머신러닝과 인공 신경망의 연구가 활발히 진행되면서, 머신러닝을 생활서비스와 융합시켜 보다 진보된 결과를 도출하는 사례가 늘고 있으며, 이미지나 영상처리 등의 분류 문제에서 회귀분석 문제로 그 영역이 넓혀지면서 ...
머신러닝과 인공 신경망의 연구가 활발히 진행되면서, 머신러닝을 생활서비스와 융합시켜 보다 진보된 결과를 도출하는 사례가 늘고 있으며, 이미지나 영상처리 등의 분류 문제에서 회귀분석 문제로 그 영역이 넓혀지면서 시계열 자료 예측에 대한 연구도 활발히 이루어지고 있다. 기존 시계열 예측 기법인 ARIMA 모형이나 순환신경망 기법을 통해 예측되는 자료는 단기적인 시간 단위에는 높은 예측성을 보이나, 기울기 소실 문제 등으로 인하여 중장기 시간 단위로 변경되었을 때는 예측률이 떨어지는 문제가 발생하였다. 이를 해결하기 위한 방법으로 RNN 기법의 활성화함수를 변경하고 가중치를 단위행렬로 초기화하는 연구와 LSTM 기법의 내부 네트워크를 사용한 장기 학습 알고리즘 구현 등의 연구가 진행되었다. 본 연구에서는 지역별 기온 예측모델을 순환신경망의 LSTM 기법을 사용하여 구현하였다. 기존 시계열 예측 기법에서 발생할 수 있는 중장기 예측률이 떨어지는 문제를 LSTM 기법의 내부 네트워크 알고리즘을 통해 해결하였으며, 기상관측자료를 입력자료로 사용하여 시계열 예측을 수행하였다. 지역별 기온 예측모델은 TensorFlow와 Keras를 사용하여 개발하였으며, Python을 사용함으로써 다양한 환경에서 손쉽게 예측모델을 수행할 수 있는 환경을 구축하였다. 본 연구에서는 가용자료로 기상청에서 운영하는 기상자료 개방 포털의 종관기상관측자료(ASOS)를 사용하였으며, 각 기상관측자료 중 예측모델에 사용하기 위한 속성을 특정하기 위하여 속성 추출을 수행하고 중간의 결측값을 보간하여 전처리 과정을 수행하였다. 또한, 토지피복도를 이용하여 지역적 특성을 나누었으며 각 지역의 예측모델을 구축하였고, 과거자료가 수집되지 않는 가상의 미계측지역을 선정하여 각 지역의 예측모델의 수행을 통해 예측결과를 산출하였다. 아울러, 예측결과를 바탕으로 과거 관측자료가 확보되지 않는 미계측 지역에 대한 대안 예측모델을 제시하고 예측력을 향상하는 방법을 제안한다. 연구 결과, 과거자료가 수집되지 않는 미계측 지역에 대한 대안 예측모델을 제시할 경우, 동일한 지역적 특성을 가지는 예측모델뿐만 아니라 지리적 위치를 함께 고려한 예측모델을 제시하는 경우에 예측성을 높일 수 있음을 보여주었다.
머신러닝과 인공 신경망의 연구가 활발히 진행되면서, 머신러닝을 생활서비스와 융합시켜 보다 진보된 결과를 도출하는 사례가 늘고 있으며, 이미지나 영상처리 등의 분류 문제에서 회귀분석 문제로 그 영역이 넓혀지면서 시계열 자료 예측에 대한 연구도 활발히 이루어지고 있다. 기존 시계열 예측 기법인 ARIMA 모형이나 순환신경망 기법을 통해 예측되는 자료는 단기적인 시간 단위에는 높은 예측성을 보이나, 기울기 소실 문제 등으로 인하여 중장기 시간 단위로 변경되었을 때는 예측률이 떨어지는 문제가 발생하였다. 이를 해결하기 위한 방법으로 RNN 기법의 활성화함수를 변경하고 가중치를 단위행렬로 초기화하는 연구와 LSTM 기법의 내부 네트워크를 사용한 장기 학습 알고리즘 구현 등의 연구가 진행되었다. 본 연구에서는 지역별 기온 예측모델을 순환신경망의 LSTM 기법을 사용하여 구현하였다. 기존 시계열 예측 기법에서 발생할 수 있는 중장기 예측률이 떨어지는 문제를 LSTM 기법의 내부 네트워크 알고리즘을 통해 해결하였으며, 기상관측자료를 입력자료로 사용하여 시계열 예측을 수행하였다. 지역별 기온 예측모델은 TensorFlow와 Keras를 사용하여 개발하였으며, Python을 사용함으로써 다양한 환경에서 손쉽게 예측모델을 수행할 수 있는 환경을 구축하였다. 본 연구에서는 가용자료로 기상청에서 운영하는 기상자료 개방 포털의 종관기상관측자료(ASOS)를 사용하였으며, 각 기상관측자료 중 예측모델에 사용하기 위한 속성을 특정하기 위하여 속성 추출을 수행하고 중간의 결측값을 보간하여 전처리 과정을 수행하였다. 또한, 토지피복도를 이용하여 지역적 특성을 나누었으며 각 지역의 예측모델을 구축하였고, 과거자료가 수집되지 않는 가상의 미계측지역을 선정하여 각 지역의 예측모델의 수행을 통해 예측결과를 산출하였다. 아울러, 예측결과를 바탕으로 과거 관측자료가 확보되지 않는 미계측 지역에 대한 대안 예측모델을 제시하고 예측력을 향상하는 방법을 제안한다. 연구 결과, 과거자료가 수집되지 않는 미계측 지역에 대한 대안 예측모델을 제시할 경우, 동일한 지역적 특성을 가지는 예측모델뿐만 아니라 지리적 위치를 함께 고려한 예측모델을 제시하는 경우에 예측성을 높일 수 있음을 보여주었다.
As the research activities of machine running and artificial neural networks progress, more and advanced results cases are being developed by merging machine learning with living services. Also, machine learning is extended from classification problems such as image processing to regression analysis...
As the research activities of machine running and artificial neural networks progress, more and advanced results cases are being developed by merging machine learning with living services. Also, machine learning is extended from classification problems such as image processing to regression analysis problems, the research of time series data prediction is actively conducted. Predicted data through time-series forecasting method ARIMA models or Recurrent Neural Networks are shown highly prediction values in short-term time unit. in mid - to long-term time unit prediction, prediction values decrease problem has occurred due to vanishing gradients problems. To solve this problem, the researches were focused on the change activat ion function of the Recurrent Neural Network and initialization of the weights as a unit matrix. Also research was focused on the implementations of a long learning algorithm using the internal network of the LSTM(Long Short-Term Memory). In this thesis, regional temperature forecasting model is implemented by using LSTM of Recurrent Neural Network. The problem with regard to decrease of mid- and long-term prediction was solved by the internal network algorithms of the LSTM and time series prediction was performed using meteorological data as input data. Local temperature forecasting models were developed using TensorFlow and Keras, and Python was used to create an environment that was predict in different environments. In this thesis, ASOS of Meteorological Data Open Portal in Korea Meteorological Administration was used as Available data. The feature extraction was executed to determine the properties for use in the forecasting model among weather observations data. Also, execution a pre-processing process to fill in the middle empty values. Geographical characteristics were divided by land cover map, and forecast models were developed for each area. selecting the virtual regions of each region where past observation data was not collected and the forecast results were computed through each area prediction model execution. and, based on the forecast result, proposing alternative forecasting model for non observed regions and that how to improve the forecast. Research result shown that when proposing alternative predict models for non observed regions, the predict models can be improved through that have the same geographical characteristics, as well as the predict model of the same geographical location.
As the research activities of machine running and artificial neural networks progress, more and advanced results cases are being developed by merging machine learning with living services. Also, machine learning is extended from classification problems such as image processing to regression analysis problems, the research of time series data prediction is actively conducted. Predicted data through time-series forecasting method ARIMA models or Recurrent Neural Networks are shown highly prediction values in short-term time unit. in mid - to long-term time unit prediction, prediction values decrease problem has occurred due to vanishing gradients problems. To solve this problem, the researches were focused on the change activat ion function of the Recurrent Neural Network and initialization of the weights as a unit matrix. Also research was focused on the implementations of a long learning algorithm using the internal network of the LSTM(Long Short-Term Memory). In this thesis, regional temperature forecasting model is implemented by using LSTM of Recurrent Neural Network. The problem with regard to decrease of mid- and long-term prediction was solved by the internal network algorithms of the LSTM and time series prediction was performed using meteorological data as input data. Local temperature forecasting models were developed using TensorFlow and Keras, and Python was used to create an environment that was predict in different environments. In this thesis, ASOS of Meteorological Data Open Portal in Korea Meteorological Administration was used as Available data. The feature extraction was executed to determine the properties for use in the forecasting model among weather observations data. Also, execution a pre-processing process to fill in the middle empty values. Geographical characteristics were divided by land cover map, and forecast models were developed for each area. selecting the virtual regions of each region where past observation data was not collected and the forecast results were computed through each area prediction model execution. and, based on the forecast result, proposing alternative forecasting model for non observed regions and that how to improve the forecast. Research result shown that when proposing alternative predict models for non observed regions, the predict models can be improved through that have the same geographical characteristics, as well as the predict model of the same geographical location.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.