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.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
최근 기후 변화로 인해 강우 예측의 불확실성이 증가함에 따라, 호우 피해를 정확히 추정하기 위해서는 극한 강우의 발생 양상과 공간적 특성을 정량적으로 모의해야 한다. 본 연구는 한반도 전역의 5km 공간 해상도의 일별 강우량 자료(2011-2025)를 활용하여, 비지도 학습 기반 심층 군집화 기법인 DEC(deep embedded clustering)와 DCN(deep clustering network)을 적용하고, 기존 거리 기반 기법인 SOM(self-organizing map)-k-means를 비교 기준으로 사용하여 한반도 강우 유형을 분류하였다. 군집화 성능 평가는 Moran’s I와 SPAEF(spatial efficiency)의 지표를 사용하였다. 분석 결과, 세 가지 기법 모두 강우의 비선형적 공간 구조를 효과적으로 반영하였으며, I≥0.94로 각 군집 내 높은 공간 응집도를 보였다. DCN(I=0.943, SPAEF=-0.142)은 SOM-k-means(I=0.944, SPAEF=-0.123)과 유사한 성능을 보이면서도, 단일(one-step) 통합 구조에서 표현 학습과 군집화를 동시에 수행하여 분석 효율성이 높았다. DEC(I=0.938, SPAEF=-0.224)는 데이터 밀도 변화에 덜 민감하고 높은 공간 상관성을 보여, 국지성·비정상 강우 패턴 탐지에 강점을 보였다. 결과적으로, DCN은 효율적이고 일관된 공간 패턴 학습에, DEC는 다양한 강우 유형 분류에 적합한 것으로 나타났다. 분류된 강우 유형은 지역별 자연재해 예측 및 대비 전략 수립에 활용 가능한 기초자료를 제공할 것으로 기대된다.
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) : I410-151-26-02-096367425
