[논문]인공신경망 딥러닝 기반 레이더 강우예측 연구 현황

윤성심; 이동률

인공신경망 딥러닝 기반 레이더 강우예측 연구 현황 원문보기

윤성심 (한국건설기술연구원 국토보전연구본부) , 이동률 (한국건설기술연구원 국토보전연구본부)

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이다. 모델에서는 가장 높은 확률_로 추정되는 예측값을 추출하는 것을 목적으로 한다.
본 고에서는 컴퓨터 비전 분야에서 좋은 성능으로 보이며 위성사진이나 일기도, 레이더와 같은 2차원 데이터 활용시 유용한 알고리즘인 CNN을 중심으로 레이더 강우예측 연구 현황을 정리하고자 한다.
특히, 국외의 경우 이미지 검색 및 분류와 같은 컴퓨터 비전 분야에서 강점을 갖는 딥러닝 기법과 기상레이더 자료와 같은 2차원 데이터들을 이용하여 강우를 예측하는 연구 추세가 증가하고 있으나, 국내의 경우는 시작단계이다. 이에 본 고에서는 딥러닝 기반 레이더 강우예측 연구 사례를 살펴봄으로써 국내에서도 해당 연구의 활성화를 기대해본다.

제안 방법

RBM은 차원 축소, 분류, 선형 회귀 분석, 필터링, 비지도 학습에 활용되며, DBN은 사전 훈련된 RBM을 다층으로 쌓은 구조로 잠재변수의 다중계측으로 이루어진 신경망이다. 특히 라벨이 없는 데이터에 대한 비지도 학습에 강하며, 부분적인 이미지에서 전체를 연상하는 일반화, 추상화 과정을 구현한다. GAN은 비지도 학습된 패턴을 이용해 이미지나 음성, 새로운 의미를 갖는 이미지도 생성할 수 있다.
특히 해당연구는 그림 5와 같이 Encoding-Forecasting 모델을 사용하여 단일 LSTM 구성을 다수의 convolutional LSTM으로 쌓아놓도록 하여 입력과 출력, 상태를 모두 3차원 텐서로 효율적으로 다룰 수 있게 하였다.
해당연구에서는 CNN으로 각각의 이미지 특징 벡터를 추출하고, 해당 특징들을 LSTM의 입력으로 이용하는 일반적인 방법을 따르지 않고, 시간적인 정보와 공간적인 정보를 모두 잘 처리 하기 위해 그림 4와 같이 LSTM 내부 오퍼레이션 자체에 합성곱을 삽입하는 기법을 제안하였다. LSTM은 과거의 순차적 정보를 이용하여 학습을 할 수 있는 순환신경망(RNN, Recurrent Neural Network)의 한 종류로 장기간의 의존을 학습하는 능력을 가지고 있다.

대상 데이터

경연대회에서 제공된 레이더 반사도는 그림 8과 같으며, 6분 간격의 3차원 관측자료가 15개 (1시간 30분)가 학습을 위해 10,000세트, 데스트를 위해 2,000 세트 제공되었다. 즉, 과거 1시간 30분 간의 과거 레이더 관측 자료를 활용하여 선행 1〜2시간의 예측강우를 산정하는 것이다.
해당 연구에서는 그림 11과 같이 ConvLSTM과 ConvGRU (Convolutional Gated Recurrent Unit)을 이용하여 강우량 예측 인공신경망 학습 모델을 개발하고 성능을 분석한 바 있다. 해당 연구 역시 CIKM 2017에서 사용된 심천 지역의 레이더 관측 반사값으로부터 정규화 및 익명화과정을 거친 데이터를 사용하였다.

이론/모형

2등 수상팀은 서로 다른 시점과 높이의 레이더 강우분포에서 강도의 히스토그램(histogram of intensity)을 기반으로 기계학습의 일종인 PCA(Principle Component Analysis)와 Xgboost를 활용하였다(Zhang and Wei, 2017). 3등팀은 강수량 예측을 위해 레이더 강우분포의 공간적, 시간적 특성을 보다 심층적으로 학습하도록 Deep Residual Network(ResNet)와 ConvLSTM을 활용하였다(Nguyen et al.

성능/효과

여기서 Pooling 레이어는 NxN window 내의 입력값들을 그 최대값 또는 평균값으로 매핑함으로써 이미지의 크기를 점차적으로 줄인다. 그 결과 상위 레이어로 올라갈수록 같은 크기의 convolution 필 터가 상대적으로 넓은 영역을 처리하게 되어, 상위 레이어에서는 하위 레이어의 저차원 특징을 조합하여 고차원 특징을 학습하는 효과를 가져온다.
그러나 ConvLSTM을 이용한 연구는 0.5mm 의 강우 임계값을 기준으로 정확도가 평가되어서 재해 위험도가 큰 강한 강우에 대한 알고리즘 의 성능을 평가하지 못한 한계가 있었으며, 위치 불변필터(location-invariant filter)를 사용하는 ConvLSTM을 사용하는 것이 강우의 회전과 강도 변화와 같은 이동패턴을 파악하는데 비효율적이었다. 후속 연구에서는 이러한 한계를 극복하기 위해 위치-변형 구조를 능동적으로 학습할 수 있는 Trajectory GRU 모델을 제안한 바 있다(Shi et al.
따라서 예측된 강우 분포 이미지가 흐리게 나타났다. 기존 ROVER2는 강우분포가 명확하게 나타나나, 단순이동된 강우예측 분포 형태를 보여 예측강우의 평가지표(mean squared error (Rainfall-MSE), critical success index (CSI), false alarm rate (FAR), probability of detection (POD), correlation)에서 ConvLSTM보다 낮은 예측 정확도를 보였다.(Wong et al.
즉, 과거 1시간 30분 간의 과거 레이더 관측 자료를 활용하여 선행 1〜2시간의 예측강우를 산정하는 것이다. 비교기준 값으로 제시한 선형회귀모형으로 예측된 강우와 관측강우간의 평균제곱근오차(RMSE)는 14.69(기준 값)였으나, 경연대회의 수상팀들은 기계학습과 딥러닝 알고리즘을 적용한 예측을 수행하고, 기준 오차값보다 작은 10.997, 12.333, 12.948의 평균제곱근오차를 보였다. 그 중 1등 수상팀은 SIFT(Scale-invariant feature transform) 알고리즘으로 산정된 속도벡터를 기반으로 구름의 궤적을 추정하면서, CNN 기법으로 구름 패턴의 전반적인 특성과 구름 이동의 시공간 해석, 레이더 이미지의 지역적 특징을 얻었다(Yao and Li, 2017).

후속연구

5mm 의 강우 임계값을 기준으로 정확도가 평가되어서 재해 위험도가 큰 강한 강우에 대한 알고리즘 의 성능을 평가하지 못한 한계가 있었으며, 위치 불변필터(location-invariant filter)를 사용하는 ConvLSTM을 사용하는 것이 강우의 회전과 강도 변화와 같은 이동패턴을 파악하는데 비효율적이었다. 후속 연구에서는 이러한 한계를 극복하기 위해 위치-변형 구조를 능동적으로 학습할 수 있는 Trajectory GRU 모델을 제안한 바 있다(Shi et al., 2017).

핵심어

질문

논문에서 추출한 답변

인공지능이란?

인공지능은 기계로부터 만들어진 지능 혹은 인 공적인 장치들이 가지는 지능이며, 특히 인간과 같이 데이터 속에서 특징(feature)를 인지하고 생 성하여 현상을 모델화하는 것이 가능한 기술을 의미한다.

기상분야에서 강우량과 강우발생 지역을 예측하는 예측기법은?

예측강우는 수재해와 관련한 국민안전을 위해 필수적인 자료이므로, 이를 정확히 예측하여 정 보를 제공하는 것이 중요하다. 일반적으로 기상 분야에서는 기상수치모델, 레이더기반 예측기법을 적용하여 강우량과 강우발생 지역을 예측하고 있 다. 그 중 레이더 자료를 이용한 강우예측 기법은 기상레이더에서 관측되는 강우장이 동일한 호우 에 대해서는 동일한 기상특성을 갖는 것으로 판단 하고, 외삽기반의 예측기법을 사용한다.

딥러닝 기반 레이더 데이터 를 이용한 강우량 예측 기법의 이점은 무엇인가?

특히, DeepRain은 기존 연구들과 달리 대량의 과거 레이더 자료로부터 예측 강우를 생성하지 않 고, 1시간〜2시간 사이의 강우량 값이 레이블된 자료를 사용에 강우량을 산정했다는 차별점을 두 고 있다. 그림 12와 같이 딥러닝 기법(FC-LSTM, ConvLSTM)과 학습조건(Epoch, Optimizer)을 차별화하여 예측정확도를 향상시키는 연구를 지속 하고 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

인공신경망 딥러닝 기반 레이더 강우예측 연구 현황 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

인공신경망 딥러닝 기반 레이더 강우예측 연구 현황 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper