤 노이즈에 대한 강건성 이상치와 비교했을 때, 무작위 가우시안 노이즈로 입력 특징이나 목표값을 교란시키면( 방법 참조 ) 세 가지 모델 모두에서 상대적으로 작지만 여전히 의미 있는 성능 저하가 발생합니다( 그림 3B ~3E 및 3H). 이상치와 마찬가지로 목표값에 적용된 노이즈는 입력 특징에 적용된 노이즈보다 더 큰 영향을 미치며, 이는 정확한 수질 측정의 중요성을 보여줍니다. 이상치의 불규칙적인 영향과 비교했을 때, 목표값의 무작위 노이즈로 인한 성능 저하는 더 예측 가능합니다. 기준 KGE와 KGE 변화율 간의 상관관계는 높습니다( LSTM의 경우 r = 0.70, DeepONet의 경우 r = 0.67, Informer의 경우 r = 0.82). 모델 중에서 DeepONet은 가장 높은 견고성을 보이며, 손상된 데이터의 비율이 증가함에 따라 성능 저하가 미미합니다( 특징의 경우 β = -0.2, 목표값의 경우 -0.4). 리얼돌 쓰리노 먹튀사이트 롤배팅 대학대전 토토 롤배팅 bj롤 토토 롤배팅 롤배팅 스포츠중계 스포츠중계 스포츠중계 블랙티비 블랙티비 블랙티비 블랙티비 블랙티비 블랙티비 스포츠중계 화이트티비 오피스타 스포츠중계 인계동 스웨디시 인계동 스웨디시 정자동 스웨디시 정자역 스웨디시 야탑 스웨디시 송파휴대폰성지 이문동 휴대폰성지 인계동 스웨디시 인계동 스웨디시 분당룸 분당 바니바니 대전유흥주점 천안다국적노래방 영덕대게 맛집 대전룸싸롱 강남유흥 급전 소액급전 서면노래방 서면가라오케 구리노래방 서면가라오케 유성룸싸롱 유성풀싸롱 유성룸싸롱 유성풀싸롱 울산호빠 강남 하이퍼블릭 강남 하퍼 건대호빠 스포츠중계제작 스포츠중계api 스포츠중계솔루션 스포츠중계api 스포츠중계 커뮤니티 제작 스포츠중계api 스포츠중계 커뮤니티 제작