강원대학교 원주캠퍼스 컴퓨터공학과 김병욱 교수가 제1저자로 참여한 연구 논문이 데이터베이스 분야의 국제 학술대회 DASFAA 2026 (The 31st International Conference on Database Systems for Advanced Applications)에 게재 승인되었다. DASFAA는 데이터베이스 및 데이터공학 분야의 권위 있는 국제 학술대회로, BK21 우수학술대회로 선정된 Top-tier 컨퍼런스이다.

게재 논문의 제목은 “TVMC: Target Variance Minimization Clustering in GEMS Latent Representation for Time Series Forecasting of Air Pollution”이며, 위성 기반 대기오염 데이터(GEMS)를 활용하여 지상 대기오염 농도 예측 성능을 향상시키는 새로운 표현 학습 및 클러스터링 프레임워크를 제안한 연구이다.

기존의 시계열 예측 모델들은 외생 변수를 단순 결합하는 방식으로 활용하는 경우가 많아, 위성 데이터와 지상 관측 데이터 간의 공간 및 시간적 불일치 문제를 충분히 해결하지 못하는 한계가 있었다. 이에 본 연구에서는 3D Convolutional AutoEncoder(3D-CAE)를 활용하여 GEMS 위성 시공간 패치를 잠재 벡터로 압축하고, 예측 목표 변수의 분산을 최소화하도록 클러스터를 형성하는 TVMC(Target Variance Minimization Clustering) 기법을 제안하였다. 실험 결과, 제안한 TVMC 기반 외생 표현을 다양한 예측 모델(통계적 모델, 머신러닝 모델, RNN 기반 모델, Transformer 기반 모델)에 적용한 경우 평균 약 27% 이상의 성능 향상을 보였다. 

이번 연구는 위성 기반 대기환경 데이터의 표현 학습과 클러스터링을 결합하여, 환경 시계열 예측의 구조적 불일치 문제를 해결했다는 점에서 학술적 의의를 가진다. 김병욱 교수는 향후 대규모 언어모델(LLM) 기반의 지능형 대기오염 예측 프레임워크를 개발하여 예측 정확도를 한층 고도화하는 연구를 이어갈 계획이다.