지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.12
- 수록면
- 551 - 559 (9page)
- DOI
- 10.7848/ksgpc.2024.42.6.551
이용수
초록· 키워드
오류제보하기
본 연구는 다중 고도각 기반 합성 강우량(HSR) 데이터를 활용해 강원도 지역을 대상으로 딥러닝 기반 단기 강수 예측 모델을 개발하고, 가중 평균 앙상블 기법을 적용해 강수 예측 성능을 개선하고자 하였다. 최근 기후 변화로 극한 강수 사건의 빈도와 강도가 증가함에 따라, 정확하고 신뢰성 높은 단기 강수 예측의 필요성이 커지고 있다. 이를 위해 U-Net과 Attention 메커니즘을 적용한 다양한 모델(SE U-Net, Attention U-Net, Dual Attention U-Net)을 학습하고, 각 모델의 예측 결과를 가중 평균 앙상블로 결합하였다. Attention 메커니즘은 중요한 정보를 포착하고 불필요한 신호를 억제하여 강수의 위치와 강도를 보다 정밀하게 예측하는 데 기여하지만, 낮은 강수 강도에서는 과적합으로 인해 오탐률(FAR)이 증가하는 현상이 나타났다. 이를 보완하기 위해 앙상블 기법을 적용하여 과적합을 줄이고 예측의 신뢰성을 높이고자 하였다. 실험 결과, 30mm/h 이상의 극한 강수를 제외한 다양한 강수 조건에서 단일 모델에 비해 모든 성능 지표에서 일관된 성능 향상이 나타났으며, 앙상블 기법이 Attention 기반 모델의 장점을 유지하면서도 과적합 문제를 줄여 예측의 신뢰성과 정확도를 높이는 데 효과적임을 확인하였다. 본 연구는 Attention 메커니즘과 앙상블 기법의 결합이 강수 예측 성능을 효과적으로 향상시킬 수 있음을 보여주며, 향후 다양한 기상 데이터와 앙상블 기법의 확장을 통해 더 일반화된 예측 모델 개발의 필요성을 제안한다.
목차
Abstract
초록
1. 서론
2. 사용 데이터
3. 연구 방법론
4. 연구 결과
5. 결과 분석
6. 결론
References
참고문헌 (31)
참고문헌 신청
Agrawal, S., Barrington, L., Bromberg, C., Burge, J., Gazen, C., and Hickey, J. (2019), Machine learning for precipitation nowcasting from radar images. arXiv preprint arXiv:1912.12132. https://doi.org/10.48550/arXiv.1912.12132
Amini, A., Dolatshahi, M., and Kerachian, R. (2022), Adaptive precipitation nowcasting using deep learning and ensemble modeling. Journal of Hydrology, Vol. 612, 128197. https://doi.org/10.1016/j.jhydrol.2022.128197
Ayzel, G., Scheffer, T., and Heistermann, M. (2020), RainNet v1. 0: a convolutional neural network for radar-based precipitation nowcasting. Geoscientific Model Development, Vol. 13, No. 6, pp. 2631-2644. https://doi.org/10.5194/gmd-13-2631-2020
Chen, L., Cao, Y., Ma, L., and Zhang, J. (2020), A deep learning‐based methodology for precipitation nowcasting with radar. Earth and Space Science, Vol. 7, No. 2, e2019EA000812. https://doi.org/10.1029/2019EA000812
Choi, Y., Cha, K., Back, M., Choi, H., and Jeon, T. (2021a). RAIN-F+: The Data-Driven Precipitation Prediction Model for Integrated Weather Observations. Remote Sensing, Vol. 13, No. 18, pp. 1-15. https://doi.org/10.3390/rs13183627
Amini, A., Dolatshahi, M., and Kerachian, R. (2022), Adaptive precipitation nowcasting using deep learning and ensemble modeling. Journal of Hydrology, Vol. 612, 128197. https://doi.org/10.1016/j.jhydrol.2022.128197
Ayzel, G., Scheffer, T., and Heistermann, M. (2020), RainNet v1. 0: a convolutional neural network for radar-based precipitation nowcasting. Geoscientific Model Development, Vol. 13, No. 6, pp. 2631-2644. https://doi.org/10.5194/gmd-13-2631-2020
Chen, L., Cao, Y., Ma, L., and Zhang, J. (2020), A deep learning‐based methodology for precipitation nowcasting with radar. Earth and Space Science, Vol. 7, No. 2, e2019EA000812. https://doi.org/10.1029/2019EA000812
Choi, Y., Cha, K., Back, M., Choi, H., and Jeon, T. (2021a). RAIN-F+: The Data-Driven Precipitation Prediction Model for Integrated Weather Observations. Remote Sensing, Vol. 13, No. 18, pp. 1-15. https://doi.org/10.3390/rs13183627
이 논문과 함께 이용한 논문
KBO 리그 관중 수 예측을 위한 앙상블 학습 모델 비교 연구
허태성
,
오민석
한국컴퓨터정보학회논문지
2025
.04
청소년의 희망은 성인기 삶의 디딤돌이 되는가? - 청소년기 희망의 성인기 영향과 빈곤 경험 여부에 따른 차이 비교 -
노법래
,
문영민
한국사회복지학
2025
.02
XGBoost 기반 CQ 예측 알고리즘 개발
백승엽
,
한현빈
,
서윤수
외 4명
한국정보통신학회논문지
2025
.02
XGBoost와 SHAP을 이용한 RNA-seq 기반 유방암 서브타입 예측 및 주요 유전자 분석
신지영
,
오민식
한국정보과학회 학술발표논문집
2024
.12
앙상블 기법을 활용한 향수 추천 알고리즘에 관한 연구
박원규
,
윤지원
,
김민호
외 1명
Proceedings of KIIT Conference
2024
.11
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092194430