$\require{mediawiki-texvc}$

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.

머신러닝을 이용한 안개 예측 시 목측과 시정계 계측 방법에 따른 모델 성능 차이 비교
Comparison of Machine Learning Model Performance based on Observation Methods using Naked-eye and Visibility-meter 원문보기

한국지구과학회지 = Journal of the Korean Earth Science Society, v.44 no.2, 2023년, pp.105 - 118  

박창현 (부산대학교 환경연구원) ,  이순환 (부산대학교 지구과학교육과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 2016년부터 2020년까지 내륙 관측소 중 안개 최다발 지역인 안동을 대상으로 XGBoost-DART 머신러닝 알고리즘을 이용하여 1 시간 후 안개 유무를 예측하였다. 기상자료, 농업관측자료, 추가 파생자료와 각 자료를 오버 샘플링한 확장자료, 총 6개의 데이터 세트를 사용하였다. 목측으로 획득한 기상현상번호와 시정계 관측으로 측정된 시정거리 자료를 각각 안개 유[1]무[0]로 이진 범주화하였다. 총 12개의 머신러닝 모델링 실험을 설계하였고, 안개가 사회와 지역사회에 미치는 유해성을 고려하여 모델의 성능은 재현율과 AUC-ROC를 중심으로 평가하였다. 전체적으로, 오버샘플링한 기상자료와 기상현상번호 기반의 예측 목표를 조합한 실험이 최고 성능을 보였다. 이 연구 결과는 머신러닝 알고리즘을 활용한 안개 예측에 있어서, 목측으로 획득한 기상현상번호의 중요성을 암시한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study, we predicted the presence of fog with a one-hour delay using the XGBoost DART machine learning algorithm for Andong, which had the highest occurrence of fog among inland stations from 2016 to 2020. We used six datasets: meteorological data, agricultural observation data, additional de...

주제어

#익스트림 그레디언트 부스팅   #안개 예측   #시정   #머신러닝   #기상현상번호  

참고문헌 (42)

  1. Akimoto, Y., Kusaka, H., 2015, A Climatological study of？fog in Japan based on event data, Atmos. Res., 11,？200-211 

  2. Anber, U., Gentine, P., Wang, S., Sobel, A.H., 2015, Fog？and rain in the Amazon, Proc. Natl. Acad. Sci.,？112(37), 11473-11477 

  3. Baldocchi, D., Waller, E., 2014, Winter fog is decreasing？in the fruit growing region of the central valley of？California Geophys. Res. Lett., 41(9), 3251-3256 

  4. Bartok, A. Bott, M. Gera, 2012, Fog prediction for road？traffic safety in a coastal desert region Bound.-Layer？Meteorol., 145(3), 485-506 

  5. Bang, C. H., Lee, J. W., Hong, S. Y,, 2008, Predictability？experiments of fog and visibility in local airports over？Korea using the WRF model, J. Korean Soc. Atmos.？Environ., 24, 92-101 (in Korean with English abstract) 

  6. Benjamin, S. G., Devenyi, D., Weygandt, S. S., Brundage,？K. J., Brown, J. M., Grell, G. A., Kim, D. S.,？Schwartz, B. E. Smirnova, T. G, Smith, T. L., Manikin,？G. S., 2004, An Hourly assimilation forecast cycle: The？RUC. Mon. Weather Rev., 132, 495-518. 

  7. Bergot, T., Terradellas, E., Cuxart, J., Mira, A., Liechti,？O.,Mueller, M., Nielsen, N. W., 2007, Intercomparison？of single-column numerical models for the prediction of？radiation fog, J. Appl. Meteorol. Climatol., 46, 504-521. 

    상세보기

  8. Cho, Y. K., Kim, M. O., Kim, B. C., 2000, Sea fog？around the Korean peninsula, J. Appl. Meteorol., 39,？2473-2479 

    상세보기

  9. Castillo-Boton, C., Casillas-Perez, D., Casanova-Mateo, C.,？Ghimire, S., Cerro-Prada, E., Gutierrez, P.A., Deo, R.C.,？Salcedo-Sanz, S., 2022, Machine learning regression？and classification methods for fog events prediction,？Atmos. Res., 272, 106157 

    상세보기

  10. Chen, T., Guestrin, C. (2016). XGBoost: A scalable tree？boosting sytem, KDD '16: Proceedings of the 222nd？ACM SIGKDD International Conference on Knowledge？Discovery and Data Mining, 785-794 

  11. Fabbian, D., De-Dear, R., Lellyett, S., 2007, Application of？artificial neural network forecasts to predict fog at？Canberra international airport Weather Forecast., 22(2),？372-381 

    상세보기

  12. Guerreiro, P.M.P, Soares, P.M.M, Cardoso, R.M., Ramos,？A.M., 2020, An analysis of fog in the mainland？portuguese international airports Atmos., 11(11), 1239 

  13. Harris, D., Harris, S., 2012, Digital design and computer？architecture (2nd ed.). San Francisco, Calif.: Morgan？Kaufmann. p. 129. ISBN 978-0-12-394424-5. 

  14. Heo, K. Y., Ha, K. J., Mahrt, L., Shim, J. S., 2010,？Comparison of advection and steam fogs: from direct？observation over the sea, Atmos. Res., 98, 426-437 

    상세보기

  15. Huang, D.-S., 2004, A constructive approach for finding？arbitrary roots of polynomials by neural networks, IEEE？Trans. Neural Netw., 15(2), 477-491 

    상세보기

  16. Huang, D.-S., Ip, H.H., Chi, Z., 2004; A neural root finder？of polynomials based on root moments, Neural？Comput., 16(8), 1721-1762 

    상세보기

  17. Kim, E.-J., Lee, K.-Y., Park, C., Lee, S.-H., 2021, A study？on fog formation and visibility estimation in waterfront？area using meteorological model, J. environ. Sci. Int.,？30(4), 305-320 (in Korean with English abstract) 

  18. Kim, W. H., Yum, S. S., 2015, Development and validation？of the coupled system of Unified Model (UM) and？PArameterized FOG (PAFOG), Atmos., 25, 149-154 (in？Korean with English abstract) 

  19. Kim, Y. K., Kim, H., Seo, J. W., An, H. Y., Choi, Y. H.,？2017, Meteorological analysis of the sea fog in winter？season on Gyeonggi bay, Yellow sea: a case study for？the 106-vehicle pileup on February 11, 2015. J. Coast.？Res., 79, 124-128 (in Korean with English abstract) 

    상세보기

  20. Kim, M.W., R. K.-Y. Choi, Y. S. Lee, J. Choi, D. Y. Kim,？K. H. Kim, 2021, Development of deep-learning based？present weather. Journal of the Korean Data And？Information Science Society, 32(5), 1007-1021 (in？Korean with English abstract) 

    상세보기

  21. Kuncheva, L. I., Rodgriguez, J. J., 2012, A weighted？voting frameowrk fro classifiers ensembles, Knowledge？and Information Systems, 38, 259-275. 

  22. Klemm, O., Schemenauer, R.S., Lummerich, A., Cereceda,？P., Marzol, V. Corell, D., van Heerden, J., Reinhard, D.,？Gherezghiher, T., Olivier, J., Osses, P., Sarsour, J.,？Frost, E., Estrela, M.J., Valiente, J.A., Fessehaye, G.M.,？2012, Fessehaye Fog as a fresh-water resource:？overview and perspectives AMBIO, 41, 221-234 

  23. Knapp, D. I., 1996, Development of a surface visibility？algorithm for worldwide use with mesoscale model？output. In conference of weather analysis and forecasting,？Amer. Meteor. Soc., 15, 83-86. 

  24. KoROAD, 2020, Statistical analysis of traffic accidents,？Report, No. 2020-0202-006, Korea Road traffic？authority, Wonju, Korea 

  25. Lee, Y.-S., Choi, R. K.-Y., Kim, K.-H., Pa?, S. -H., Nam,？H.-J. and Kim, S.-B., 2019, Improvement of automatic？present weather observation with in situ visibility and？humidity measurements, Atmos. Korean. Meteorol.？Soc.m 29(4), 439-450 (in Korean with English abstract) 

  26. Li, B., Du, J., Zhang, X.-P., 2016a, Feature extraction？using maximum nonparametric margin projection,？Neurocomputing, 188, 225-232 

    상세보기

  27. Li, B., Lei, L., Zhang, X.-P., 2016b, Constrained？discriminant neighborhood embedding for high dimensional？data feature extraction, Neurocomputing, 173, 137-144 

    상세보기

  28. Li, B. et al., 2019, Robust dimensionality reduction via？feature space to feature space distance metric learning,？IEEE Trans. Neural Netw., 112, 1-14 

  29. Mun, S. H., Lee, S. H., 2013, A Study on the change of？fog frequency and duration hours in South Korea, J.？Clim. Res. inst., 8(2), 93-104. 

  30. Miao, K.-C., Han, T.-T., Yao, Y.-Q., Lu, H., Chen, P.,？Wang, B., Zhang, J., 2020, Application of LSTM for？short term fog forecasting based on meteorological？elements, Neurocomputing, 408, 285-291 

    상세보기

  31. Montecinos, S., Carvajal, D., Cereceda, P., Concha,？M.,2018, Collection efficiency of fog events Atmos.？Res., 209,163-169 

    상세보기

  32. Park, J. S., Lim, Y. K., Kim, K. R., Cho, C. B., Jang, J.？Y., Kang, M. S., Kim, B. J., 2015, Atmospheric？characteristics of fog incidents at the Nakdong river:？Case study in Gangjeong-Goryung weir, J. Environ. Sci.？Int., 24, 657-670 (in Korean with English abstract) 

  33. Peng, Y., Abdel-Aty, M., Lee, J., Zou, Y., 2018, Analysis？of the impact of fog-related reduced visibility on traffic？parameters J. Transp. Eng. Part A, 144(2), Article？04017077 

  34. Rashmi K. V., Gilad-Bachrach, R., 2015, DART: Dropouts？Meet Multiple Additive Regression Trees in？Proceedings of the 18th International Conference on？Artificial Intelligence and Statistics (AISTATS), San？Diego, CA, USA. JMLR: W&CP vol.38 

  35. Shim, H. N., Lee, Y. H., 2017, Influence of local wind on？occurrence of fog at inland area, Atmos., 27, 213-224？(in Korean with English abstract) 

  36. Shrestha, S., Moore, G.A., Peel, M.C., 2018, Trends in？winter fog events in the Terai region of Nepal Agric.？Forest Meteorol., 259, 118-130 

  37. Sohn, 2010, Binary forecast model for fog occurrence over？South Korea in the sprinttime, J. Korean Data Soc.,？12(2), 949-960 

  38. Tardif, R., 2007, The impact of vertical resolution in the？explicit numerical forecasting of radiation fog: A case？study, Pure Appl. Geophys., 164, 1221-1240 

  39. Tardif, R., Rasmussen, M., 2007, Event-based climatology？and typology of fog in the New York city region, J.？Appl. Meteorol. Climatol., 46, 1141-1168. 

    상세보기

  40. Wu, Y., Abdel-Aty, M., Lee, J., 2018, Crash risk analysis？during fog conditions using real-time traffic data Accid.？Anal. Prev., 114, 4-11 

  41. Wantuch, F., 2001, Visibility and fog forecasting based on？decision tree method, Idojaras, 105, 29-38. 

  42. Zhu, B., 2019, Short_Term Photovoltaic Power Output？Precition Based on k-Fold Cross-Validation and an？Ensemble Model, " MIDPI Ergies 

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