이 논문은 기후 데이터 압축을 위한 하이브리드 접근 방식을 제안한다. 제안된 방법은 다음 3단계로 구성된다:
ROI 탐지: 신경망 모델을 사용하여 열대 저기압(TC)과 대기 강수대(AR)와 같은 주요 기후 현상이 발생할 가능성이 높은 영역(ROI)을 예측한다. 이를 통해 ROI에 대해서는 낮은 오차 허용 범위를, 나머지 영역에 대해서는 높은 오차 허용 범위를 적용할 수 있다.
보장된 오토인코더(GAE): 3D 합성곱 오토인코더를 사용하여 데이터 블록의 시공간적 상관관계를 학습한다. 재구성 오차를 보장하기 위해 주성분 분석(PCA)을 적용하여 잔차에 대한 기저 행렬을 생성하고, 이를 이용해 잔차를 정확하게 복원할 수 있는 계수를 선별적으로 저장한다.
차등 압축: ROI와 나머지 영역에 각각 다른 오차 허용 범위를 적용하여 압축을 수행한다. 이를 통해 주요 기후 현상에 대한 정확도를 유지하면서도 전체적으로 높은 압축률을 달성할 수 있다.
실험 결과, 제안 방법은 기존 연구 대비 TC와 AR 탐지 정확도를 크게 향상시키면서도 압축률을 2배 이상 개선할 수 있음을 보여준다.
翻譯成其他語言
從原文內容
arxiv.org
深入探究