한반도의 기상과 대기환경은 시공간적 특성을 가지고 있다. 또한, 한반도에는 다수의 오염물질 배출원이 도시와 인근 외각 지역에 흩어져 있어 오존분포를 시·공간적분포로 나타낼 수 있다. 본 연구에서는 계층적 베이지안 시공간모형을 이용하여 한반도 오존농도를 예측하고 시각화 하는 방법에 대해 연구 하였다. 베이지안 시공간모형의 확률과정으로 GP모형과 AR모형을 이용하였다. 사용된 데이터는 2014년 4월 15일부터 2016년 10월 15일까지의 ASOS ...
한반도의 기상과 대기환경은 시공간적 특성을 가지고 있다. 또한, 한반도에는 다수의 오염물질 배출원이 도시와 인근 외각 지역에 흩어져 있어 오존분포를 시·공간적분포로 나타낼 수 있다. 본 연구에서는 계층적 베이지안 시공간모형을 이용하여 한반도 오존농도를 예측하고 시각화 하는 방법에 대해 연구 하였다. 베이지안 시공간모형의 확률과정으로 GP모형과 AR모형을 이용하였다. 사용된 데이터는 2014년 4월 15일부터 2016년 10월 15일까지의 ASOS 기상관측소 기상정보와, 대기오염관측소의 오존 농도이다. 독립변수로 최대온도, 평균풍속, 상대습도, 일사량을 고려하였다. 베이지안 시공간 모형에서는 다른 모수들에게 영향을 미치는 공간모수 의 사전분포의 설정이 중요하다. 그러나 의 trace plot이 수렴하지 않았다. 최적 공간모수 를 찾기 위해 관측값과 예측값의 차이인 RMSE를 계산하여 RMSE가 가장 낮은 값을 찾았다. GP모형과 AR모형의 MCMC수렴도는 Geweke 진단법을 이용하여 평가하였고 GP모형과 AR모형의 예측 정확도 평가는 RMSE, MAE, MAPE, BIAS를 이용하여 비교분석 하였다. 그 결과 GP모형이 RMSE, MAE, MAPE에서 더 우수한 예측력을 보였다. 한반도의 오존농도의 시공간적 분포를 살펴보기 위해 97개소 ASOS 기상데이터를 이용하여 한반도의 오존농도를 시각화 하였다. 그 결과 한반도는 태백산맥을 기준으로 오존농도의 차이가 있으며 지역별 월별 오존농도 분포 차이를 시각적으로 비교할 수 있었다.
한반도의 기상과 대기환경은 시공간적 특성을 가지고 있다. 또한, 한반도에는 다수의 오염물질 배출원이 도시와 인근 외각 지역에 흩어져 있어 오존분포를 시·공간적분포로 나타낼 수 있다. 본 연구에서는 계층적 베이지안 시공간모형을 이용하여 한반도 오존농도를 예측하고 시각화 하는 방법에 대해 연구 하였다. 베이지안 시공간모형의 확률과정으로 GP모형과 AR모형을 이용하였다. 사용된 데이터는 2014년 4월 15일부터 2016년 10월 15일까지의 ASOS 기상관측소 기상정보와, 대기오염관측소의 오존 농도이다. 독립변수로 최대온도, 평균풍속, 상대습도, 일사량을 고려하였다. 베이지안 시공간 모형에서는 다른 모수들에게 영향을 미치는 공간모수 의 사전분포의 설정이 중요하다. 그러나 의 trace plot이 수렴하지 않았다. 최적 공간모수 를 찾기 위해 관측값과 예측값의 차이인 RMSE를 계산하여 RMSE가 가장 낮은 값을 찾았다. GP모형과 AR모형의 MCMC 수렴도는 Geweke 진단법을 이용하여 평가하였고 GP모형과 AR모형의 예측 정확도 평가는 RMSE, MAE, MAPE, BIAS를 이용하여 비교분석 하였다. 그 결과 GP모형이 RMSE, MAE, MAPE에서 더 우수한 예측력을 보였다. 한반도의 오존농도의 시공간적 분포를 살펴보기 위해 97개소 ASOS 기상데이터를 이용하여 한반도의 오존농도를 시각화 하였다. 그 결과 한반도는 태백산맥을 기준으로 오존농도의 차이가 있으며 지역별 월별 오존농도 분포 차이를 시각적으로 비교할 수 있었다.
The meteorological and atmospheric environment has temporal and spatial characteristics on the Korean peninsula. Therefore, the ozone distribution can be expressed as a spatio-temporal model. In this study, the hierarchical Bayesian spatio-temporal model has suggested to predicting ozone concentrati...
The meteorological and atmospheric environment has temporal and spatial characteristics on the Korean peninsula. Therefore, the ozone distribution can be expressed as a spatio-temporal model. In this study, the hierarchical Bayesian spatio-temporal model has suggested to predicting ozone concentration. The GP model and the AR model was used as probabilistic processes. The maximum temperature, wind speed, relative humidity, and solar radiation were considered as independent variables. The prior distribution is important in Bayesian approach. However, spatial decay parameter was not converged through the trace plot. The suitable spatial decay parameter was estimated by RMSE. The posterior distributions were stable after spatial decay parameter was fixed. Geweke diagnose RMSE, MAE, MAPE, and BIAS were used for two model validation. As a result, the GP model showed better prediction power. At the end of this study, Ozone concentration of Korean peninsula was visualized using 97 ASOS data.
The meteorological and atmospheric environment has temporal and spatial characteristics on the Korean peninsula. Therefore, the ozone distribution can be expressed as a spatio-temporal model. In this study, the hierarchical Bayesian spatio-temporal model has suggested to predicting ozone concentration. The GP model and the AR model was used as probabilistic processes. The maximum temperature, wind speed, relative humidity, and solar radiation were considered as independent variables. The prior distribution is important in Bayesian approach. However, spatial decay parameter was not converged through the trace plot. The suitable spatial decay parameter was estimated by RMSE. The posterior distributions were stable after spatial decay parameter was fixed. Geweke diagnose RMSE, MAE, MAPE, and BIAS were used for two model validation. As a result, the GP model showed better prediction power. At the end of this study, Ozone concentration of Korean peninsula was visualized using 97 ASOS data.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.