• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.89-90
• /
• 2016

이상전파에코는 대기 관측을 위해서 사용되는 레이더 전파가 온도나 습도에 의해서 발생하는 이상굴절 신호로, 지상에 설치된 기상레이더에 자주 발생하는 대표적인 비기상에코 중 하나이다. 기상예보의 정확도를 높이기 위해서는 레이더 데이터의 정확한 분석이 요구되기 때문에 전 세계적으로 이상전파에코의 식별 및 제거에 대한 연구가 수행되어 오고 있다. 본 논문에서는 레이더 관측변수인 반사도와 고도 정보와 나이브 베이지안 분류기를 이용하여 이상전파에코를 식별 및 제거하는 방법에 대한 연구를 수행하였다. 실제 이상전파에코 발생 사례를 통하여 구현한 나이브 베이지안 분류기를 검증한 결과, 우수한 정확도를 가지고 분류가 수행되는 것을 확인할 수 있었다.

• 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.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제16권1호
• /
• pp.27-35
• /
• 2016

Black-box classifiers, such as artificial neural network and support vector machine, are a popular classifier because of its remarkable performance. They are applied in various fields such as inductive inferences, classifications, or regressions. However, by its characteristics, they cannot provide appropriate explanations how the classification results are derived. Therefore, there are plenty of actively discussed researches about interpreting trained black-box classifiers. In this paper, we propose a method to make a fuzzy logic-based classifier using extracted rules from the artificial neural network and support vector machine in order to interpret internal structures. As an object of classification, an anomalous propagation echo is selected which occurs frequently in radar data and becomes the problem in a precipitation estimation process. After applying a clustering method, learning dataset is generated from clusters. Using the learning dataset, artificial neural network and support vector machine are implemented. After that, decision trees for each classifier are generated. And they are used to implement simplified fuzzy logic-based classifiers by rule extraction and input selection. Finally, we can verify and compare performances. With actual occurrence cased of the anomalous propagation echo, we can determine the inner structures of the black-box classifiers.

• 대기
• /
• 제24권1호
• /
• pp.77-87
• /
• 2014

The radar reflectivity is significantly affected by ground clutter, beam blockage, anomalous propagation (AP), birds, insects, chaff, etc. The quality of radar reflectivity is very important in quantitative precipitation estimation. Therefore, Weather Radar Center (WRC) of Korea Meteorological Administration (KMA) employed two quality control algorithms: 1) Open Radar Product Generator (ORPG) and 2) fuzzy quality control algorithm to improve quality of radar reflectivity. In this study, an occurrence of AP echoes and the performance of both quality control algorithms are investigated. Consequently, AP echoes frequently occur during the spring and fall seasons. Moreover, while the ORPG QC algorithm has the merit of removing non-precipitation echoes, such as AP echoes, it also removes weak rain echoes and snow echoes. In contrast, the fuzzy QC algorithm has the advantage of preserving snow echoes and weak rain echoes, but it eliminates the partial area of the contaminated echo, including the AP echoes.

• 한국지구과학회지
• /
• 제40권1호
• /
• pp.9-23
• /
• 2019

레이더 빔의 과대굴절현상은 수증기압과 기온의 특정한 연직적 대기 조건 하에 주로 발생한다. 과대굴절에 의해 발생하는 이상전파에코는 레이더 영상에서 강수에코로 자주 오인되기 때문에 자료품질 과정에서 미리 제거될 필요가 있다. 이를 위하여 X밴드 이중편파레이더 관측에서 비기상에코(과대굴절에코와 청천대기에코)와 기상에코의 영역에 있는 이중편파변수(차등반사도, 교차상관계수, 차등위상차) 자료들만을 수집하여, 반사도와 이중편파변수들과의 관계성 및 그룹함수에 대해서 두 에코 유형을 비교하였다. 이들 이중편파변수에 텍스쳐 기법을 적용함으로써 비기상에코를 최대한 제거하는 X-밴드 이중편파레이더용 알고리즘을 개발하였다. 전반적으로 이 알고리즘은 이상전파에코를 비교적 잘 탐지하여 제거하였으며, 또한 전라남도 진도에 위치한 S밴드 단일편파레이더 영상 자료와 비교하여 정성적으로 평가되었다.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.536-541
• /
• 2014

기상레이더를 통해 취득된 데이터에는 지형에코, 파랑에코, 이상에코, 그리고 청천에코등이 존재한다. 각 에코는 여러 종류의 비강수에코이고, 이 비강수에코를 제거하기 위해 각 에코들의 특성을 분석하였다. 기상레이더 데이터는 매우 방대한 양이기 때문에 전처리 절차를 통해 분석된다. 본 논문에서는 클러스터링 기반 방사형 기저함수 신경회로망(RBFNNs : Radial Basis Function Neural Networks)과 에코 판단 모듈을 이용하여 기상레이더 데이터에서 강수에코와 비강수에코들을 구별하기 위한 에코 패턴분류기를 설계하였다. HCM(Hard C-Mean) 클러스터링 기반 RBFNNs 와 FCM(Fuzzy C-Mean) 클러스터링 기반 RBFNNs를 이용하여 출력성능은 비교 및 분석된다.

• 한국지능시스템학회논문지
• /
• 제25권3호
• /
• pp.217-222
• /
• 2015

클러스터링 기법은 탐색적 자료 분석 기법으로 알려진 중요한 데이터마이닝 기법 중 하나로서 패턴 인식, 원격 탐사 등의 분야에 사용되고 있다. 이 방법을 이용하여 데이터의 기본 구조를 추출하고, 개체의 군집화 혹은 군집의 계층을 조직한다. 기상 레이더는 대기 중에 존재하는 물체에서 반사되는 신호를 이용하여 관측을 수행하고, 해당 좌표에 데이터를 저장하는 원리로 동작하는데, 이를 분석하기 위해서는 흩어져있는 레이더 데이터를 유사도를 바탕으로 강수에코와 비강수에코를 구분하여 군집화 할 필요가 있다. 따라서 본 논문에서는 클러스터링 기법을 레이더 데이터에 적용하는 방법에 대한 연구를 수행하였다. 또한, 강수에코와 비강수에코가 인접해 있을 경우 발생할 수 있는 문제를 해결하기 위하여 퍼지 로직과 계층적 클러스터링 기법을 접목하여 유사도를 판별하는 방법에 대한 연구를 수행하였다. 실제 사례를 바탕으로 본 논문에서 제안한 클러스터링 기법을 적용한 결과, 강수에코와 비강수에코가 인접해 있는 경우 기존 기법보다 좋은 결과를 도출하는 것을 확인할 수 있었다.