Convolutional LSTM Network: 강수 예측을 위한 기계 학습 접근법

강수량 단기예측의 목표는 상대적으로 짧은 기간 동안 특정 지역에서의 미래 강수 강도를 예측하는 것입니다. 이 중요한 난제에 대한 기계 학습 관점에서 연구한 사례는 매우 적습니다. 본 논문에서는 강수량 단기예측을 시공간 시퀀스 예측 문제로 정식화하여, 입력과 예측 대상 모두가 시공간 시퀀스임을 명시합니다. 입력-상태 전환과 상태-상태 전환 과정에서 모두 합성곱 구조를 도입함으로써 완전 연결 LSTM(FC-LSTM)을 확장하여 합성곱 LSTM(ConvLSTM)을 제안하고, 이를 이용하여 강수량 단기예측 문제에 대한 엔드투엔드 훈련 가능한 모델을 구축하였습니다. 실험 결과, 제안된 ConvLSTM 네트워크가 시공간 상관관계를 더 잘 포착하며, 강수량 단기예측을 위한 최신 운영 알고리즘인 ROVER보다 일관되게 우수한 성능을 보였습니다.