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
- 학위논문
- 저자정보
- 지도교수
- 김용혁
- 발행연도
- 2017
- 저작권
- 광운대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
대기경계층 고도는 확산모델과 대기질 모델의 핵심변수 중 하나로 사람과 생태계에 해를 끼칠 수 있는 대기 중 오염물질의 농도와 관련성이 높다. 대기경계층 고도를 결정하기 위한 방법에는 프로파일 관측 자료를 이용한 방법이 있으며, 그 중에서도 관측 성능이 좋은 라이다식 운고계를 이용한 방법이 최근에 많이 사용되고 있다. 운고계에서는 대기경계층 고도를 추정하는 방법으로 에어로졸의 연직분포를 이용하는 경도법을 사용한다. 경도법은 매우 간단하지만 대기경계층 고도를 추정할 때 여러 잡음으로 인해 고도를 잘못 추정하는 경우가 발생한다. 따라서 잡음 발생에도 강건한 대기경계층 고도를 측정할 수 있는 알고리즘 개발이 필요하다.
본 논문에서는 기계학습을 이용하여 잡음 발생에도 강건한 대기경계층 고도 측정 방법을 제안한다. 제안한 방법은 잡음소거 단계와 대기경계층 고도 산출 단계로 구성되어 있으며, 잡음제거 오토인코더(Denoising autoencoder)를 이용하여 비지도 학습으로 운고계에서 관측된 후방산란자료의 잡음을 제거하고 인공신경망 학습을 통해 대기경계층 고도를 산출한다. 검증을 위해 보성지역에 설치된 라이더식 운고계 CL51에서 관측된 2015 년 1 월부터 2016 년 5 월까지 후방산란자료 수집하였으며, 2015 년 1 월의 15 일간 자료를 인공신경망의 학습자료로 사용하고 나머지 기간에 대하여 대기경계층 고도를 예측하여 경도법의 결과와 비교하였다. 정답값으로는 운고계 CL51의 대기경계층 고도 산출 프로그램 BL-view의 결과를 사용하였다. 제안한 방법은 BL-view와의 오차 평균이 731.08 m로 경도법의 오차 평균 1955.01 m보다 2배 이상 좋은 성능을 보였다.
본 논문에서는 기계학습을 이용하여 잡음 발생에도 강건한 대기경계층 고도 측정 방법을 제안한다. 제안한 방법은 잡음소거 단계와 대기경계층 고도 산출 단계로 구성되어 있으며, 잡음제거 오토인코더(Denoising autoencoder)를 이용하여 비지도 학습으로 운고계에서 관측된 후방산란자료의 잡음을 제거하고 인공신경망 학습을 통해 대기경계층 고도를 산출한다. 검증을 위해 보성지역에 설치된 라이더식 운고계 CL51에서 관측된 2015 년 1 월부터 2016 년 5 월까지 후방산란자료 수집하였으며, 2015 년 1 월의 15 일간 자료를 인공신경망의 학습자료로 사용하고 나머지 기간에 대하여 대기경계층 고도를 예측하여 경도법의 결과와 비교하였다. 정답값으로는 운고계 CL51의 대기경계층 고도 산출 프로그램 BL-view의 결과를 사용하였다. 제안한 방법은 BL-view와의 오차 평균이 731.08 m로 경도법의 오차 평균 1955.01 m보다 2배 이상 좋은 성능을 보였다.
목차
제 1장 서론 11.1 연구 배경 11.2 연구 동향 21.3 연구 목적 41.4 연구 방법 4제 2장 기계학습 62.1 잡음제거 오토인코더 62.2 인공신경망 82.3 서포트 벡터 머신 10제 3장 기계학습을 이용한 대기경계층 고도 산출 123.1 라이더식 운고계(CL51) 후방산란 자료 123.2 잡음소거 133.2.1 선형 보간법 적용 143.2.2 잡음제거 오토인코더 적용 143.3 대기경계층 고도 산출 183.3.1 학습데이터 생성 183.3.2 기계학습 적용 223.3.3 동적계획법을 이용한 고도 산출 243.3.4 표준편차 검사와 단계검사를 통한 필터링 25제 4장 실험 결과 294.1 검증 방법 294.2 실험 결과 30제 5장 결론 33
최근 본 자료
댓글(0)
0