• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.117-120
• /
• 2006

Heavy rainfall events are occurred exceedingly various forms by a complex interaction between synoptic, dynamic and atmospheric stability. As the results, quantitative precipitation forecast is extraordinary difficult because it happens locally in a short time and has a strong spatial and temporal variations. GOES-9 imagery data provides continuous observations of the clouds in time and space at the right resolution. In this study, an power-law type algorithm(KAE: Korea auto estimator) for estimating rainfall based on the rainfall type was developed using geostationary meteorological satellite data. GOES-9 imagery and automatic weather station(AWS) measurements data were used for the classification of rainfall types and the development of estimation algorithm. Subjective and objective classification of rainfall types using GOES-9 imagery data and AWS measurements data showed that most of heavy rainfalls are occurred by the convective and mired type. Statistical analysis between AWS rainfall and GOES-IR data according to the rainfall types showed that estimation of rainfall amount using satellite data could be possible only for the convective and mixed type rainfall. The quality of KAE in estimating the rainfall amount and rainfall area is similar or slightly superior to the National Environmental Satellite Data and Information Service's auto-estimator(NESDIS AE), especially for the multi cell convective and mixed type heavy rainfalls. Also the high estimated level is denoted on the mature stage as well as decaying stages of rainfall system.

• 한국환경과학회지
• /
• 제25권11호
• /
• pp.1511-1519
• /
• 2016

Jeju Island relies on subterranean water for over 98% of its water resources, and it is therefore necessary to continue to perform studies on drought due to climate changes. In this study, the representative standardized precipitation index (SPI) is classified by various criteria, and the spatial characteristics and applicability of drought in Jeju Island are evaluated from the results. As the result of calculating SPI of 4 weather stations (SPI 3, 6, 9, 12), SPI 12 was found to be relatively simple compared to SPI 6. Also, it was verified that the fluctuation of SPI was greater fot short-term data, and that long-term data was relatively more useful for judging extreme drought. Cluster analysis was performed using the K-means technique, with two variables extracted as the result of factor analysis, and the clustering was terminated with seven-time repeated calculations, and eventually two clusters were formed.

• Ecology and Resilient Infrastructure
• /
• 제7권3호
• /
• pp.199-207
• /
• 2020

전 세계적으로 홍수, 가뭄, 열파 등 기상재해가 빈발하는 환경에서 도시공원은 휴식, 문화, 생태적 기능뿐만 아니라 도시민의 안전을 위한 기능도 제공해야 한다. 본 연구는 도시 내 기후변화에 대응하는 녹색 공간인 생활권 공원에 복합기능을 확보하는 목적으로 도시인의 안전을 위한 도시방재공원의 분류체계를 제안하였다. 문헌 조사를 통해 분석지표를 추출하고, 대상지 현장조사 및 관련자 인터뷰를 통해 분류체계를 검증하였다. 평가를 위한 대분류는 도시공원의 입지, 공간구성, 방재복합시설 3가지로 구분하고, 실증 분석을 통하여 도출된 문제점에 대한 개선방향을 제안하였다.

• 천문학회보
• /
• 제39권1호
• /
• pp.75.2-75.2
• /
• 2014

We have developed a set of daily solar flare peak flux forecast models using the multiple linear regression (MLR), the auto regression (AR), and artificial neural network (ANN) methods. We consider input parameters as solar activity data from January 1996 to December 2013 such as sunspot area, X-ray flare peak flux, weighted total flux $T_F=1{\times}F_C+10{\times}F_M+100{\times}F_X$ of previous day, mean flare rates of a given McIntosh sunspot group (Zpc), and a Mount Wilson magnetic classification. We compute the hitting rate that is defined as the fraction of the events whose absolute differences between the observed and predicted flare fluxes in a logarithm scale are ${\leq}$ 0.5. The best three parameters related to the observed flare peak flux are as follows: weighted total flare flux of previous day (r=0.5), Mount Wilson magnetic classification (r=0.33), and McIntosh sunspot group (r=0.3). The hitting rates of flares stronger than the M5 class, which is regarded to be significant for space weather forecast, are as follows: 30% for the auto regression method and 69% for the neural network method.

• 전자공학회논문지
• /
• 제51권2호
• /
• pp.23-29
• /
• 2014

지능형 교통 시스템(Intelligent Transportation Systems)의 첨단 교통 관리 시스템(Advanced Traffic Management System)은 고화질 카메라, 고성능 레이더 센서와 같은 향상된 인프라를 통하여 도로 상의 차량 속도, 통행량, 돌발 상황 등의 교통 상황을 실시간으로 분석하며 관련 업무를 자동화하고 있다. 특히 도로 이용자의 안전을 위해서는 돌발 상황 자동 검지 및 2차 사고 방지를 위한 시스템이 필요하다. 이러한 유고 검지 및 관리 시스템에서는 CCTV 기반 영상 검지와 레이더를 이용한 물체검지가 주로 사용된다. 본 논문은 다중 감시용 카메라를 사용한 실시간 고속도로 돌발 상황 검지 시스템에서 모자이크(mosaic) 동영상을 구성하는 방법과 다양한 각도에서 촬영된 움직이는 객체를 보다 정확하게 추적할 수 있는 배경 모델링에 기반한 알고리즘을 제안하였다. 실험결과 영상검지는 레이더검지의 근거리 음영 영역과 원거리 검지한계 영역을 보완해 줄 수 있을 뿐만 아니라 악천후를 제외한 주간 검지에서 보다 나은 분류 특징들을 갖고 있음을 확인 할 수 있었다.

• 한국항행학회논문지
• /
• 제25권6호
• /
• pp.576-581
• /
• 2021

고농도의 경우 저농도와 비교하였을 때, 발생 빈도수의 차이와 발생 환경에 대한 차이로 예측 성능의 한계를 두드러지게 보이고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 인공신경망 알고리즘을 이용하여 저농도와 고농도로 분류하고 구분된 농도별로 특성을 학습시킨 두 가지 예측 모델을 통해 예측을 수행하는 모델을 제안하였다. 저농도와 고농도를 분류하기 위해 DNN 기반의 분류 모델을 설계하고 분류모델을 통해 구분된 저농도와 고농도를 기준으로 농도별 특성을 반영하기 위한 저농도 예측 모델과 고농도 예측 모델을 설계하였다. 농도별 예측 모델의 성능 평가 결과, 저농도 예측 정확도가 90.38%, 고농도 예측 정확도는 96.37% 의 예측 정확도를 보였다.

• 한국농림기상학회지
• /
• 제19권4호
• /
• pp.232-245
• /
• 2017

본 연구에서는 지표이용도 특성이 반영된 고해상도 기상예측모델 도시캐노피모형(WRF-UCM)의 수치모의 실험을 통해 도심과 전원 지역 기상변수 및 에너지수지 변화 경향에 대하여 분석하였다. UCM을 적용하지 않은 WRF 모의 결과를 규준실험으로 설정하였으며, 거칠기 길이 변화와 인공열 고려에 따라 총 4가지 실험을 비교하여 분석하였다. UCM을 적용한 실험에서 거칠기 길이의 수정 전과 후의 기온과 풍속의 변화가 크게 나타나지 않았으나, 인공열을 고려한 UCM의 모의 기온과 풍속은 고려하기 전보다 크게 차이가 나타났다. 모의 실험 간의 차이는 전원 지역보다 도시 지역에서 더 크게 나타났다. 자동기상관측(AWS) 기온 관측 자료에 대하여 UCM에 인공열을 고려한 결과의 평방근오차(RMSE)가 가장 적었다. 또한, 차세대도시농림융합기상사업단의 중랑 에너지수지관측소지점의 현열플럭스 관측자료에 대한 검증 수치는 인공열을 고려하여 UCM을 적용한 실험의 RMSE와 BIAS 값이 가장 낮았다. 인공열을 고려한 UCM 적용이 도심의 현열플럭스 모의 향상에 영향을 주었다. 또한, UCM을 적용한 후 도시 지역 잠열플럭스의 변화 모의를 분석할 수 있었으며, 도심과 전원 지역 모두 UCM 적용 후에 관측 값과 더 가까운 검증 수치를 나타냈다. 결과적으로 WRF 모델에 UCM의 적용이 지표플럭스 모의 향상에 기여하는 것으로 나타났다.

• 신재생에너지
• /
• 제2권2호
• /
• pp.37-43
• /
• 2006

In this paper, the first forecasting system of wind power generation, KIER Forecaster is presented. KIER Forecaster has been constructed based on statistical models and was trained with wind speed data observed at Gosan Weather Station nearby Walryong Site. Due to short period of measurements at Walryong Site for training the model, Gosan wind data were substituted and transplanted to Walryong Site by using Measure-Correlate-Predict(MCP) technique. The results of One to Three-hour advanced forecasting models are consistent with the measurement at Walryong site. In particular, the multiple regression model by classification of wind speed pattern, which has been developed in this work, shows the best performance comparing with neural network and auto-regressive models.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.660-663
• /
• 2006

Rainfall estimation is important to weather forecast, flood control, hydrological plan. The empirical and statistical methods by measured data(surface rain gauge, rainfall radar, Satellite) is commonly used for rainfall estimation. In this study, the rainfall intensity for East Asia region was estimated using the empirical relationship between SSM/I data of DMSP satellite and brightness temperature of GEOS-9(10.7${\mu}m$) with cloud types(ISCCP and MSG classification). And the empirical formula for rainfall estimation was produced by PMM (Probability Matching Method).

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2009년도 정보통신설비 학술대회
• /
• pp.382-386
• /
• 2009

Online or sequential learning is one of the most basic and powerful method to train neuron network, and it has been widely used in disease detection, weather prediction and other realistic classification problem. At present, there are many algorithms in this area, such as MRAN, GAP-RBFN, OS-ELM, SVM and SMC-RBF. Among them, SMC-RBF has the best performance; it has less number of hidden neurons, and best efficiency. However, all the existing algorithms use signal normal distribution as kernel function, which means the output of the kernel function is same at the different direction. In this paper, we use multi-variable normal distribution as kernel function, and derive EKF learning formulas for multi-variable normal distribution kernel function. From the result of the experience, we can deduct that the proposed method has better efficiency performance, and not sensitive to the data sequence.