RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI우수등재

      최적 시계열 모형에 기초한 오존주의보 날짜 예측 = Predicting ozone warning days based on an optimal time series model

      한글로보기

      https://www.riss.kr/link?id=A104378852

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      이 논문에서는 대구 두 개 동의 시간별 오존농도를 예측하는 모형으로 회귀, 자기회귀누적이동평균, 자기회귀누적이동평균 오차를 가지는 회귀 같은 선형모형들을 고려하였다. 평균제곱오차제곱근에 근거하여 보았을 때 한 개 동에서는 자기회귀누적이동평균 모형이 최적의 모형으로 선택되었고, 다른 동에서는 자기회귀누적이동평균 오차를 가지는 회귀 모형이 최적 모형으로 선택되었다. 이 최적의 모형으로부터 나온 잔차들의 변동석 분석을 수행하였는데 이를 통해 120 ppb를 넘는 오존 주의보 날짜를 예측하였다. 2000년에서 2003년까지의 훈련용 자료에 근거하여 보았을 때 잔차값의 경계값으로 35 ppb를 잡았을 때 오존주의보 날짜를 예측하는데 좋은 결과를 보였다. 하나의 동에서는 2004년의 오존주의보가 발령된 이틀 중 하루와 나머지 주의보가 발령되지 않은 364일을 모두 정확히 예측하였다. 다른 동에서는 2004년의 오존주의보가 발령된 하루와 주의보가 발령되지 않은 365일을 모두 정확히 예측하였다.
      번역하기

      이 논문에서는 대구 두 개 동의 시간별 오존농도를 예측하는 모형으로 회귀, 자기회귀누적이동평균, 자기회귀누적이동평균 오차를 가지는 회귀 같은 선형모형들을 고려하였다. 평균제곱오...

      이 논문에서는 대구 두 개 동의 시간별 오존농도를 예측하는 모형으로 회귀, 자기회귀누적이동평균, 자기회귀누적이동평균 오차를 가지는 회귀 같은 선형모형들을 고려하였다. 평균제곱오차제곱근에 근거하여 보았을 때 한 개 동에서는 자기회귀누적이동평균 모형이 최적의 모형으로 선택되었고, 다른 동에서는 자기회귀누적이동평균 오차를 가지는 회귀 모형이 최적 모형으로 선택되었다. 이 최적의 모형으로부터 나온 잔차들의 변동석 분석을 수행하였는데 이를 통해 120 ppb를 넘는 오존 주의보 날짜를 예측하였다. 2000년에서 2003년까지의 훈련용 자료에 근거하여 보았을 때 잔차값의 경계값으로 35 ppb를 잡았을 때 오존주의보 날짜를 예측하는데 좋은 결과를 보였다. 하나의 동에서는 2004년의 오존주의보가 발령된 이틀 중 하루와 나머지 주의보가 발령되지 않은 364일을 모두 정확히 예측하였다. 다른 동에서는 2004년의 오존주의보가 발령된 하루와 주의보가 발령되지 않은 365일을 모두 정확히 예측하였다.

      더보기

      참고문헌 (Reference)

      1 김용준, "현업 운영 가능한 서울지역의 일 최고 대기오염도 예보모델 개발 연구" 13 : 79-89, 1997

      2 김용국, "하계의 일최고 오존농도 예측을 위한 신경망 모델의 개발" 10 : 224-232, 1996

      3 김유근, "서울지역의 지표오존농도 예보를 위한 전이함수모델 개발" 15 : 779-789, 1999

      4 이기원, "서울시 대기 중 오존오염도의 연도별 변화와 그 영향인자 분석" 9 : 107-115, 1993

      5 최성우, "다중회귀분석을 통한 대구지역 오존농도 예측" 한국환경과학회 11 (11): 687-696, 2002

      6 허정숙, "다변량 통계분석을 이용한 서울시 고농도 오존의 예측에 관한 연구" 9 : 207-215, 1993

      7 박옥현, "간단한 대기확산 모델과 통계학적 방법을 병용한 도시 대기오염의 예측" 6 : 2001-2012, 1984

      8 Niu,X.-F, "Nonlinear additive models for environment time series, with application to ground-level ozone data analysis" 91 : 1310-1321, 1996

      9 Acuna, G, "Neural network model for maximum ozone concentration prediction. Lecture Notes in Computer Science" Springer 263-268, 1996

      10 Jorquera, H, "Forecasting ozone daily maximum levels at Santiago, Chile" 32 : 3415-3424, 1998

      1 김용준, "현업 운영 가능한 서울지역의 일 최고 대기오염도 예보모델 개발 연구" 13 : 79-89, 1997

      2 김용국, "하계의 일최고 오존농도 예측을 위한 신경망 모델의 개발" 10 : 224-232, 1996

      3 김유근, "서울지역의 지표오존농도 예보를 위한 전이함수모델 개발" 15 : 779-789, 1999

      4 이기원, "서울시 대기 중 오존오염도의 연도별 변화와 그 영향인자 분석" 9 : 107-115, 1993

      5 최성우, "다중회귀분석을 통한 대구지역 오존농도 예측" 한국환경과학회 11 (11): 687-696, 2002

      6 허정숙, "다변량 통계분석을 이용한 서울시 고농도 오존의 예측에 관한 연구" 9 : 207-215, 1993

      7 박옥현, "간단한 대기확산 모델과 통계학적 방법을 병용한 도시 대기오염의 예측" 6 : 2001-2012, 1984

      8 Niu,X.-F, "Nonlinear additive models for environment time series, with application to ground-level ozone data analysis" 91 : 1310-1321, 1996

      9 Acuna, G, "Neural network model for maximum ozone concentration prediction. Lecture Notes in Computer Science" Springer 263-268, 1996

      10 Jorquera, H, "Forecasting ozone daily maximum levels at Santiago, Chile" 32 : 3415-3424, 1998

      11 Robeson, S. M, "Evaluation and comparison of statistical forecast models for daily maximum ozone concentrations" 24B : 303-312, 1990

      12 Hubbard, M. C, "Deveolopment of a regression model to forecast ground-level ozone concentration in Louiville, KY, U.S.A" 32 : 2637-2647, 1998

      13 Hyndman, R. J, "Another look at measures of forecast accuracy" 22 : 679-688, 2006

      14 이훈자, "Analysis of Time Series Models for Ozone Concentrations at the Uijeongbu City in Korea" 한국데이터정보과학회 19 (19): 1153-1164, 2008

      15 김현일, "An Optimal Hybrid Model for Predicting Hourly Ozone Concentration Level" 한국데이터정보과학회 19 (19): 209-217, 2008

      16 Yi, J, "A neural network model forecasting for prediction of daily maximum ozone concentration in an industrialised urban area" 92 : 349-357, 1996

      더보기

      동일학술지(권/호) 다른 논문

      동일학술지 더보기

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2022 평가예정 계속평가 신청대상 (등재유지)
      2017-01-01 평가 우수등재학술지 선정 (계속평가)
      2013-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2010-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2008-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2005-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      2004-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2003-01-01 평가 등재후보학술지 유지 (등재후보2차) KCI등재후보
      2002-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2001-01-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 1.18 1.18 1.07
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      1.01 0.91 0.911 0.35
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼