딥러닝 기반 시계열 예측과 공간 보간의 결합을 통한 대기 환경에서의 전파 특성 예측 고도화 = Enhancing the Prediction of Propagation Characteristics in the Atmosphere Using Combined Deep Learning-Based Time-Series Forecasting and Spatial Interpolation

국문 초록 (Abstract)

본 논문은 LSTM 기반 시계열 예측과 공간 보간을 활용하여 대기 굴절률을 정밀하게 모델링하는 방법을 제안한다.
관측이 중단된 기상 관측소에서 측정된 대기 굴절률의 시계열을 LSTM으로 학습하여 미래 시점의 대기 굴절률을 예측함으로써, 대기 굴절률 모델링을 위한 보간 샘플 수를 기존 9개에서 12개로 확장한다. 본 논문에서는 확장된 샘플로 예측된대기 굴절률을 다운링크 시나리오에서 정지궤도 위성 안테나의 전파 특성 예측에 적용함으로써, 딥러닝 기반 시계열예측과 공간 보간의 결합이 대기 환경에서의 전파 특성 예측을 고도화하는 효과적인 방법이 될 수 있음을 제시한다.