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
Kim, Hee-Un (Sejong University) Bae, Tae-Suk (Sejong University)
저널정보
한국측량학회 한국측량학회지 한국측량학회지 제35권 제5호
발행연도
2017.10
수록면
423 - 429 (7page)

이용수

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

초록· 키워드

오류제보하기
Recently, data analysis research has been carried out using the deep learning technique in various fields such as image interpretation and/or classification. Various types of algorithms are being developed for many applications. In this paper, we propose a precipitation prediction algorithm based on deep learning with high accuracy in order to take care of the possible severe damage caused by climate change. Since the geographical and seasonal characteristics of Korea are clearly distinct, the meteorological factors have repetitive patterns in a time series. Since the LSTM (Long Short-Term Memory) is a powerful algorithm for consecutive data, it was used to predict precipitation in this study. For the numerical test, we calculated the PWV (Precipitable Water Vapor) based on the tropospheric delay of the GNSS (Global Navigation Satellite System) signals, and then applied the deep learning technique to the precipitation prediction. The GNSS data was processed by scientific software with the troposphere model of Saastamoinen and the Niell mapping function. The RMSE (Root Mean Squared Error) of the precipitation prediction based on LSTM performs better than that of ANN (Artificial Neural Network). By adding GNSS-based PWV as a feature, the over-fitting that is a latent problem of deep learning was prevented considerably as discussed in this study.
#Deep Learning #Global Navigation Satellite System #Precipitable Water Vapor #Meteorological Factors #Precipitation Prediction

목차

Abstract
1. Introduction
2. Methodology
3. Results and Analysis
4. Summary and Conclusion
References

참고문헌 (15)

참고문헌 신청
Baek, J.H., Lee, J.W., Choe, B.G., and Cho, J.H. (2007), Processing strategy for near real time GPS precipitable water vapor retrieval, The Korean Space Science Society, Vol. 24, No. 4, pp. 275-284. (in Korean with English abstract) Bengio, Y., Courville, A., and Vincent, P. (2013), Representation learning: A review and new perspectives, IEEE transactions on pattern analysis and machine intelligence, Vol. 35, No. 8, pp. 1798-1828. Bevis, M., Businger, S., Herring, T.A., Rocken, C., Anthes, R.A., and Ware, R.H. (1992), GPS meteorology: Remote sensing of atmospheric water vapor using the global positioning system, Journal of Geophysical Research, Vol. 97, No. 14, pp. 15787-15801. Davis, J.L., Herring, T.A., Sharpiro, I.I., Rogers, A.E.E., and Elgered, G. (1985), Geodesy by radio interferometry: effects of atmospheric modeling errors on estimates of baseline length, Radio Science, Vol. 20, No. 6, pp. 1593- 1607. Elgered, G., Davis, J.L., Herring, T.A., and Shapiro, I.I. (1991), Geodesy by radio interferometry: Water vapor radiometry for estimation of the wet delay, Journal of Geophysical Research, Vol. 96, No. B4, pp. 6541-6555.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

머신 러닝 기반 위성 영상을 이용한 낙동강의 Chlorophyll-a 농도 추정
김동환 ,  염재홍 한국측량학회 학술대회자료집 2018 .04
Downscaling of MODIS Land Surface Temperature to LANDSAT Scale Using Multi-layer Perceptron
Choe ,  Yu-Jeong ,  Yom 외 1명 한국측량학회지 2017 .08
머신러닝 기반 도시열섬 Geovisual Analytics 프로토타입 시스템 설계
이건우 ,  김동환 ,  염재홍 한국측량학회 학술대회자료집 2017 .04
머신 러닝 기반 위성영상의 지표면 온도 정확도 향상 : 구름 영향을 중심으로
최유정 ,  백창선 ,  염재홍 한국측량학회 학술대회자료집 2017 .04
기상인자와 RNN을 이용한 딥러닝 기반의 강수예측
김희언 ,  배태석 ,  신지민 한국측량학회 학술대회자료집 2017 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-533-001414489