KCI우수등재
기상관측자료를 고려한 기계학습 기반의 단기 풍속 예측
저자
발행기관
학술지명
한국데이터정보과학회지(Journal of the Korean data & information science society)
권호사항
발행연도
2020
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
823-837(15쪽)
KCI 피인용횟수
1
DOI식별코드
제공처
소장기관
기존의 역학모델은 오랜 연구로 인한 이론적 바탕이 누적되어 높은 수준의 기상예측이 가능하나, 이러한 모델을 수행하기 위해서는 과도한 전산자원을 필요로 한다. 전산자원의 감축 및 성능개선을 위해서 최근 기계학습 관련 연구가 대두되고 있다. 본 논문은 슬라이딩 윈도우 기법과 기계학습 (심층 신경망, 서포트 벡터 머신, 랜덤 포레스트)을 활용하여 단기 풍속예측모델을 생성하고, 이를 평가하여 최적의 예측모델을 제안하고자 한다. 본 연구에 사용된 자료는 기상청에서 제공하는 남한 전역의 ASOS 95지점의 2017년 08월부터 2018년 8월까지의 관측자료이며, 제안된 풍속 예측모델의 입력 변수는 기온, 풍향, 습도, 강수와 관측지점의 위경도, 시간 변수를 활용하였다. 그 결과, 기계학습 기법은 저풍속대와 육지지형에서 뛰어난 풍속 예측상능을 보였으며, 기계학습 기법 중에서는 랜덤 포레스트 기법을 이용하였을 때 가장 우수한 성능을 나타내었다.
더보기In this paper, we propose a method that utilizes machine learning (deep neural network, support vector machine, random forest) learned from weather observation data to increase the accuracy of short-term prediction of wind speed. The proposed method selects an optimal model after a sensitivity experiment, and then performs verification with the observed wind speed. The sensitivity experiment targets the data extracted by applying the sliding window method and the set factor values of machine learning. The elements used in the learning materials are time, spatial and meteorological factors (temperature, wind direction, humidity, precipitation). The meteorological data used was the value of ASOS 95 sites provided by the Korea Meteorological Administration from August 2017 to August 2018. As a result, the optimal machine learning method showed excellent predictive performance in the low wind speed section and the land terrain. In particular, it can be seen that the Random forest is the best in performance and time resources compared to Supporter vector machines and Deep neural networks.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 계속평가 신청대상 (등재유지) | |
2017-01-01 | 평가 | 우수등재학술지 선정 (계속평가) | |
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 |
2003-01-01 | 평가 | 등재후보학술지 유지 (등재후보2차) | KCI후보 |
2002-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2001-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.18 | 1.18 | 1.07 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.01 | 0.91 | 0.911 | 0.35 |
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)