빅데이터처리 및 데이터베이스 연구실(Bigdata Processing & DB Lab) 김용담(박사과정/제1저자), 양준성(석사과정), 박현지(석사과정), 정성원 교수(교신저자)가 작성한 "Forecasting Functions, Not Points: Time Series Forecasting via Polynomial-Fourier Coefficient Prediction" 논문이 최우수국제학술대회 ACM International Conference on Information and Knowledge Management (CIKM) 2026 정규 논문(Full Research Paper, Acceptance Rate: 597/2216 = 26.9%)에 게재가 확정되었습니다.

 

기상 관측, 대기질 측정, 수문 관측처럼 환경 센서가 만들어내는 시계열의 장기 예측은 기후 대응, 공중 보건, 재난 조기경보 같은 의사결정에 직접 쓰인다. 그런데 지금까지의 장기 시계열 예측 모델은 거의 같은 구조를 사용한다. 미래의 각 시점마다 값을 하나씩 내놓는 point forecast 방식이다. 이 방식에서는 출력층의 크기가 예측 구간 길이에 비례해 커지고, 무엇보다 예측 결과가 학습에 쓴 시간 해상도에 그대로 묶인다. 한 시간 간격 데이터로 학습한 모델에 10분 간격 예측이 필요해지면 모델을 처음부터 다시 학습하는 것 외에는 방법이 없다.

연구팀은 예측 결과의 형태 자체를 바꾸는 방식으로 이 문제에 접근했다. 미래 값을 하나씩 맞히는 대신, 미래를 설명하는 "연속 함수의 계수"를 예측하는 것이다. CoefNet이 예측하는 함수는 5차 polynomial term과 8개의 Fourier Harmonic term으로 이루어져 있고, 모델은 채널마다 linear projection 한 번으로 계수 21개만 내놓는다. 추세는 다항식 항이, 주기성은 푸리에 항이 맡기 때문에 신호가 가진 구조가 출력 형태 안에 이미 들어가 있어 효과적인 예측 모델링이 가능하다.

함수를 예측하면 학습 때 보지 못한 격자에서도 값을 그대로 읽어낼 수 있기 때문에, 720 steps 예측에서 출력 크기가 최대 34배 줄어들게 된다. 다만, 전역 함수 하나만으로는 예측 구간 안에서 변해가는 국소적인 변동을 놓치기 때문에, 연구팀은 예측 구간을 작은 sub-window로 나눈 뒤 공유 계수를 low-rank modulation으로 조금씩 보정하는 장치를 함께 설계했다. 추가되는 파라미터는 약 4% 수준이며, 이 방식으로 전체적인 평균 MSE가 5.8% 향상됨을 확인했다.

실험은 Weather, AQShunyi, AQWanliu, CzeLan 네 개 환경 센서 데이터셋과 네 개 예측 구간에서 최신 예측 모델 아홉 개를 대상으로 진행했다. CoefNet은 16개 설정 중 13개에서 가장 낮은 MSE를 기록했으며, 예측 구간이 길어질수록 성능 격차가 벌어졌다. 20분 간격으로 학습한 모델을 재학습이나 보간 없이 10분 간격에서 바로 평가한 실험에서도 성능 저하가 크지 않았고, 반대로 잡음이 많은 대기질 데이터에서는 오히려 오차가 줄어드는 구간도 확인됐다.

이번 연구는 예측 구간과 시간 해상도가 바뀔 때마다 모델을 다시 학습해야 했던 기존 관행에서 벗어나, 한 번 학습한 모델을 여러 운영 조건에 그대로 재사용할 수 있음을 보여준다.

본 논문의 제1저자인 김용담 박사과정은 "시계열 예측 모델을 더 정교하게 만드는 연구는 많았지만, 모델이 무엇을 출력해야 하는지를 다시 묻는 연구는 드물었습니다. 점이 아니라 함수를 예측하도록 바꾸자 예측 구간과 해상도에 묶여 있던 제약이 자연스럽게 풀렸고, 계수 21개만으로도 최신 모델을 넘어설 수 있다는 점을 확인했습니다. 앞으로는 채널 수가 많은 데이터로 확장하고, 예측된 추세와 주기 계수 자체를 예측 근거를 설명하는 수단으로 활용하는 연구를 이어가려 합니다. 함께 연구한 양준성, 박현지 석사과정 친구들과 지도해주신 정성원 교수님께 감사드립니다."라고 소감을 밝혔다.

ACM International Conference on Information and Knowledge Management (CIKM)는 정보검색, 지식관리, 데이터마이닝, 데이터베이스 및 인공지능 분야를 다루는 세계적인 권위의 국제학술대회이다. 또한 CIKM은 BK21 Computer Science 분야 우수국제학술대회 목록에 인정 IF=3으로 등재되어 있으며, 한국정보과학회 소프트웨어 분야 우수학술대회 목록에서 최우수 학술대회로 분류되어 있다. 본 학회는 올해 11월 7일부터 11일까지 이탈리아 로마에서 개최될 예정이다.

References:

-       35th ACM International Conference on Information and Knowledge Management (CIKM 2026)

-       Website: https://cikm2026.diag.uniroma1.it/