| 초록 |
머신 러닝 기반 알고리즘에 웨이블릿 변환을 결합하여 시계열 데이터를 예측하는 모델을 개발할 때, 예측 성능은 웨이블릿 변환에 의한 노이즈의 제거 정도에 영향을 받는다. 실제 공정에서 수집되는 데이터는 외란에 의해 노이즈가 섞여 있어 예측 모델 개발에 사용할 경우 적절한 전처리가 필요하다. 웨이블릿 변환은 시간 또는 공간 영역에서 유용한 신호의 위치를 파악하여 노이즈를 효과적으로 제거하는 기술이다. 웨이블릿 변환에 의한 노이즈 제거 성능은 웨이블릿 분해 레벨에 따라 결정되기 때문에 적절한 분해 레벨을 연구를 통해 도출하는 것이 중요하다 본 연구에서는 모델 학습에 사용하는 특성에 대해 웨이블릿 기저 함수로 Daubechies를 적용하고, 각 특성에 대해 분해 레벨에 따른 노이즈 제거 결과를 분석하여 최적의 분해 레벨을 설정하여 예측 모델을 개발했다. 그 결과 웨이블릿 분해를 결합하지 않은 공정 데이터를 사용했을 때보다 예측 모델 성능이 향상되었다. 개발된 모델을 활용하여 효율적인 공정 제어를 할 수 있을 것으로 기대된다. |
