관측자료기반 공간자료 생성 및 예측 연구
저자
조창제(Chang Je Cho) ; 곽경일(Gyeong Il Kwak) ; 김국진(Kuk Jin Kim) ; 김병국(Byeong Kuk Kim)
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
주제어
자료형태
학술저널
발행기관 URL
수록면
1697-1697(1쪽)
제공처
한반도는 복잡한 지리적 구조를 이루고 있으므로 국지적인 자연현상이 빈번하게 발생한다. 국지적 자연현상을 분석하기 위해서는 많은 관측소가 요구된다. 그러나 예산이나 전력 수급과 같은 현실적인 문제들로 인해 다량의 관측소 설치가 제한된다. 위성자료를 활용하거나 레이더를 활용하는 방법은 이에 대한 대안이 될 수 있다. 하지만 위성자료나 레이더자료의 경우 2차산출물이므로 관측자료 대비 과대·과소 모의하는 경우가 존재한다. 따라서 관측자료 기반의 시·공간 예측모형은 중요하다고 할 수 있다. 본 연구에서는 공간보간기법 중 연산시간이 짧은 역거리가중법(Inverse distance weighted method, IDW)을 활용하여 격자자료를 생성하였으며, 생산된 격자자료를 인공지능기반의 시공간 모형인 ConvLSTM(Convolutional long short term memory)를 사용하여 격자예측자료를 생산하는 예측모형을 구축하였다. 본 연구의 대상지역은 남해로 선정하였으며, 공간보간기법은 관측자료가 많을수록 정밀해진다는 특징이 존재하므로, 해양자료 뿐 아니라 기상 관측자료 또한 분석에 활용하였다. 성능평가지표로는 평균제곱근편차(Root mean square error, RMSE)와 평균절대오차(mean absolute error, MAE)를 활용하였다.
더보기Since the Korean Peninsula has a complex geographic structure, local natural phenomena occur frequently. Many observation stations are required to analyze local natural phenomena. However, practical problems such as budget and power supply limit the installation of a large number of observatories. Satellite data or radar can be an alternative. However, in the case of satellite data or radar data, since it is a secondary output, there are cases in which the observation data is over-estimated or under-estimated. Therefore, it can be said that the spatio-temporal prediction model based on observational data is important. In this study, grid data was generated by using the Inverse distance weighted method (IDW), which has a short computation time, among spatial interpolation techniques. A prediction model was built to produce grid prediction data by learning grid data in ConvLSTM(Convolutional long short term memory), an artificial intelligence-based spatio-temporal model. The target area for this study was selected as the South Sea, and the spatial interpolation method has the characteristic that the more observation data is, the more precise it is, so not only ocean data but also meteorological observation data are used for analysis. As performance evaluation indicators, root mean square error (RMSE) and mean absolute error (MAE) were used.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)