GAUDI: 공기질 데이터 결측 구간 복원을 위한 기하학적 확산 모델
GAUDI: Geometry-Aware Diffusion for Calibrated Air-Quality Time-Series Imputation
arXiv공기질 센서 데이터처럼 측정 오류로 인해 연속적인 결측 구간(블록)이 발생하는 시계열 데이터를 복원하는 새로운 AI 모델 'GAUDI'가 개발되었습니다.
- GAUDI는 단순히 주변 정보를 사용하는 것을 넘어, 결측된 블록의 기하학적 구조를 인식하여 기존 방식 대비 현저히 낮은 오차율을 달성했습니다.
- 이 기술은 공기질 데이터뿐 아니라 센서 고장이나 통신 문제로 인해 대규모 데이터 누락이 발생하는 모든 시계열 예측 및 복원 작업에 활용 가능합니다.
- 핵심은 결측된 구간 자체의 '구조적 패턴'을 모델링하는 것이며, 이는 주변 정보의 신뢰도와 관계없이 높은 정확도를 보장하는 핵심 요소입니다.
공기질 센서의 고장 등으로 인해 연속적인 결측 블록이 발생하는 시계열 데이터를 처리하기 위해, 'GAUDI'라는 새로운 조건부 확산 기반 보간(imputer) 모델이 개발되었습니다. 기존 방식은 주변 정보에 의존하지만, GAUDI는 단순히 주변 정보를 사용하는 것을 넘어 결측된 블록 자체의 기하학적 구조를 인식하여 데이터 복원 정확도를 높이는 것이 핵심입니다.
GAUDI는 블록별로 특화된 조건부 확산 보간기(conditional diffusion imputer)로, 시간 및 특징 처리를 유지하며 가시 값과 마스크 조건화를 수행합니다. 또한 변수 식별 정보와 확산 단계 정보를 활용하는 동시에 절대적인 시간 위치 은 억제하여 모델의 안정성을 확보했습니다.
실험 결과에 따르면, GAUDI는 공기질 데이터셋인 ItalyAir(13개 변수, 길이-32 창, 명목상 50% 블록 결측)에서 높은 성능을 보였습니다. 이 특징 기반 설정은 RMSE 0.340을 달성했으며, 이는 전체 컨텍스트를 사용한 경우(RMSE 0.355)나 지역적 CSDI 방식(RMSE 0.355)보다 낮은 수치입니다.
이 실험을 통해 연구진은 블록 결측 상황에서 기하학적 구조 인식이 미치는 효과를 분리하여 입증했으며, 이는 공기질 데이터뿐 아니라 대규모 데이터 누락이 발생하는 모든 시계열 예측 및 복원 작업에 활용될 수 있음을 보여줍니다.
용어 풀이
- 임베딩
- 글이나 이미지의 의미를 숫자 목록으로 바꾼 것. 의미가 비슷한 것을 찾을 때 써요.