$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

대기경계층 고도 산출을 위한 인공신경망기법 적용
Applying Artificial Neural Networks for Estimation of Planetary Boundary Layer Height 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.27 no.4, 2017년, pp.302 - 309  

하지훈 (광운대학교 임베디드SW공학과) ,  김용혁 (광운대학교 소프트웨어학부) ,  이용희 (기상청 수치모델링센터)

초록
AI-Helper 아이콘AI-Helper

대기경계층 고도(Planetary Boundary Layer, Height PBLH)는 기상과 대기확산을 예측하는데 매우 중요한 인자이다. PBLH를 결정하기 위해 여러 관측 자료들이 사용되고 있으며, 그 중 라이다식 운고계를 이용한 방법이 최근에 많이 사용되고 있다. 운고계에서 PBLH를 추정하기 위해 사용하는 경도법(Gradient method)은 매우 간단하지만 여러 잡음으로 인해 고도를 잘못 추정하는 경우가 발생한다. 본 논문에서는 라이더식 운고계에서 수집한 후방산란자료에 기계학습기법을 적용하여 PBLH를 산출하는 방법을 제안한다. 제안한 방법은 잡음제거 오토인코더(Denoising autoencoder)를 이용하여 비지도 학습으로 운고계 후방산란자료의 잡음소거를 수행한 뒤 인공신경망(Artificial Neural Network, ANN) 학습을 통해 PBLH를 산출한다. 실험에는 보성지역에 설치된 라이더식 운고계 CL51에서 관측된 2015년 1월부터 2016년 5월까지의 후방산란자료를 사용하였으며, 검증을 위해 운고계 CL51의 PBLH 산출 프로그램 BL-view의 자료와 경도법으로 산출된 PBLH 자료를 사용하였다. 실험결과 제안한 방법이 경도법보다 2배 이상 좋은 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The planatery boundary layer height(PBLH) is very important factor in determining weahter and atmospheric diffusion. As a method to determine the PBLH, there is a method to use observation data. Among them, a ceilometer-based method is recently used with good performance. The gradient method which i...

주제어

#인공신경망   #잡음제거 오토인코더   #대기경계층 고도   #운고계   #후방산란자료  

참고문헌 (23)

  1. P. Seibert, F. Beyrich, S.-E. Gryning, S. Joffre, A. Rasmussen, P. Tercier, "Review and Intercomparison of operational methods for the determination of the mixing height," Atmospheric environment, vol. 34, issue. 7, pp. 1001-1027, 2000 

    상세보기 crossref

  2. S. Emeis, K. Schafer, and C. Munkel. "Surface-based Remote Sensing of the Mixing-Layer Height-A Review," Meteorologische Zeitschrift, vol. 17, no. 5, pp. 621-630, 2008 

    상세보기 crossref

  3. N. Eresmaa, A. Karppinen, S. M. Joffre, J. Rasanen, H. Talvitie, "Mixing Height Determination by Ceilometer," Atmospheric Chemistry and Physics, vol. 6, no. 6, pp. 1485-1493, 2006 

    상세보기 crossref

  4. H. Yeo, C. Lee, E. Lee, D. Shin, and S. Kim, "Estimation of Planetary Boundary Layer Height and Cloud Ceiling Altitude through Ceilometers," Proceedings of the Autumn Meeting of KMS, 10, pp. 875-877, 2016 

  5. M. Choi and M. Park, "Verification and Changing Tendency Analysis of Urban Planetary Boundary Layer Height Using Ceilometers and Aerosol Lidar," Proceedings of the Autumn Meeting of KMS, 10, pp. 891-892, 2014 

  6. J. Lee, J.-W. Hong, K. Lee, Y.-J. Lim, J.-B. Lee, J. Hong, "Ceilometer Retrieval of Planetary Boundary Layer Height and its Application to Air Pollution in Seoul Metropoitan Area," Proceedings of the Autumn Meeting of KMS, 10, pp. 752-753, 2016 

  7. R. C. Munoz, and A. A. Undurraga, "Daytime Mixed Layer over the Santiago Basin: Description of Two Years of Observations with a Lidar Ceilometer," Journal of Applied Meteorology and Climatology, vol. 49, no. 8, pp. 1728-1741, 2010 

    상세보기 crossref

  8. C. Munkel and J. Rasanen, "New Optical Concept for Commercial Lidar Ceilometers Scanning the Boundary Layer," Remote Sensing. International Society for Optics and Photonics, pp. 364-374, 2004 

  9. K. Schafer, S. Emeis, A. Rauch, C. Munkel, S. Vogt, "Determination of Mixing Layer Heights from Ceilometer Data," Remote Sensing. International Society for Optics and Photonics, pp. 248-259, 2004 

  10. M. de Haij, W. Wauben, and H. K. Baltink, "Determination of Mixing Layer Height from Ceilometer Backscatter Profiles," Remote Sensing. International Society for Optics and Photonics, vol. 6362, 2006 

  11. S. Emeis, and K. Schafer, "Remote Sensing Methods to Investigate Boundary-Layer Structures Relevant to Air Pollution in Cities," Boundary-layer meteorology, vol. 121, issue. 2, pp. 377-385. 2006 

    상세보기 crossref

  12. N. Eresmaa, J. Harkonen, S. M. Joffre, D. M. Schultz, A. Karppinen, J. Kukkonen, "A Three-Step Method for Estimating the Mixing Height using Ceilometer Data from the Helsinki Testbed," Journal of Applied Meteorology and Climatology, vol. 51, no. 12, pp. 2172-2187, 2012 

    상세보기 crossref

  13. M. Kim and Y. Lee, "Study of Local Weather forecast with MLP Neural Network," Proceedings of KIIS Spring Conference, vol. 18, no. 1, pp. 415-417, 2008 

  14. J.-H. Seo and Y.-H. Kim, "A Survey on Rainfall Forecast Algorithms Based on Machine Learning Technique," Proceedings of the KIIS Fall Conference, vol. 21, no. 2, pp. 218-221, 2011 

  15. N.-S. Oh, "Development of Rainfall Forecasting Model Using a Neural Network," Proceedings of KIIS Spring Conference, vol. 6, no. 2, pp. 253-256, 1996 

  16. P. Vincent, H. Larochelle, I Lajoie, Y. Bengio, "Stacked Denoising Autoencoders: Learning Useful Representations in a Deep Network with a Local Denoising Criterion", The Journal of Machine Learning Research, vol. 11, pp. 3371-3408, 2010 

  17. A. Shantia, R. Timmers, L. Schomaker, M. Wiering, "Indoor Localization by Denoising Autoencoders and Semi-Supervised Learning in 3D Simulated Environment", International Joint Conference on Neural Networks, pp. 1-7, 2015 

  18. N. Steenbergen, "Chord Recognition with Stacked Denoising Autoencoders", University of Amsterdam, 2014 

  19. G. E. Hinton, S. Osindero, and Y. W. The, "A Fast Learning Algorithm for Deep Belief Nets" , Neural Computation, vol. 18, no. 7, pp. 1527-1554, 2006 

    상세보기 crossref

  20. M. W. Gardner, S. R. Dorling, "Artificial Neural Networks (The Multilayer Perceptron) - A Review of Applications in the Atmospheric Sciences," Atmospheric Environment, vol. 32, no. 14-15, pp. 2627-2636, 1998 

    상세보기 crossref

  21. http://www.vaisala.com 

  22. C. Munkel, R. Roininen, R., and V. Oyj, 5.3 Investigation of Boundary Layer Structures with Ceilometer Using a Novel Robust Algorithm, 2010 

  23. M. Choi, M. Park, and S. Park, "Estimation and Time-Changing Tendency of Urban Planetary Boundary Layer Height Using Ceilometer Data," Proceedings of the Autumn Meeting of KMS, 10, pp. 746-747, 2016 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로