메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제7권 제6호
발행연도
2005.1
수록면
1,999 - 2,007 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
본 논문은 호남지역 대설예보를 위한 세 범주 대설발생예측을 다등급 로지스틱 회귀모형을 이용한 신경회로망 모형 개발을 목적으로 하였다. 역학-통계 모형기법 중 MOS(model output statistic)를 적용하였으며, 한후기(11월∼3월) 호남지역 17개 지점에 대한 관측치(강설량)와 수치모델 RDAPS(regional data assimilation and prediction system) 예보자료를 사용하였다. 세 범주는 일 신적설량이 50mm미만, 50mm∼150mm, 150mm 이상으로 구성된다. 대설예보에 적용된 신경회로망 모형은 1개의 은닉층과 4개의 은닉노드를 가지며 세 범주에 속할 확률을 출력으로 하는 구조를 적용하였다. 훈련자료와 검증자료를 이용한 모형적합 결과 각각 93.65%와 91.82%의 예보적중률을 보이는 것으로 나타났다.
#호남지역 #대설예보 #신경회로망. #MOS #RDAPS #Honam area #heavy snow #MOS #RDAPS #neural networks.

목차

등록된 정보가 없습니다.

참고문헌 (13)

참고문헌 신청
Glahn / 1972 / The use of model output statistics Journal of Applied Meteorology : 1203 ~ 1211 google schola Kok,K.and S.Kruizinga / 1992 / Updating probabilistic MOS equations american meteorologist society : 62 ~ 65 google schola Lemcke / 1988 / three years of operational experience in the Netherlands : 1077 ~ 1090 google schola Ross / 1994 / Logistic regression using a Kalman filter within an updateable MOS forecasting system Proceedings of the 13th Conferences on Probability and Statistics in Atmo google schola Sohn K. T D. K / 2003 / The 3-hour-interval prediction of ground-level temperature in South Korea using Dynamic linear models Vol. 20 (, No. 4, ) : 575 ~ 582 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0