인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
대기경계층 고도(Planetary Boundary Layer, Height PBLH)는 기상과 대기확산을 예측하는데 매우 중요한 인자이다. PBLH를 결정하기 위해 여러 관측 자료들이 사용되고 있으며, 그 중 라이다식 운고계를 이용한 방법이 최근에 많이 사용되고 있다. 운고계에서 PBLH를 추정하기 위해 사용하는 경도법(Gradient method)은 매우 간단하지만 여러 잡음으로 인해 고도를 잘못 추정하는 경우가 발생한다. 본 논문에서는 라이더식 운고계에서 수집한 후방산란자료에 기계학습기법을 적용하여 PBLH를 산출하는 방법을 제안한다. 제안한 방법은 잡음제거 오토인코더(Denoising autoencoder)를 이용하여 비지도 학습으로 운고계 후방산란자료의 잡음소거를 수행한 뒤 인공신경망(Artificial Neural Network, ANN) 학습을 통해 PBLH를 산출한다. 실험에는 보성지역에 설치된 라이더식 운고계 CL51에서 관측된 2015년 1월부터 2016년 5월까지의 후방산란자료를 사용하였으며, 검증을 위해 운고계 CL51의 PBLH 산출 프로그램 BL-view의 자료와 경도법으로 산출된 PBLH 자료를 사용하였다. 실험결과 제안한 방법이 경도법보다 2배 이상 좋은 성능을 보였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2018-003-001195911
