메뉴 건너뛰기

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
(한국해양기상기술) (광운대학교) (기상청)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제27권 제4호
발행연도
수록면
302 - 309 (8page)
DOI
10.5391/JKIIS.2017.27.4.302

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
이 논문의 연구방법이 궁금하신가요?
🏆
연구결과
이 논문의 연구결과가 궁금하신가요?
AI에게 요청하기
추천
검색
질문

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.
#인공신경망 #잡음제거 오토인코더 #대기경계층 고도 #운고계 #후방산란자료 #Artificial Neural Network #Ceilometer #Denoising Autoencoder #Planetary Boundary Layer Height #Back-Scattered Data
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

목차

  1. 요약
  2. Abstract
  3. 1. 서론
  4. 2. 기계학습 기법
  5. 3. 대기경계층 고도 산출
  6. 4. 실험 결과
  7. 5. 결론
  8. References

참고문헌

참고문헌 신청

최근 본 자료

전체보기
260429_DBpiaAI
260319_딥리서치
260319_AI리더
260304_새학기에이전트
260429 전공별 추천 이벤트
260504 이주의질문
260304_아그논문롤
260127_아그논문
260127_AI뷰어
UCI(KEPA) : I410-ECN-0101-2018-003-001195911