KCI등재
운고계 자료를 이용하여 기상 현상을 탐지하기 위한 기계학습 기법 적용 = Application of Machine Learning to Detect Meteorological Phenomena Using Ceilometer Data
저자
이정환(Jung-Hwan Lee) ; 김용혁(Yong-Hyuk Kim) ; 이용희(Yong Hee Lee) 연구자관계분석
발행기관
학술지명
권호사항
발행연도
2018
작성언어
-주제어
KDC
300
등재정보
KCI등재
자료형태
학술저널
수록면
739-748(10쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
구름은 기후와 날씨 변화에서 가장 중요한 요인 중 하나로, 운고계는 구름의 고도와 운량을 자동으로 관측하는데 사용된다. 본 논문에서는 운고계에서 수집한 후방산란자료에 기계학습기법을 적용하여 기상현상을 탐지하는 방법을 제안한다. 먼저, 수집한 후방산란자료에 잡음을 제거하기 위한 방법으로 선형보간법과 잠음제거 오토인코더를 이용하여 잡음소거를 수행한다. 또한, 관측되는 기상현상이 현저히 적기 때문에 언더샘플링을 적용하여 기계학습기법을 적용했다. 적용한 기법으로는 랜덤포레스트, 서포트 벡터 머신, 인공신경망이며, 학습 시간의 문제로 서포트 벡터 머신과 인공신경망의 경우 특징선택으로 학습인자를 줄여 실험을 진행했다. 탐지한 기상현상으로는 강수, 안개, 기압을 다루었으며 지역별상세관측자료(AWS)와 시정자료를 사용했다. 기계학습의 성능평가를 위한 정확도 측도로 F1-점수를 사용했으며 실험에서 강수의 경우 0.3377, 안개의 경우 0.0949, 기압의 경우 0.3494를 보인다.
더보기Clouds are one of the most important factors in climate and weather changes, and A ceilometer is used to automatically observe information about cloud altitude and cloudiness. In this paper, we propose a method to detect the presence-or-not of meteorological phenomena by applying machine learning to the back-scattered data collected from the ceilometer. First, to eliminate the noise in the observation data, linear interpolation and denoising autoencoder is used to perform noise elimination on the back-scattered data. Since the meteorological phenomena is remarkably small, the machine learning method was applied after undersampling. The machine learning used are Random Forests, Support Vector Machine, and Artificial Neural Network. In case of support vector machine and artificial neural network due to learning time problems, experiments were performed by reducing learning factors by feature selection. We deal with precipitation, fog, and atmospheric pressure as meteorological phenomena using AWS and visibility data. The F1-score was used as an accuracy measure for the performance evaluation of machine learning. In the experiment, it is 0.3377 for the precipitation, 0.0949 for the fog, and 0.3494 for the atmospheric pressure.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2020 | 평가예정 | 신규평가 신청대상 (신규평가) | |
2019-12-01 | 평가 | 등재 탈락 (기타) | |
2019-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2016-01-01 | 평가 | 등재학술지 선정 (계속평가) | KCI등재 |
2014-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.33 | 0.33 | 0.32 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.33 | 0.32 | 0.407 | 0.14 |
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)