시계열 데이터 프로젝트 주제 선정 예시

보·2025년 4월 28일
시계열데이터

Data

목록 보기
7/10

1. 태양 활동 예측

연구 동향 (2018–2025)

  • TCN vs LSTM: 2024년 TCN 모델, 상관계수 0.98·RMSE ≈5 sfu (LSTM 대비 개선)
  • LSTM-WGAN: 2025년 흑점수 예측에 활용, 25주기 피크 정확히 예측
  • 물리모델+통계보정: 2018년 Bhowmik & Nandy(다이너모 모형) → 25주기 최대 흑점수 ≈126 예측

공식 데이터 소스

도메인 학습 자료

  • Quanta Magazine: How Scientists Are Tackling the Tricky Task of Solar Cycle Prediction
  • Medium 튜토리얼: “The Solar Cycle(s): History, Data Analysis and Trend Forecasting”
  • arXiv: Solar Cycles: Can They Be Predicted? (2025)

2. 기후 예측 (기온·강수량·대기압)

연구 동향 (2018–2025)

  • 딥러닝 일기예보: GraphCast·Pangu-Weather 등 수치모델과 견주는 단기 예측
  • 하이브리드 ENSO 예측: CNN 기반 ENSO 예측 튜토리얼 (기후변화.ai, 2024)
  • IPCC AR6 반영: 1.1 ℃ 이상 상승, 극단 강수 증가

공식 데이터 소스

도메인 학습 자료

  • IPCC AR6 요약보고서 (2021)
  • Medium: “Time Series Analysis & Climate Change” (Peter Turner, 2019)
  • Climate Change AI 튜토리얼: “Using Machine Learning to Forecast the Weather and Climate” (2024)
  • Kaggle 노트북: “Global Temperature Time Series”, “Rainfall in Australia”

3. 태양 흑점 주기 예측

연구 동향 (2018–2025)

  • 25주기 예측 오차: 2019년 NOAA 예측 vs 실제(보다 강한 활동)
  • LSTM, LSTM-WGAN: 최대 흑점수·피크 시점 정확히 예측
  • 물리+통계 보정: Nature(2018) ‘다이너모 모형’과 관측 결합

공식 데이터 소스

도메인 학습 자료

  • NASA 블로그: “Solar Cycle 25 is Exceeding Predictions...” (2022)
  • Medium 실습: Pau Blasco i Roca “Solar Cycle Time Series Modeling”
  • 천문학 Khan Academy: 태양 흑점 및 자기장 강의

4. 대기 질 예측 (PM2.5 등)

연구 동향 (2018–2025)

  • 딥러닝 vs ARIMA: LSTM·CNN-LSTM·GNN, 전통 통계모델보다 낮은 오차
  • 하이브리드 CTM+ML: 화학 수치모델 결과 보정
  • COVID-19 영향 연구: 봉쇄기 대기질 변화 반영 모델

공식 데이터 소스

도메인 학습 자료

  • WHO 대기질 지침 (2021)
  • EPA AirNow 기술문서: 대기질 예보 모델 개요
  • Medium: “Multivariate Time Series Forecasting for Air Quality Prediction” (Lucas See, 2024)
  • Towards Data Science: “Introduction to Air Quality Forecasting with TensorFlow”
  • Kaggle 노트북: “Air Quality Prediction”

5. 해수면 상승 예측

연구 동향 (2018–2025)

  • 위성 관측: 1993–2025년 +102.4 mm, 연간 3.7 mm 가속
  • IPCC AR6 전망: 2100년 최대 1.3–1.6 m 상승 (고배출 시나리오)
  • 남극 빙상 밑물 역할: 2023년 Nature, 빙상 유출 가속화 발견

공식 데이터 소스

도메인 학습 자료

  • NASA Climate “Sea Level: Vital Signs”
  • NOAA 기후.gov: 해수면 상승 해설
  • IPCC AR6 해양장 및 FAQ
  • NOAA 2022 Sea Level Technical Report
  • 국립해양조사원 미래 해수면 변동 보고서
  • Kaggle: “Global Sea Level Rise”

6. 팬데믹 확진자·전력 사용량 예측

연구 동향 (2018–2025)

  • 확진자 예측: SEIR vs ARIMA/LSTM (LSTM 우위), Forecast Hub 앙상블 채택
  • 전력부하 예측: COVID-19 충격기 모델 성능 저하 → 외생변수(모빌리티) 통합·재훈련
  • 딥러닝 모델 비교: N-BEATS·TCN·LSTM 성능 평가 및 앙상블

공식 데이터 소스

도메인 학습 자료

  • 3Blue1Brown 전염병 수학 강의
  • CDC Forecast Hub 운영보고서
  • IEEE TPWRS: COVID-19 기간 단기 부하 예측 논문 (2022)
  • Machine Learning Mastery: “Multi-Step LSTM for Household Power Consumption”
  • Medium: “ARIMA vs. LSTM: Forecasting Electricity Consumption”
  • DACON 전력사용량 경진대회 솔루션 분석
profile
보
이전 포스트

데이터 스케일링(Data Scaling)

다음 포스트

토크나이저(Tokenizer)

0개의 댓글