• 한국정보통신학회논문지
• /
• 제17권7호
• /
• pp.1551-1557
• /
• 2013

수자원 관리를 위하여 활용되고 있는 레이다 센서는 도플러 주파수를 추정함으로서 표면 유속을 측정한다. 따라서 도플러 주파수 추정치에서의 높은 신뢰성 및 정확도가 요구된다. 그러나 유속 관련 도플러 스펙트럼은 측정 환경 및 기상 상태에 따라 매우 다양한 형태를 나타낼 수 있다. 따라서 현재 레이다 센서에서 사용되는 기존의 유속정보 추출 알고리즘의 정확도 및 신뢰성에 심각한 문제가 발생할 수 있다. 따라서 본 논문에서는 기존의 방법을 개선할 수 있는 도플러 스펙트럼 첨두치 주파수 추정에 의한 유속 정보 추출 방법을 제안하였다. 제안된 방법은 기존 방법에 비하여 더 정확한 유속의 측정이 가능함을 보여준다.

• Korean Journal of Geomatics
• /
• 제3권1호
• /
• pp.33-41
• /
• 2003

Every year, several typhoons hit the Korean peninsula and cause severe damage. For the prevention and accurate estimation of these damages, real time or almost real time flood information is essential. Because of weather conditions, images taken by optic sensors or LIDAR are sometimes not appropriate for an accurate estimation of water areas during typhoon. In this case SAR (Synthetic Aperture Radar) images which are independent of weather condition can be useful for the estimation of flood areas. To get detailed information about floods from satellite imagery, accurate classification of water areas is the most important step. A commonly- and widely-used classification methods is the ML(Maximum Likelihood) method which assumes that the distribution of brightness values of the images follows a Gaussian distribution. The distribution of brightness values of the SAR image, however, usually does not follow a Gaussian distribution. For this reason, in this study the ANN (Artificial Neural Networks) method independent of the statistical characteristics of images is applied to the SAR imagery. RADARS A TSAR images are primarily used for extraction of water areas, and DEM (Digital Elevation Model) is used as supplementary data to evaluate the ground undulation effect. Water areas are also extracted from KOMPSAT image achieved by optic sensors for comparison purpose. Both ANN and ML methods are applied to flat and mountainous areas to extract water areas. The estimated areas from satellite imagery are compared with those of manually extracted results. As a result, the ANN classifier performs better than the ML method when only the SAR image was used as input data, except for mountainous areas. When DEM was used as supplementary data for classification of SAR images, there was a 5.64% accuracy improvement for mountainous area, and a similar result of 0.24% accuracy improvement for flat areas using artificial neural networks.

• 대한지리학회지
• /
• 제42권1호
• /
• pp.1-14
• /
• 2007

본 연구에서는 우리나라 육상 국지 예보 구역을 대상으로 예보 정확도를 분석하였다. 연구 기간 동안 평가 요소별 정확도는 강수 유무가 가장 낮았고 하늘 상태가 가장 높았다. 지역적으로 예보 정확도는 강원도에서 가장 낮았으며 경상남도와 경상북도에서 높았다. 계절별 예보 정확도의 만점 빈도는 겨울에 가장 높았고 여름에 가장 낮았다. 예보 정확도가 낮은 날의 기압 배치형을 분석했을 때 여름철에는 정체전선형 기압 배치에서 강수 유무의 예보 정확도가 낮았다. 가을과 겨울에는 한대 고기압 확장형 기압 배치에서 기온 예보의 정확도가 크게 낮아지는 경우가 많았다. 봄과 가을의 이동성 고기압형 기압 배치에서는 날씨가 급격하게 변하여 예보 정확도가 낮았다. 예보 정확도가 가장 낮은 지역인 영동 지역의 상층 850hPa 고도의 풍향 자료와 예보 정확도를 비교하여 분석한 결과, 최저 및 최고 기온은 서풍일 때, 강수 유무의 경우 동풍일 때 예보 정확도가 낮았다.

• 한국멀티미디어학회논문지
• /
• 제22권11호
• /
• pp.1300-1312
• /
• 2019

BSTRACT In this paper, PM10 forecast model using DNN(Deep Neural Network) is developed for Seoul region. The previous Julian forecast model has been developed using weather and air quality data of Seoul region only. This model gives excellent results for accuracy and false alarm rates, but poor result for POD(Probability of Detection). To solve this problem, an WA(Wide Area) forecasting model that uses Chinese data is developed. The data is highly correlated with the emergence of high concentrations of PM10 in Korea. As a result, the WA model shows better accuracy, and POD improving of 3%(D+0), 21%(D+1), and 36%(D+2) for each forecast period compared with the Julian model.

• 한국지리정보학회지
• /
• 제21권3호
• /
• pp.189-204
• /
• 2018

본 연구는 북한 및 비무장지대 등 접근불능지역에 대한 기상에 의한 산불발생예측 알고리즘을 개발하고, 실제 현장과 현업에서 활용할 수 있는 실시간 산불위험예보 체계를 개발하는데 있다. 산불기상위험지수 산출 모형 개발을 위해 자료의 취득과 검증을 위한 현장조사가 불가능하다는 연구적 한계가 존재하므로, 이를 해결하기 위해 MODIS 위성자료를 활용하여 접근이 불가능한 지역의 산불발화지점(fire spot)을 과학적 근거를 가지고 추정하였다. 추출된 산불발화지점을 대상으로 기상청에서 생산된 과거 기상 재분석자료(5㎞ 해상도)를 활용하여 산불발화지점에 대한 기상특성을 추출하여 데이터베이스화 하였다. 접근불능지역의 산불발화지점에서 추출된 기상요소들은 산불발생과 기상요인들과의 통계적 상관성과 산불발생 유무(산불발생 1, 산불 미발생 0)를 추정할 수 있는 로지스틱 회귀모형을 활용하여 실시간 기상변화에 의한 산불기상위험지수(Fire Weather Index, FWI)를 개발하였다. FWI 모형의 예측정확도는 66.6%로 나타나 모형의 적합도는 비교적 높은 것으로 나타났다. 이 연구결과는 남 북한의 산불 방지를 위한 정책 입안자들의 의사결정에 유용하게 활용될 것으로 기대한다.

• 한국농림기상학회지
• /
• 제14권2호
• /
• pp.53-62
• /
• 2012

고해상도 기상자료 제공과 농림 분야에서의 요구를 충족시키기 위하여 LAPS를 이용하여 경기도 지역을 100m 해상도로 분석하였다. 구축된 시스템은 수치예보과에서 생산되는 6시간 간격 예측자료를 초기추정치로 사용하고, 각 관측자료를 동화하여 지표 온도와 습도 바람을 분석한다. 기존 분석시스템의 기상관측자료의 수집 방식을 개선하여 자료 수집에 소요되는 시간을 성공적으로 단축시킴으로써 약 20분 내에 기온, 상대습도, 풍향, 풍속에 대한 고해상도 분석결과 제공이 가능하게 되었다. 그러나 앞으로 LAPS 분석결과를 이용하여 관측이 가능한 지역 이외에 어느 지역에서든 정확한 농업기상정보를 산출할 수 있게 하려면 다양한 기상자료의 활용과 지표이용도의 개선, 관측지점의 영향반경을 최적화 시키는 과정들이 추가로 연구되어야 할 것이다. 현재 구축된 시스템의 분석결과 정확도는 떨어지지만 LAPS의 내부 알고리즘에 대한 미세한 조정으로 향상이 가능하므로 농업기상요소 생성을 위한 최적화 작업들을 수행한다면 정확도 향상을 꾀할 수 있을 것이다. 또한 다양한 기상요소에 대한 분석이 가능하기 때문에 특별한 기상요소들을 필요로 하는 농림 분야의 요구를 충족 시킬 수 있도록 분석요소의 확장이 가능 할 것이다.

• 대기
• /
• 제27권4호
• /
• pp.467-481
• /
• 2017

A correction method of reflectivity in partial beam blockage (PBB) area is suggested, which is based on the combination of digital terrain information and self-consistency principle between polarimetric observation. First, the reflectivity was corrected by adding the radar energy loss estimated from beam blockage simulation using digital elevation model (DEM) and beam propagation geometry in standard atmosphere. The additional energy loss by unexpected obstacles and non-standard beam propagation was estimated by using the coefficient between accumulated reflectivity ($Z_H$) and differences of differential phase shift (${\Phi}_{DP}$) along radial direction. The proposed method was applied to operational S-band dual-polarization radar at Jindo and its performance was compared with those of simulation method and self-consistency method for six rainfall cases. When the accumulated reflectivity and increment of ${\Phi}_{DP}$ along radial direction are too small, the self-consistency method has failed to correct the reflectivity while the combined method has corrected the reflectivity bias reasonably. The correction based on beam simulation showed the underestimation. For evaluation of rainfall estimation, the FBs (FRMSEs) of simulation method and self-consistency principle were -0.32 (0.59) and -0.30 (0.57), respectively. The proposed method showed the lowest FB (-0.24) and FRMSE (0.50). The FB and FMSE were improved by about 18% and by 19% in comparison to those before correction (-0.42 and 0.70). We can conclude that the proposed method can improve the accuracy of rainfall estimation in PBB area.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.216-238
• /
• 2023

In intelligent transportation systems, traffic management is an important task. The accurate forecasting of traffic characteristics like flow, congestion, and density is still active research because of the non-linear nature and uncertainty of the spatiotemporal data. Inclement weather, such as rain and snow, and other special events such as holidays, accidents, and road closures have a significant impact on driving and the average speed of vehicles on the road, which lowers traffic capacity and causes congestion in a widespread manner. This work designs a model for multivariate short-term traffic congestion prediction using SLSTM_AE-BiLSTM. The proposed design consists of a Bidirectional Long Short Term Memory(BiLSTM) network to predict traffic flow value and a Convolutional Neural network (CNN) model for detecting the congestion status. This model uses spatial static temporal dynamic data. The stacked Long Short Term Memory Autoencoder (SLSTM AE) is used to encode the weather features into a reduced and more informative feature space. BiLSTM model is used to capture the features from the past and present traffic data simultaneously and also to identify the long-term dependencies. It uses the traffic data and encoded weather data to perform the traffic flow prediction. The CNN model is used to predict the recurring congestion status based on the predicted traffic flow value at a particular urban traffic network. In this work, a publicly available Caltrans PEMS dataset with traffic parameters is used. The proposed model generates the congestion prediction with an accuracy rate of 92.74% which is slightly better when compared with other deep learning models for congestion prediction.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.8-14
• /
• 2020

미세먼지의 인체 영향이 밝혀지며 예보정확도 개선에 대한 요구가 증가하고 있다. 이에 기계 학습 기법을 도입하여 예측 정확성을 높이려는 노력이 수행되고 있으나, 저농도 발생 비율이 매우 큰 미세먼지 데이터로 인해 전체 예측 성능이 떨어지는 문제가 있다. 본 논문에서는 PM10 미세먼지 예보 정확도 향상을 위해 농도별 분리 예측 모델을 제안한다. 이를 위해 천안 지역의 기상 및 대기오염 인자를 활용하여 저, 고농도별 예측 모델을 설계하고 전 영역 예측 모델과의 성능 비교를 수행하였다. RMSE, MAPE, 상관계수 및 AQI 정확도를 통한 성능 비교 결과, 전체 기준에서 예측 성능이 향상됨을 확인하였으며, AQI 고농도 예측 성능의 경우 20.62%의 성능 향상이 나타났음을 확인하였다.

• 한국정보통신학회논문지
• /
• 제20권6호
• /
• pp.1063-1068
• /
• 2016

이상전파에코는 대기 관측을 위해서 사용되는 레이더 전파가 온도나 습도에 의해서 발생하는 이상굴절에 의해서 발생하는 신호로, 지상에 설치된 기상레이더에 자주 발생하는 비기상에코이다. 기상예보의 정확도를 높이기 위해서는 레이더 데이터의 정확한 분석이 필수적이기 때문에 이상전파에코의 제거에 대한 연구가 수행되어 오고 있다. 본 논문에서는 다양한 레이더 관측변수를 나이브 베이지안 분류기에 적용하여 이상전파에코를 식별하는 방법에 대한 연구를 수행하였다. 수집된 데이터가 클래스 불균형 문제를 내포하고 있는 점을 고려하여, SMOTE 기법을 이용하였다. 실제 이상전파에코 발생 사례를 통해, 제안한 방법이 성능을 표출하는 것을 확인하였다.