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.
초록· 키워드
오류제보하기
Numerical weather prediction (NWP) models play an essential role in predicting weather factors, but using them is challenging due to various factors. To overcome the difficulties of NWP models, deep learning models have been deployed in weather forecasting by several recent studies. This study adapts long short-term memory (LSTM), which demonstrates remarkable performance in time-series prediction. The combination of LSTM model input of meteorological features and activation functions have a significant impact on the performance therefore, the results from 5 combinations of input features and 4 activation functions are analyzed in 9 Automated Surface Observing System (ASOS) stations corresponding to cities/islands/mountains. The optimized LSTM model produces better performance within eight forecast hours than Local Data Assimilation and Prediction System (LDAPS) operated by Korean meteorological administration. Therefore, this study illustrates that this LSTM model can be usefully applied to very short-term weather forecasting, and further studies about CNN-LSTM model with 2-D spatial convolution neural network (CNN) coupled in LSTM are required for improvement.
목차
Abstract
1. 서론
2. 사용 자료
3. 방법
4. 결과
5. 결론 및 향후 계획
REFERENCES
참고문헌 (21)
참고문헌 신청
Jiandong Chen / 2019 / Factor decomposition and prediction of solar energy consumption in the United States / Journal of Cleaner Production 234:1210~1220
Amir Farzad / 2019 / A comparative performance analysis of different activation functions in LSTM networks for classification / Neural Computing and Applications 31(7):2507~2521
Cong Feng / 2017 / A data-driven multi-model methodology with deep feature selection for short-term wind forecasting / Applied Energy 190:1245~1257
Gal, Y. / 2016 / A theoretically grounded application of dropout in recurrent neural network / Preprints, 30th Conference on Neural Information Processing Systems :14
Pradeep Hewage / 2021 / Deep learning-based effective fine-grained weather forecasting model / Pattern Analysis and Applications 24(1):343~366
Amir Farzad / 2019 / A comparative performance analysis of different activation functions in LSTM networks for classification / Neural Computing and Applications 31(7):2507~2521
Cong Feng / 2017 / A data-driven multi-model methodology with deep feature selection for short-term wind forecasting / Applied Energy 190:1245~1257
Gal, Y. / 2016 / A theoretically grounded application of dropout in recurrent neural network / Preprints, 30th Conference on Neural Information Processing Systems :14
Pradeep Hewage / 2021 / Deep learning-based effective fine-grained weather forecasting model / Pattern Analysis and Applications 24(1):343~366
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
LSTM을 이용한 서울시 PM2.5 농도 예측
한국대기환경학회 학술대회논문집
2022 .10
-
Population forecasting by small region in Korean using LSTM
한국데이터정보과학회지
2025 .01
-
Hybrid SARIMAX-LSTM 알고리즘을 이용한 시계열 자료 예측
한국데이터정보과학회지
2023 .09
-
주성분 분석과 LSTM 모델을 활용한 지하수위 예측 기법 개발
대한지질학회 학술대회
2020 .10
-
해양관측부위 자료 기반 딥러닝 기술을 활용한 해양 혼합층 수온 예측
대한원격탐사학회지
2022 .06
-
Potential of Bidirectional Long Short-Term Memory Networks for Crop Classification with Multitemporal Remote Sensing Images
대한원격탐사학회지
2020 .01
-
LSTM 모형을 이용한 태양활동지표 F10.7 예측
Journal of The Korean Data Analysis Society
2020 .01
-
SVR과 LSTM 모형의 토양습도 예측력 비교분석
Journal of The Korean Data Analysis Society
2019 .01
-
하이퍼파라미터 최적화 방법에 따른 Long Short-Term Memory (LSTM) 모델의 PM2.5 농도 예측 정확성 비교
한국대기환경학회 학술대회논문집
2021 .10
-
Classification Technology of Hand Motion using LSTM network: Preliminary study
한국자기학회 학술연구발표회 논문개요집
2023 .05
-
PM2.5 공간 농도 분포 예측을 위한 Conv-LSTM 기반 AI 모델 개발
한국대기환경학회지(국문)
2025 .02
-
딥러닝 기반 LSTM 모형에 기초한 자기상관 공정의 모니터링 절차
한국데이터정보과학회지
2022 .03
-
PM2.5 농도 예측을 위한 Super Learner 앙상블과 LSTM의 성능 비교
한국기상학회 학술대회 논문집
2023 .11
-
기상 및 토양 데이터를 활용한 장단기 메모리 모형 비교
Journal of The Korean Data Analysis Society
2021 .01
-
VARX 모형과 LSTM 알고리즘의 다변량 시계열 예측 비교
한국데이터정보과학회지
2022 .01
-
SHORT NOTE ON THE BEHAVIOR OF RECURRENT NEURAL NETWORK FOR NOISY DYNAMICAL SYSTEM
JOURNAL OF THE KOREAN SOCIETY FOR INDUSTRIAL AND APPLIED MATHEMATICS
2024 .12
-
Prediction of KOSPI 200 Index Movement Using Generative Adversarial Network Based on LSTM
Quantitative Bio-Science
2023 .11
-
Deep learning-based post-processing of numerical weather predictions
한국기상학회 학술대회 논문집
2022 .10
-
Forecast of COVID-19 Confirmed Cases across Region in Korea Using Long Short-term Memory
Quantitative Bio-Science
2022 .05
-
The roles of differencing and dimension reduction in machine learning forecasting of employment level using the FRED big data
CSAM(Communications for Statistical Applications and Methods)
2019 .09
이 논문의 저자 정보
이 논문과 함께 이용한 논문
병렬 병합 구조를 이용한 기상 데이터의 예측률 향상을 위한 딥러닝 모델
김창복
한국정보기술학회논문지
2022
.04
학교시설 실내공기질 환경 개선을 위한 실내 미세먼지(PM2.5) 예측모델 개발
최영재
,
최은지
,
조혜운
외 1명
KIEAE Journal
2021
.02
CNN-LSTM 딥러닝 기반 캠퍼스 전력 예측 모델 최적화 단계 제시
김예인
,
이세은
,
권용성
한국산학기술학회 논문지
2020
.10
LSTM과 EEMD 기반의 미세먼지 농도 예측 모델 성능 비교
정용진
,
오창헌
한국정보통신학회 종합학술대회 논문집
2022
.05
강원영동 강풍 관측설계와 예비 관측결과
김지은
,
권태영
,
박균명
외 2명
대기
2021
.11
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-453-001645240