KCI등재
LSTM 모형을 이용한 태양활동지표 F10.7 예측 = A Prediction of Solar Activity Indicator F10.7 using LSTM Network
저자
김병천(Byung Chun Kim) ; 김유광(You Gwang Kim) ; 이서현(Seo Hyun Lee) 연구자관계분석
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2020
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
169-176(8쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
인공위성에 사용되는 재료가 우주에서 운용되는 동안 원자산소(atomic oxygen)에 의하여 발생하는 침식(erosion)에 중요한 영향을 미치는 태양활동의 지표 중 하나인 F10.7의 예측은 인공위성 최적 설계에 있어서 핵심 요소이다. 그 동안은 최악의 상황을 가정한 예측에 따라 설계하였으나, 인공위성 제작이 민간에게 전이되는 상황에서 이러한 지표의 예측에 통계적 방법뿐만 아니라 최신의 기계학습(machine learning) 기법들을 적용하는 연구를 진행하고 있다. 본 논문에서는 F10.7을 예측하는 방법으로 LSTM(long short-term memory) 네트워크를 적용하였다. 특별히 본 논문에서는 전체 자료를 일반적으로 기계학습에서 사용하고 있는 학습 자료(training set), 검증 자료(validation set), 평가 자료(test set)로 나누는 대신, 학습 자료의 크기가 줄어드는 것을 피하기 위하여 검증용 자료를 사용하지 않으면서 과적합 이전에 학습 과정을 멈추는 방안을 제안하였다. 또한 한 개의 시점을 예측하는 것과 12개의 시점을 한번에 예측하는 방법을 함께 제안한다. LSTM 네트워크를 이용한 예측은 모수적 예측 방법인 자기회귀이동평균(ARIMA) 모형보다 더 안정적이고 12개월을 한번에 예측하는 것이 보다 경쟁력 있는 결과를 보여주었다.
더보기The prediction of F10.7, which is an indicator showing the solar activity, influencing seriously on atomic oxygen erosion of satellite surface coating materials is one of the key issues in the satellite design. It has been actively conducted recently using not only statistical but machine learning techniques. In this paper, we study a method for using a long short-term memory (LSTM) network in predicting F10.7 data. We suggest a method of model validation to solve the over-fitting problem without extracting a validation sample out of the whole data set which does not reduce the size of the training data set. Also we show that predicting 12 points together at a time provides less forecasting error (RMSE, MAPE) than predicting one point at a time. The results from using LSTM network show more stable and competitively better forecasting performance than those from parametric long range dependent time series model autoregressive integrated moving average (ARIMA) model.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2002-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.26 | 1.26 | 1.15 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.05 | 0.98 | 0.956 | 0.4 |
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)