정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document : 10 / 43
이전건
다음건 
| 한글제목(Korean Title) |
LSTM을 이용한 해양시정 예측 방법 |
| 영문제목(English Title) |
A Method of Estimating Sea Visibility using LSTM |
| 저자(Author) |
조우진
강동수
Woojin Cho
Dongsu Kang
|
| 원문수록처(Citation) |
VOL 27 NO. 10 PP. 0471 ~ 0478 (2021. 10) |
한글내용
(Korean Abstract) |
해양시정은 항공기 이착륙, 항해, 해양레저 활동에 직접적인 영향을 미친다. 본 연구는 시정을 예측하기 위해 머신러닝 방법인 LSTM(Long Short-Term Memory)를 이용한다. 기상 데이터는 2012년부터 2017년까지 서해 덕적도의 군사 분야와 민간 분야 기상 데이터를 수집하여 전처리한다. 전체 6년의 기간 중 5년은 LSTM 모델에 학습시키고, 남은 1년은 검증 데이터로 사용한다. 그리고, 기존 예측에서 사용하였던 인자인 시정, 풍속, 기압, 습도, 기온 인자에 해수면온도와 해기차를 추가하여 성능 차이를 비교한다. 실험 결과는 실제값과 예측값의 차이가 수치적으로 적은 값을 보인다. |
영문내용
(English Abstract) |
Sea visibility directly affects aircraft takeoff and landing, navigation, and marine leisure activities. In this paper, we used the Long Short-Term Memory (LSTM) of machine learning method to predict sea visibility. We collected and then preprocessed the weather data of the Deokjeok Island in the West Sea from 2012 to 2017 in the military and civilian sectors. The LSTM model was trained for five years of the entire six-year period, and the remaining one year was used as verification data. We compared performance differences by adding sea surface temperature and air-sea temperature difference to factors used in existing predictions such as visibility, wind speed, atmospheric pressure, humidity, and temperature. The experimental results showed that the difference between the actual and predicted values was numerically small. |
| 키워드(Keyword) |
해양시정
LSTM
시정 영향인자. 해수면 온도
해기차
sea visibility
LSTM
visibility influencing factors
sea surface temperature
air-sea temperature difference
|
| 파일첨부 |
PDF 다운로드
|
