http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 오찬영(Chanyeong Oh) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
-
Estimation of Significant Wave Heights from X-Band Radar Using Artificial Neural Network
Jaeseong Park(박재성),Kyungmo Ahn(안경모),Chanyeong Oh(오찬영),Yeon S. Chang(장연식) 한국해안해양공학회 2020 한국해안해양공학회 논문집 Vol.32 No.6
항해용 X-band 레이다를 이용한 파랑관측은 기존의 파랑관측 방법인 부이식 파고계, 압력식 파고계, 초음파식 파고계에 비해 많은 이점이 있다. 예를 들면 유실과 파손의 위험이 없고, 유지관리 비용이 적게 들며, 심해부터 천해까지 파랑의 공간적 분포를 알 수 있다. 본 논문에서는 레이다형 파고계의 유의파고 측정 정확도를 높이는 인공신경망을 이용한 알고리즘을 제시하였다. 레이다형 파고계에서 유의파고를 추정하는 전통적인 방법은 신호 대 잡음 비율(√SNR) 또는 신호 대 잡음 비율과 첨두주기(TP)를 이용하는 방법이 있다. 본 연구에서는 신호 대 잡음 비율, 첨두주기 및 레이다 이미지 해상도 비율(Rval > k)을 입력변수로 하는 인공신경망 알고리즘을 이용하여 유의파고 추정의 정확도를 향상시켰다. 개발된 알고리즘을 울진 후정해수욕장에서 초음파식 파고계로 측정한 유의파고의 시계열과 비교하여 정확도 향상을 확인하였다. Wave measurements using X-band radar have many advantages compared to other wave gauges including wave-rider buoy, P-u-v gauge and Acoustic Doppler Current Profiler (ADCP), etc.. For example, radar system has no risk of loss/damage in bad weather conditions, low maintenance cost, and provides spatial distribution of waves from deep to shallow water. This paper presents new methods for estimating significant wave heights of X-band marine radar images using Artificial Neural Network (ANN). We compared the time series of estimated significant wave heights (Hs) using various estimation methods, such as signal-to-noise ratio (√SNR ), both √SNR and the peak period (TP), and ANN with 3 parameters (√SNR, TP, and Rval > k). The estimated significant wave heights of the X-band images were compared with wave measurement using ADCP(AWC: Acoustic Wave and Current Profiler) at Hujeong Beach, Uljin, Korea. Estimation of Hs using ANN with 3 parameters (√SNR, TP, and Rval > k) yields best result.
-
CNN 강우여부 분류기를 적용한 ANN 기반 X-Band 레이다 유의파고 보정
김희연(Heeyeon Kim),안경모(Kyungmo Ahn),오찬영(Chanyeong Oh) 한국해안해양공학회 2021 한국해안해양공학회 논문집 Vol.33 No.3
항해용 X-band 레이다를 이용한 파랑관측은 해수면에 후방산란 된 전자기파 이미지를 분석하여 이루어진다. 1분당 42개의 해수면 시계열 이미지로부터 3차원 FFT를 계산하고 변조전달함수(Modulation Transfer Function)를 구하여 파랑정보를 추출한다. 따라서 레이다 파고계로 계측한 유의파고의 정확도는 X-band 레이다 영상의 상태에 따라 결정된다. 2020년 여름 태풍 마이삭과 하이선 내습 시 강릉 안인 해안에 설치된 X-band 레이다 파고계로 관측한 유의파고의 오차가 크게 발생하였다. 이는 태풍 내습 시 급격히 유의파고가 증가하는 한편 강한 강우가 동반되어 X-band 레이다 영상의 품질이 저하되었기 때문이다. 최대 오차 발생 이전까지 많은 강우가 있었음이 확인된다. 본 연구에서는 convolution neural network(CNN)을 이용하여 레이다 이미지로부터 강우 여부를 분류하고 강우여부에 따라 강우시 인공신경망 모델을 적용하여 태풍 시 유의파고 관측 정확도를 향상시켰다. 폭우를 동반한 태풍 시 레이다 자료 특성에 기반하여 인공신경망 유의파고 산출 알고리즘을 개선하고 이를 통해 X-band 레이다 파고계의 정확도를 향상시키는 방법을 제시하였다. Wave observations using a marine X-band radar are conducted by analyzing the backscattered radar signal from sea surfaces. Wave parameters are extracted using Modulation Transfer Function obtained from 3D wave number and frequency spectra which are calculated by 3D FFT of time series of sea surface images (42 images per minute). The accuracy of estimation of the significant wave height is, therefore, critically dependent on the quality of radar images. Wave observations during Typhoon Maysak and Haishen in the summer of 2020 show large errors in the estimation of the significant wave heights. It is because of the deteriorated radar images due to raindrops falling on the sea surface. This paper presents the algorithm developed to increase the accuracy of wave heights estimation from radar images by adopting convolution neural network(CNN) which automatically classify radar images into rain and non-rain cases. Then, an algorithm for deriving the Hs is proposed by creating different ANN models and selectively applying them according to the rain or non-rain cases. The developed algorithm applied to heavy rain cases during typhoons and showed critically improved results.
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
