최적 pRBF 신경회로망 기반 기상 시스템 설계 : 강수 예측 및 레이더 자료 해석 기법을 중심으로 :Design of Meteorological System Realized with the Aid of Optimized pRBF Neural Networks : Focused on Precipitation Forecast and Radar Data Analysis Techniques.

김현명

추천

검색

자료유형: 학위논문

저자정보: 김현명 (수원대학교, 수원대학교 대학원)

지도교수: 오성권

발행연도: 2014

저작권: 수원대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (8)

2015

예보인자의 효과적 추출을 위한 다항식 방사형 기저 함수 신경회로망 기반 초단기 강수예측 분류기의 설계

김현명 , 오성권 , 김현기 전기학회논문지 2015.01 학술저널

2014

최적 pRBF 신경회로망 기반 기상 시스템 설계 : 강수 예측 및 레이더 자료 해석 기법을 중심으로

김현명 전기공학과 2014.01 학위논문

2013

강수/비강수 에코의 빈도수 특성을 이용한 다항식 RBFNNs 기반 비강수 에코 제거 알고리즘 설계

김현명 , 오성권 , 이용희 외 1명 정보 및 제어 논문집 2013.10 학술대회자료

강수/비강수 에코의 빈도수 특성을 이용한 다항식 RBFNNs 기반 비강수 에코 제거 알고리즘 설계

김현명 , 오성권 , 이용희 외 1명 대한전기학회 학술대회 논문집 2013.10 학술대회자료

판단기준 모듈을 적용한 다항식 RBFNNs 기반 비강수 에코 제거 분류기 설계

김현명 , 오성권 , 조요한 외 1명 한국지능시스템학회 학술발표 논문집 2013.10 학술대회자료

예보인자의 효과적 추출을 위한 다항식 방사형 기저 함수 신경회로망 기반 초단기 강수예측 모델 및 분류기의 설계

김현명 , 오성권 , 이용희 대한전기학회 학술대회 논문집 2013.07 학술대회자료

2012

선형 판별 분석법 기반 방사형 기저 함수 신경회로망 분류기의 최적화 방법론 연구

김현명 , 김욱동 , 오성권 대한전기학회 학술대회 논문집 2012.07 학술대회자료

다항식 방사형 기저함수 신경회로망을 사용한 활성오니공정의 모델링 및 시뮬레이터 개발

김현명 , 이승주 , 오성권 정보 및 제어 논문집 2012.04 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구에서는 강수 예측 및 레이더 자료 해석 기법을 중심으로 최적화된 RBFNNs 기반 기상 시스템을 구현한다. 기상 시스템은 강수 예측 시스템 및 레이더 에코 분류 시스템으로 구분된다. 강수 예측 시스템은 AWS(Automatic Weather Station)와 KLAPS(Korea Local Analysis and Prediction System)의 기상데이터를 이용하여 다항식 기저함수 신경회로망 기반 초단기 호우 예측 모델 및 분류기의 개발에 중점을 둔다. 기존의 호우예측 시스템들의 예측능력은 일반적으로 다양한 기상데이터의 가공 기법의 영향을 받는다. 기존 시스템의 결점을 개선하기 위하여, 기상 예측 방법은 기상데이터에 관한 몇 가지 전처리 기법의 도움으로 개발된다. 제안된 시스템은, 향후 t(t=1,2) 시간 후 6시간 동안 누적강수량에 대해 예측하고 호우특보를 발령하기 위한 정보를 제공한다.
두 번째로 강수 예측을 위해 이용되는 기상 레이더 데이터를 사용하여 전처리 기법 및 퍼지-신경회로망 기반의 레이더 에코 분류 시스템이 개발된다. 레이더 에코 분류 시스템의 설계 절차는 다음과 같이 주어진다. 우선 복잡한 레이더 자료의 구조 해석과 더불어 강수/비강수에코의 특성 분석 수행에 의해 상세히 설계된다. 그리고 레이더 자료의 추출 및 소속변수의 연산을 통해 제안된 분류기의 입력변수가 결정된다. 이 후 RBFNNs 분류기에 논리적 에코 판단기준 모듈을 결합하여 보다 뛰어난 성능을 얻을 수 있도록 강수/비강수 에코 분류기가 설계된다. 강수 예측과 에코 분류로 구성된 기상 시스템을 구축하기 위하여 다항식 기반 방사형 기저함수 신경회로망(Polynomial-based Radial Basis Function Neural Networks; RBFNNs)을 설계한다. 제안된 RBFNNs의 네트워크 구조는 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 나누어진다. 조건부의 입력공간은 Fuzzy C-means(FCM) 클러스터링에 의하여 분할되며, 결론부는 다항식 함수로 표현된다. 다항식의 연결가중치 계수는 최소자승법(Least Square Estimation; LSE)과 가중최소자승법(Weighted Least Square Estimation; WLSE)에 의하여 추정된다. 추론부의 최종출력은 퍼지 추론식을 통하여 얻는다. 또한 입력변수의 수, 다항식의 형태, 규칙의 개수, 퍼지화 계수와 같은 제안된 분류기의 중요 파라미터는 최적화 기법인 차분진화 알고리즘(Differential Evolution; DE)과 입자 군집 최적화(Particle Swarm Optimization; PSO)를 이용하여 최적화한다. 제안된 강수예측 시스템의 성능평가를 위해 KLAPS 기상데이터를 사용하였고, 제안된 에코 분류 시스템의 성능은 오성산 레이더 데이터를 사용하여 평가된고 정량화 된다.

In this study, meteorological system is realized with the aid of optimized RBFNNs focused on precipitation forecast & radar data analysis techniques. The meteorological system is identified with precipitation forecasting system and radar echo classifier system. Precipitation forecasting system is focused on the development of the very short-term precipitation forecasting model as well as classifier based on polynomial radial basis function neural networks by using AWS(Automatic Weather Station) and KLAPS(Korea Local Analysis and Prediction System) meteorological data. The prediction ability of the existing precipitation forecasting systems is usually affected by the diverse processing techniques related to meteorological data. In order to improve these drawbacks of conventional system, the precipitation forecast methods are developed with the aid of some types of preprocessing techniques concerning meteorological data. By using the cumulative precipitation amount accumulated for six hours, the proposed system forecasts in advance before one or two hours and offers the related information to issue a heavy rain warning.
Secondly the radar echo classifier system is developed based on preprocessing techniques and fuzzy-neural networks by using weather radar data being exploited for weather forecasting. The design procedure of radar echo classifier system is given as follows. First, the characteristic analysis of precipitation/non-precipitation echo as well as structural analysis of complicated radar data is carried out for detailed design. And then input variables for the proposed classifier are determined through the extraction of radar data as well as the operation of membership variable. RBFNNs classifier combined with logical echo judgement modules are designed to obtain superb performance as precipitation/non-precipitation echo classifier. The polynomial-based radial basis function neural networks(RBFNNs) is designed to realize meteorological system which consists of precipitation prediction and echo classification. The structure of the proposed RBFNNs consists of three modules such as condition, conclusion, and inference phase. The input space of the condition phase is divided by using Fuzzy C-means(FCM) and the conclusion phase is represented as four types of polynomial functions. The coefficients of connection weights are estimated by weighted least square estimation(WLSE) for modeling as well as least square estimation(LSE) for classifier. The final output of the inference phase is obtained through fuzzy inference method. The essential parameters of the proposed model such as the number of input variable, polynomial order, the number of rules, and fuzzification coefficient are optimized by means of Differential Evolution(DE) as well as Particle Swarm Optimization(PSO). The performance of the proposed precipitation forecasting system is evaluated by using KLAPS meteorological data, and also the performance of the proposed echo classifier system is evaluated and quantified by using Oseongsan Radar data.

Ⅰ. 서 론 1
1. 연구 배경 및 목적 1
2. 연구 범위 및 구성 4
Ⅱ. 초단기 강수 예측 모델 및 분류기 설계 및 방법론 6
1. 기상데이터(AWS, KLAPS)의 구조 분석 6
2. 초단기 강수 예측을 위한 기상데이터 재구성 및 전처리 11 1) 추가 입력변수 생성 및 시계열 데이터 구성 방법 12 2) 호우주의보를 중심으로 한 데이터 샘플링 방법 14
3. 초단기 강수 예측 모델 및 분류기 시스템의 구조 16
Ⅲ. 강수/비강수 에코 분류기 설계 및 방법론 18
1. 기상레이더의 구조 분석 18
2. 에코 분류에 적합한 인자 선택 및 추가 소속변수 연구 21
3. RBFNNs를 보조하는 논리적 에코판단 모듈 개발 25
4. 강수/비강수 에코 분류기 시스템의 구조 28
Ⅳ. 강수 예측 및 에코 분류를 위한 지능형 뉴로-퍼지
알고리즘 RBFNNs 모델 및 분류기 설계 30
1. 지능형 뉴로-퍼지 알고리즘 RBFNNs의 구조 30 1) 일반적인 RBFNNs의 조건부 33 2) FCM기반 RBFNNs의 조건부 34 3) RBFNNs의 결론부 37
4) RBFNNs의 추론부 38
2. RBFNNs 구조의 성능 평가 및 패턴 분류 판별 방법 39 1) 모델 성능 지수 39 2) 강수예측능력(ETS) 40 3) 패턴분류를 위한 판별함수의 생성 41
3. 진화론적 최적화 알고리즘을 이용한 RBFNNs의 최적화 43 1) 입자군집최적화(PSO) 알고리즘을 이용한 최적화 44 2) 차분진화(DE) 알고리즘을 이용한 최적화 46
Ⅴ. 초단기 호우 예측 및 강수/비강수 에코 분류기의
실험연구 및 결과고찰 50
1. 초단기 호우 예측 시뮬레이션 50 1) AWS, KLASP 기상데이터를 이용한 호우주의보 예측 실험 50
2. 강수/비강수 에코 분류 시뮬레이션 68
1) 에코 분류 시 에코판단 모듈의 유/무에 따른 비교 실험 69 2) 강수/비강수 에코 분류 실험 71
Ⅵ. 결론 및 향후 연구과제 78
참 고 문 헌 80
ABSTRACT 83

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (8)

초록· 키워드

목차

최근 본 자료

댓글(0)