[논문]기상 자료 초해상화를 위한 인공지능 기술과 기상 전문 지식의 융합

하지훈; 박건우; 임효혁; 조동희; 김용혁

doi:10.15207/jkcs.2021.12.10.063

기상 자료 초해상화를 위한 인공지능 기술과 기상 전문 지식의 융합
Convergence of Artificial Intelligence Techniques and Domain Specific Knowledge for Generating Super-Resolution Meteorological Data 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.12 no.10, 2021년, pp.63 - 70

하지훈 ((주)한국해양기상기술 IT본부) , 박건우 ((주)한국해양기상기술 IT본부) , 임효혁 ((주)한국해양기상기술) , 조동희 (광운대학교 컴퓨터과학과) , 김용혁 (광운대학교 컴퓨터과학과)

초록
AI-Helper

고해상도 심층신경망을 이용하여 기상데이터를 초해상화하면 보다 더 정밀한 연구와 실생활에 유용한 서비스를 제공할 수 있다. 본 논문에서는 고해상도 심층신경망 학습에 사용하기 위한 개선된 훈련자료 생산기술을 최초로 제안한다. 기상전문 지식으로 고해상도 기상 자료를 생성하기 위해, 전문 기관의 관측자료와 ERA5 재분석장 자료를 바탕으로 람베르트 정각원추도법과 객관분석을 적용했다. 그 결과, 기상 전문 지식 기반의 기온 및 습도 분석자료는 기존 배경장 대비 RMSE 값이 각각 최대 42%, 46% 개선되었다. 다음으로, 기상 전문 기술을 이용한 수동적인 데이터 생성 기법을 자동화하기 위해 인공지능 기술 중 하나인 SRGAN을 이용했고, 10 km 해상도를 가지는 전지구모델자료로부터 1 km 해상도를 가지는 고해상도 자료를 생성하는 실험을 진행했다. 최종적으로, SRGAN으로 생성한 결과는 전지구모델입력자료에 비해 높은 해상도를 가지며 수동으로 생성한 고해상도 분석자료와 유사한 분석 패턴을 보이면서도 부드러운 경계를 보였다.

Abstract ▼ AI-Helper

Generating a super-resolution meteological data by using a high-resolution deep neural network can provide precise research and useful real-life services. We propose a new technique of generating improved training data for super-resolution deep neural networks. To generate high-resolution meteorological data with domain specific knowledge, Lambert conformal conic projection and objective analysis were applied based on observation data and ERA5 reanalysis field data of specialized institutions. As a result, temperature and humidity analysis data based on domain specific knowledge showed improved RMSE by up to 42% and 46%, respectively. Next, a super-resolution generative adversarial network (SRGAN) which is one of the aritifial intelligence techniques was used to automate the manual data generation technique using damain specific techniques as described above. Experiments were conducted to generate high-resolution data with 1 km resolution from global model data with 10 km resolution. Finally, the results generated with SRGAN have a higher resoltuion than the global model input data, and showed a similar analysis pattern to the manually generated high-resolution analysis data, but also showed a smooth boundary.

주제어

표/그림 (8)

그림 Fig. 1. Previous and our methods for generating reanalys is data
그림 Fig. 2. Temperature(top) and humidity(bottom) analysis data by each objective analysis (01/03/2019)
표 Table 1. RMSE of high-resolution analysis data generated by objective analysis technique (hum and tem mean humidity and temperature, respectively)
표 Table 2. Comparison between the generated high–resolution analysis data and LDAPS model data
그림 Fig. 3. The structure of our SRGAN
표 Table 3. Learning parameters of temperature and humidity
표 Table 4. Loss change according to epoch
표 Table 5. Comparison of temperature/humidity analysis data for forecasting 00UTC 6 hours on 29/08/2019

참고문헌 (19)

K. Jia & S. Gong. (2008). Generalized face super-resolution. Journal of IEEE Transactions on Image Processing, 17(6), 873-886. DOI : 10.1109/TIP.2008.922421

상세보기
I, Sanchez & V. Vilaplana. (2018). Brain MRI super-resolution using 3D generative adversarial networks. arXiv preprint arXiv:1812.11440.
Y. S. Chung, R. K. Park & J. M. Kim. (2014). Study on predictive modeling of incidence of traffic accidents caused by weather conditions. Journal of the Korea Contents Association, 5(1), 9-15. DOI : 10.15207/JKCS.2014.5.1.009

원문보기 상세보기
H. J. Yoon. (2016). Development of contents on the marine meteorology sevice by meterology and climate big data. Journal of the Korea Institue of Electronic Communication Sciences, 11(2), 125-138. DOI : 10.13067/JKIECS.2016.11.2.125

원문보기 상세보기
H. S. Hwang et al. (2018). Design and implementation of an urban safety service system using realtime weather and atmosphere data. Journal of Korea Multimedia Society, 21(5), 599-608. DOI : 10.9717/KMMS.2018.21.5.599

원문보기 상세보기
Y. W. Kim et al. (2017). Design and implementation of a flood disaster safety system using realtime weather big data. Journal of the Korea Contents Association, 17(1), 351-362. DOI : 10.5392/JKCA.2017.17.01.351

원문보기 상세보기
M. S. Won et al. (2015). A study on prediction improvement of forest fire danger rating fused with mountain meteorology information. The Korean Society of Agricultural and Forest Meteorology Conference, (pp. 126-130).
J. H. Jeong & Y. T. Chae. (2018). Improvement for forecasting of photovoltaic power output using real time weather data based on machine learning. Journal of the Korean Society of Living Environmental System, 25(1), 119-125. DOI : 10.21086/KSLES.2018.02.25.1.119

상세보기
J. Kim, J. K. Lee & K. M. Lee. (2016). Accurate image super-resolution using very deep convolutional networks. IEEE Conference on Computer Vision and Pattern Recognition. (pp. 1646-1654). DOI : 10.1109/CVPR.2016.182
K. Stengel et al. (2020). Adversarial super-resolution of climatological wind and solar data. National Acadamy of Sciences, 117(29), 16805-16815. DOI : 10.1073/PNAS.1918964117

상세보기
H. S. Tark et al. (2017). A new prediction model for power consumption with local weather information. Journal of the Korea Contents Association, 16(11), 488-498. DOI : 10.5392/JKCA.2016.16.11.488

원문보기 상세보기
Y. H. Kim et al. (2020). Construction of super-resolution convolutional neural network model for super-resolution of temperature data. Journal of the Korea Convergence Society, 11(8), 7-13. DOI : 10.15207/JKCS.2020.11.8.007

원문보기 상세보기
C. Dong et al. (2014). Learning a deep convolution network for image super-resolution. Europen Conference on Computer Vision. (pp. 184-199). DOI : 10.1007/978-3-319-10593-2_13

상세보기
C. Dong et al. (2015). Image super-resolution using deep convolutional networks. Journal of IEEE Transactions on Pattern Analysis and Machine Intelligence. 38(2). 295-307. DOI : 10.1109/TPAMI.2015.2439281

상세보기
H. Ren, M. EI-Khamy & J. Lee. (2017). Image super resolution based on fusing multiple convolution neural networks. IEEE Conference on Computer Vision and Pattern Recognition Workshops. (pp. 54-61). DOI : 10.1109/CVPRW.2017.142
M. Ishii et al. (2005). Objective analyses of sea-surface temperature and marine meteorological varialbes for the 20th century using ICOADS and the Kobe collection. Journal of the Royal Meteorological Society, 25(7), 865-879. DOI : 10.1002/JOC.1169

상세보기
C. Ledig et al. (2017). Photo-realistic single image super-resolution using a generative adversarial network. IEEE Conference on Computer Vision and Pattern Recognition. (pp. 4681-4690). DOI : 10.1109/CVPR.2017.19
M. K. Lee et al. (2018). Detecting anomalies in meteorologoical data using support vector regression. Journal of Advances in Meteorolgy, 2018. DOI : 10.1155/2018/5439256

상세보기
J. S. Lee et al. (2012). Objective analysis of temperature using the elevation-dependent weighting function. Journal of Atmosphere, 22(2), 233-243. DOI : 10.14191/ATMOS.2012.22.2.233

원문보기 상세보기

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