선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 모델의 호우주의보 예측시 강수량을 기준으로 예측하고, 그에 따른 특보의 발령 여부를 판별할 수 있는 분류기를 구축하여 현재 시점으로부터 3시간까지의 예측을 수행하는 가이던스 모델에 비교 연구이다. 각 AWS 지점의 관측 데이터를 분석하여 향후 3시간까지의 호우특보 가이던스를 SVR과 RBFNNs 모델을 사용하였다.
- 5장에서는 앞선 실험결과에 따른 결론에 대해 기술한다. 본 연구에서는 한반도 호우사례를 AWS 지점별로 분석하여 각 지점별 호우 특징을 묘사하는 호우에 대한 개념의 모델을 개발하는 것을 목적으로 한다. SVR과 pRBFNNs 모델을 사용하여 호우를 예측한 결과를 비교하고, 이를 통해 현재 기상청 현업으로 구동되고 있는 호우특보 가이던스에 적용할 수 있는 모델을 제안하여 뉴로-퍼지 모델의 예측 성능을 확인한다.
- 본 절에서는 제안한 퍼지 모델의 성능 향상에 주요한 역할을 하는 중요 파라미터(클러스터의 수(즉, 제안된 모델의 규칙의 수), FCM 클러스터링 방법에서의 클러스터 중심점과 분포상수 그리고 규칙 후반부 다항식의 형태)를 최적화 하기 위하여 접목된 입자 군집 최적화(Particle Swarm Optimization: PSO) 알고리즘에 대하여 기술한다.
- 이러한 이상기후 변화 속에서 많은 예측 모델이 연구되어지고 있고, 본 논문에서도 그에 관련한 이상기후, 특히 호우에 대한 예측하는 모델에 대해 연구하고자 한다. 호우에 대한 예측은 장기간 전에 예측하기 힘들기 때문에 초단기, 즉 1~6시간 후의 예측을 수행하며, 본 논문에서는 3시간 후까지의 예측을 수행한다.
- 호우를 예측하기 위해 기상청에서 사용하는 자료로는 AWS, KLAPS, RADAR 자료 등, 여러 가지가 있다. 이중에서 실제 관측지점에서 측정기기를 사용하여 자료를 구성하는 AWS 자료를 다루어 예측 모델을 만들고자 한다. 또한 호우주의보 및 호우특보에 대해 발령하는 건에 관련하여 1년의 기간 안에서 매우 제한적이다.
- 한반도 호우주의보를 위한 가이던스의 개발을 위해 본 연구에서는 2007∼2012년까지의 6년간의 AWS 자료[1]를 사용 하여 모델을 구현하였다.
- 현재 SVR 모델을 가이던스의 분류기는 Fig. 5와 같이 각 지점별 표출이 실시간으로 현업에서 수행되고 있고, 향후 개선된 예측 성능을 가지는 모델을 개발하는 것을 목표로 연구되어지고 있다. 서울 57개 지점에 대하여 SVR과 RBFNNs 모델의 비교 예측성능 결과를 보면 RBFNNs 모델의 성능이 SVR에 비해 안정적으로 예측하고 있음을 확인할 수 있었다.
가설 설정
- 은닉층에서의 개발이 결정적인 RBF 신경회로망 설계에 있어서 중요한 특징으로 부각된다. 그 이유는 (a) 은닉층의 형태와 수는 기본적인 설계의 초점이 되고, (b) 입력공간에서의 은닉층의 분포는 네트워크의 기능에서 중요한 관련이있으며, (c) 각각의 은닉층에서의 파라미터의 최적화는 본질적으로 가장 중요하다. 기존의 논문들에서는 이와 같은 중요한 설계 이슈들에 대해 다루기 위해 여러 가지 방법들이 시도되어지고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.