http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
정형세(Hyeong-Se Jeong) 한국데이터정보과학회 2020 한국데이터정보과학회지 Vol.31 No.5
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. In 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.
오호엽(Oh Ho-Yeop),정형세(Jeong Hyeong Se),최동호(Choi Dong-Ho),이부용(Lee Bu-Yong) 한국태양에너지학회 2013 한국태양에너지학회 학술대회논문집 Vol.2013 No.11
The objective of this study was to analyze during summer season short-wave and long-wave radiation characteristics between downtown area and suburban area in Daegu. This study was confirmed the regional and monthly radiation environments and it can utilize as basic data for the analysis of the urban radiation environment and the effects of urbanization.