메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국기상학회 Asia-Pacific Journal of Atmospheric Sciences 한국기상학회지 제41권 제6호
발행연도
2005.12
수록면
1,067 - 1,076 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2006

MOS 기법을 활용한 접합 대순환 모형의 겨울철 기온 예측성 향상 연구
황윤정 ,  안중배 한국기상학회 학술대회 논문집 2006.10 학술대회자료

2005

기후 표류된 CME/PNU CGCM 겨울철 기온의 인공신경망 보정 연구
황윤정 ,  안중배 Asia-Pacific Journal of Atmospheric Sciences 2005.12 학술저널
접합 대순환 모형이 예측한 겨울철 기온에 대한 인공 신경망 보정 연구
황윤정 ,  안중배 한국기상학회 학술대회 논문집 2005.04 학술대회자료

초록· 키워드

오류제보하기
In this study, the systematic error such as climate drift of CME/PNU CGCM (CCM3-MOM3-Sea ice/Pusan National University Coupled General Circulation Model) has been corrected using Artificial Neural Network (ANN) model and the corrected results are cross-validated and compared with observation. The predictability of wintertime temperature of the cross-validated ANN-corrected CGCM has been evaluated. For this analyses, hindcast experiment has been performed for the period of 1971 ~ 2004 with CME/PNU CGCM. In this study, wintertime temperature of the CGCM hindcast results for the period of 1971/72~2001/02 are selected as predictand. Surface air temperature, precipitation, 850h㎩ temperature and 500-1000h㎩ thickness of the CGCM are used as input variables or predictors of the ANN model. Based on this, ANN model is built after proper iteration. The connection weight and the number of neuron are determined through many trial-error type experiments. The correlation analysis shows that the CGCM result is significantly correlated with observation at the 95% confidence level over the tropical ocean, but is not significant statistically over the other regions. In the meantime, the correlation coefficient between the ANN cross-validated result and observation is, however, very significant at the 95% confidence level over global. It also shows that the ANN cross-validated result has much smaller RMSE compare to the no-corrected CGCM indicating the ANN corrected result similar to the observation. The time series of winter temperature anomalies show significant correlation between observation and the CGCM as well as the ANN cross-validated result for DJF. Scores based on trisectional forecast, hit and false alarm rates indicate that the ANN cross-validated results have a distinguished predictability. Bases on the study, it is concluded that ANN model successfully reduces the systematic error of the CGCM and enhances predictability through the improvement of the CGCM result. Therefore ANN model can be an useful tool to correct bias of the CGCM.
#Artificial Neural Network #CGCM #predictability #long-term prediction correction

목차

Abstract
1. 서론
2. 모형의 개요 및 검증 자료
3. 결과 분석
4. 요약 및 결론
사사
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-453-016238906