• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1347-1348
• /
• 2015

본 논문에서는 기상레이더 데이터에서 섞여있는 강수에코 및 비강수에코를 분류하기 위하여 Interval Type-2 FCM based RBFNN의 도움으로 사례 및 에코 분류기의 설계를 제안한다. 학습과 테스트 데이터는 현재 기상청에서 사용하는 UF radar data를 사용하였으며, 사례 분류기와 에코패턴 분류기의 데이터를 각각 생성한다. 전처리 과정인 사례 분류를 통하여 강수사례 혹은 비강수사례를 분류하여 강수사례일 경우 에코패턴분류를 진행하며, 비강수사례일 경우 데이터에 관측된 모든 반사도 값을 제거한다. 사례 및 에코 분류기는 Interval Type-2 FCM based RBFNN을 통하여 패턴분류를 진행하며, 패턴분류 성능을 확인한다. 또한 후반부 파라미터의 동정 시, 각 규칙에 파라미터를 전역적으로 구하는 LSE와 각 규칙에 대한 파라미터를 독립적으로 구하는 WSLE의 비교연구를 수행한다. 분류기의 성능을 확인하기 위하여 사례 분류 후 에코패턴분류의 결과는 현재 기상청에서 사용하고는 품질검사(QC) 데이터와 비교하여 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.480-480
• /
• 2016

에코톱은 생태학적 지휘체계(Niche)와 서식처(Habitat)가 결합된 환경을 의미하며 도면에서 최소한의 단위로 일반적인 구성요소의 상태, 잠재자연식생, 잠재생태계 기능으로 균일하게 분류가 가능한 요소로서 천이단계 또는 토지이용이 서로 다른 패치들로 이루진 생태공간을 의미한다. 따라서 에코톱과 비오톱은 식물과 동물의 특정 군집에 요구되는 서식공간의 개념에서는 의미가 같지만 비오톱은 서식공간의 일부분 또는 한 개 이상의 생물이 서식가능한 공간의 개념으로 사용된다. 현재 네덜란드, 스페인을 포함한 유럽국가에서는 에코톱분류를 통한 하천을 관리하는 방안을 제시하고 있으며 이에 대한 많은 연구가 진행되고 있다. 본 연구에서는 만경강 중류 소양천 합류점에서 전주천 합류점까지 약 3.5km 구간의 제외지포함 제내지 1km 폭을 대상으로 1918년 고지도 토지피복을 분류하고, 1948년 해방이전 항공사진, 2003년 2014년 항공사진을 활용한 에코톱을 분류하여 이에 대한 에코톱 다양성지수를 추이분석하여 하천으로부터 떨어진 거리 별 에코톱다양성지수 변화를 분석하였다. 분석결과 과거 제방축조 이전인 1918년 에코톱 다양성 지수는 하천으로부터 멀어질수록 안정적으로 감소하였으나 1948년 이후의 하천은 제내지에서부터 지수값이 급격히 감소한 것을 알 수 있었다. 이는 1948년 이후의 만경강은 과거 1918년 하천에 비해 구하도 공간이 농경지 증가, 보설치 등으로 인한 인위적 교란에 의한 감소로 분석되어지며 에코톱다양성과 밀접한 연관이 있는 생물종다양성 역시 감소하였음을 유추할 수 있다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.3
• /
• pp.242-247
• /
• 2015

In this study, we propose the design of Radial Basis Function Neural Network(RBFNN) classifier in order to classify between precipitation and non-precipitation echo. The characteristics of meteorological radar data is analyzed for classifying precipitation and non-precipitation echo. Input variables is selected as DZ, SDZ, VGZ, SPN, DZ_FR, VR by performing pre-processing of UF data based on the characteristics analysis and these are composed of training and test data. Finally, QC data being used in Korea Meteorological Administration is applied to compare with the performance results of proposed classifier.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.5
• /
• pp.562-568
• /
• 2014

There exist precipitation echo and non-precipitation echo in the meteorological radar. It is difficult to effectively issue the right weather forecast because of a difficulty in determining these ambiguous point. In this study, Data is extracted from UF data of meteorological radar used. Input and output data for designing two classifier were built up through the analysis of the characteristics of precipitation and non-precipitation. Selected input variables are considered for better performance and echo classifier is designed using fuzzy relation-based nueral network. Comparative studies on the performance of echo classifier are carried out by considering both echo judgement module 1 and module 2.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.6
• /
• pp.545-550
• /
• 2013

In pattern recognition field, data classification is an essential process for extracting meaningful information from data. Adaptive boosting algorithm, known as AdaBoost algorithm, is a kind of improved boosting algorithm for applying to real data analysis. It consists of weak classifiers, such as random guessing or random forest, which performance is slightly more than 50% and weights for combining the classifiers. And a strong classifier is created with the weak classifiers and the weights. In this paper, a research is performed using AdaBoost algorithm for detecting chaff echo which has similar characteristics to precipitation echo and interrupts weather forecasting. The entire process for implementing chaff echo classifier starts spatial and temporal clustering based on similarity with weather radar data. With them, learning data set is prepared that separated chaff echo and non-chaff echo, and the AdaBoost classifier is generated as a result. For verifying the classifier, actual chaff echo appearance case is applied, and it is confirmed that the classifier can distinguish chaff echo efficiently.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.4
• /
• pp.360-365
• /
• 2014

There are many types of advanced devices for weather prediction process such as weather radar, satellite, radiosonde, and other weather observation devices. Among them, the weather radar is an essential device for weather forecasting because the radar has many advantages like wide observation area, high spatial and time resolution, and so on. In order to analyze the weather radar observation result, we should know the inside structure and data. Some non-precipitation echoes exist inside of the observed radar data. And these echoes affect decreased accuracy of weather forecasting. Therefore, this paper suggests a method that could remove line-shaped non-precipitation echo from raw radar data. The line-shaped echoes are distinguished from the raw radar data and extracted their own features. These extracted data pairs are used as learning data for naive bayesian classifier. After the learning process, the constructed naive bayesian classifier is applied to real case that includes not only line-shaped echo but also other precipitation echoes. From the experiments, we confirm that the conclusion that suggested naive bayesian classifier could distinguish line-shaped echo effectively.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.434-434
• /
• 2018

에코톱은 가장 작고 균일하며 도면의 단위로 사용 가능한 토지, 일반적인 구성요소의 상태, 잠재자연식생, 잠재생태계 기능을 최소한의 단위로 균일하게 분류가 가능한 요소로서 천이단계 또는 토지이용이 서로 다른 패치들로 이루어진 무생물과 생물이 결합된 생태공간으로서 일반적으로 세가지 특성을 포함한다. (1) 가장 작은 동질성 가진 지도로 분류 가능한 단위, (2) 일반적인 기질조건, 잠재적 자연식생 및 잠재적 생태계 기능에 대한 동질성, 그리고 (3) 서로 다른 연속적인 토지 이용 단계에서의 패치로 구성 된다. 현재 네덜란드, 스페인을 포함한 유럽국가에서는 에코톱분류를 통한 하천을 관리하는 방안을 제시하고 있으며 이에 대한 많은 연구가 진행되고 있다. 본 연구에서는 만경강 중류 소양천 합류점의 터지네 구간을 대상으로 하천공간의 복원 이후 연중유황에 따른 에코톱의 변화를 예측하고 이에 따른 개선효과를 정량적으로 분석하는 것이 목적이다. 제방 후퇴, 제방후퇴/구하도 복원, 제방 후퇴/습지 조성 세가지 복원 시나리오를 현재지형과 비교하여 연중 유황별 흐름조건에 따라 에코톱을 도식화 하였으며, 이에 따른 에코톱 다양성 지수를 도출하여 비교분석하였다. 복원 대상지의 복원 시나리오 및 흐름조건에 따른 에코톱의 변화를 분석한 결과 '제방 후퇴/구하도 복원' 일 때 자연요소가 현재지형보다 가장 크게 증가되었으며 3가지 복원 유형 간 자연요소를 비교한 결과 '제방 후퇴/구하도 복원' 일 때 수역과 일년생 초본이 가장 많은 면적을 차지하였으며, '제방 후퇴/습지 조성' 일 때 습지와 다년생 초본이 가장 많은 면적을 차지하였다. 복원 유형 별 연중 유황 조건에 따른 에코톱 다양성 지수분석결과 제방후퇴/습지 조성시 에코톱 다양성 개선효과가 가장 큰 것으로 나타났다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.5
• /
• pp.536-541
• /
• 2014

Data through meteorological radar includes ground echo, sea-clutter echo, anomalous propagation echo, clear echo and so on. Each echo is a kind of non-precipitation echoes and the characteristic of individual echoes is analyzed in order to identify with non-precipitation. Meteorological radar data is analyzed through pre-processing procedure because the data is given as big data. In this study, echo pattern classifier is designed to distinguish non-precipitation echoes from precipitation echo in meteorological radar data using RBFNNs and echo judgement module. Output performance is compared and analyzed by using both HCM clustering-based RBFNNs and FCM clustering-based RBFNNs.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.05a
• /
• pp.89-90
• /
• 2016

Anomalous propagation echo is a kind of abnormal radar signal occurred by irregularly refracted radar beam caused by temperature or humidity. The echo frequently appears in ground-based weather radar. In order to improve accuracy of weather forecasting, it is important to analyze radar data precisely. Therefore, there are several ongoing researches about identifying the anomalous propagation echo all over the world. This paper conducts researches about a classification method which can distinguish anomalous propagation echo in the radar data using naive Bayes classifier and unique attributes of the echo such as reflectivity, altitude, and so on. It is confirmed that the fine classification results are derived by verifying the suggested naive Bayes classifier using actual appearance cases of the echo.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.277-277
• /
• 2012

국립기상연구소(National Institute of Meteorological Research; NIMR)는 기상청 이중편파 레이더 현업운영에 대비하여 2009년 X-band 연구용 이중편파 레이더를 도입하였고, 편파변수의 산출과 대기수상체 분류를 포함한 강수추정 등의 효용 가능성에 대한 연구를 지난 2년간 수행하고 있다. 이중편파 레이더는 반사도( )뿐만 아니라 차등반사도($Z_R$), 비차등 위상($K_{DP}$), 상관계수($_v$)등의 편파 변수의 산출로 강우감쇠보정과 기상에코-비기상의 에코(ground clutter, insects, birds, chaff)의 구별이 가능하다. 이러한 장점들을 이용해 레이더 자료품질 개선과 정량적 강수추정의 상당한 개선에 도움이 된다. 본 연구에서는 강수추정 관계식 R-Z, 감쇠 보정된 R-Z, R-$K_{DP}$ 관계식을 이용하여 레이더 관측 반경 내에 존재 하는 81개의 지상 우량계 자료와 강수량 추정의 정확도 비교 검증을 실시하였다. 그리고 Fuzzy logic 기법을 이용한 대기수상체 분류 알고리즘을 사용하였고 관측사례는 2011년 수도권 관측을 통해 강설/강수 에코 구별과 우박에코 사례를 분석하였다. 본 연구를 통해 이중 편파 레이더에서 산출된 고품질의 레이더기상자료를 기반으로 현업 예보지원 및 정량적 강우예측 향상에도 기여할 것으로 사료된다.