재현성
인공지능 연구에서 재현성은 연구 결과를 검증하는 데 필수적이며, 15 인공지능 커뮤니티 내에서 논문 발표 요건으로 점점 더 중요해지고 있습니다. 51 인공지능 모델은 수질 연구에 상당한 가능성을 보여주지만, 이 분야의 발전은 제한적인 개방성과 투명성으로 인해 저해되고 있습니다. 이 분야에서 원본 데이터, 모델 및 코드를 완전히 공개적으로 제공하는 연구는 상대적으로 적어 재현성, 벤치마킹 및 협업에 장벽이 되고 있습니다. 재현성에 대한 노력은 단순히 연구 결과를 검증하는 것 이상의 의미를 지니며 , 15 이 분야에서 인공지능 도구를 도입하는 데 대한 신뢰를 구축하는 데 매우 중요한 단계입니다.
연구의 한계점
본 연구는 대륙 규모 수질 예측을 위한 딥러닝 모델의 신뢰도를 종합적으로 평가하지만, 분석 대상이 최소 하나의 수질 변수에 대해 200개 이상의 관측치를 보유한 유역에 한정되었다는 점에 유의해야 합니다. 이러한 기준은 각 유역이 계절적 및 연간 변동성을 충분히 포착할 수 있도록 시간적 범위를 확보하는 동시에(약 4년간 주간 샘플링에 해당), 미국 전역을 광범위하게 대표할 수 있도록 설정되었습니다