• 한국지능시스템학회논문지
• /
• 제24권4호
• /
• pp.360-365
• /
• 2014

기상 레이더, 인공위성, 라디오존데 등 날씨 예보를 수행하기 위해 많은 종류의 첨단 장비들이 사용되고 있다. 이들 중에서 지상에 설치된 기상 레이더는 넓은 탐지영역, 높은 시간 및 공간 분해능 등과 같은 많은 장점을 가지고 있기 때문에 기상예보 과정에서 필수적인 장비이다. 이러한 기상 레이더 데이터의 내부에는 기상현상 이외에도 여러 가지 외부 요인에 의해 발생하는 비기상현상이 관측되는데, 이는 기상 예보의 정확도를 감소시키는 원인이 된다. 본 논문에서는 기상 레이더 데이터를 이용한 연구를 통하여 비기상현상이 레이더에 관측되어 에코 형태로 나타난 것들 중에서 선 모양으로 발생하는 비기상에코를 제거하는 방법을 제안한다. 원시 레이더 데이터에서 선에코를 구분하여 그 특성을 추출한 후, 이들을 바탕으로 데이터 페어를 구성하여 나이브 베이지안 분류기를 학습시켰다. 그리고 학습된 나이브 베이지안 분류기를 선에코와 기상에 코가 혼재된 사례에 적용하였다. 실제 사례를 바탕으로 한 실험을 통해서 제안한 나이브 베이지안 분류기가 효과적으로 선에코를 식별할 수 있음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제24권6호
• /
• pp.665-670
• /
• 2014

SVM은 학습 데이터를 두 개의 집단으로 분리시키는 최적의 초평면을 찾는 이진 분류기로서 우수한 성능 때문에 다양한 분야에서 귀납 추론, 이진 분류, 예측 등을 목적으로 사용되는 알고리즘이다. 또한 대표적인 블랙박스 모델 중 하나이기 때문에 학습 후 생성되는 SVM의 해석에 대한 연구도 활발히 진행되고 있다. 본 논문에서는 SVM 알고리즘을 이용하여 기상 레이더의 데이터 내에 비교적 높은 빈도로 발생하여 기상 예보의 정확도를 감소시키는 비강수에코 중 하나인 선에코를 자동으로 탐지하는 방법에 대한 연구를 수행하였다. 학습 데이터로는 평균 반사도, 크기, 발생 형태, 중심 고도 등과 같은 특성을 활용하였는데, 이는 기상 레이더 데이터에 저장된 다양한 데이터 중 반사도 값을 선택한 후 클러스터링 기법을 통해 추출한 것이다. 이와 같이 학습된 SVM 분류기를 실제 사례를 바탕으로 하여 검증하였으며, Decision Tree 알고리즘을 적용하여 생성한 분류기의 해석을 수행하였다.