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
학술대회자료
저자정보
정유란 (APEC기후센터) 박경원 (APEC기후센터) 손수진 (APEC기후센터)
저널정보
한국기상학회 한국기상학회 학술대회 논문집 2021년 한국기상학회 가을학술대회 초록집
발행연도
2021.10
수록면
349 - 349 (1page)

이용수

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

초록· 키워드

오류제보하기
계절내 예측 및 자료에 기계학습 및 심층학습을 도입하여 그 예측성 및 기술을 향상하고자 하는 연구가 증가하고 있다. 기계학습 및 딥러닝 기술은 가용할 수 있는 데이터가 많을수록 학습 효과가 좋아지고 그 결과의 신뢰성은 높아진다. 또한 여러 기후모델을 한번에 고려하는 다중모델앙상블(multi-model ensemble, 이하 MME) 기법이 기후 예측의 신뢰성을 증가시킨다고 알려져 있다. 따라서 본 연구에서는 다수 기후모델의 계절내(sub-seasonal to seasonal, 이하 S2S) 예측기후 자료 기반의 훈련 셋에 기계학습 및 심층학습 모델을 적용하여 동아시아 및 한반도 영역의 S2S 예측 일 최고기온의 예측 성능, 특히 3-4주내의 예측성 향상에 기여할 수 있는 심층학습 앙상블 알고리즘을 개발하고자 수행되었다. 학습 모델 구축을 위한 MME 기반 S2S 예측기후 입력 자료는 기준 예측빈도(30일)로부터 6개(ECMWF, NCEP, KMA, UKMO, CMA) 개별 기후모델 ... 전체 초록 보기
#심층학습 #기계학습 #다중모델앙상블 #합성곱신경망 #계절내 예측

목차

등록된 정보가 없습니다.

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

이 논문과 함께 이용한 논문

상태유지 LSTM을 이용한 기온 예측 모델 제작에 대한 연구
이현수 ,  홍성은 ,  방준일 외 2명 한국통신학회 학술대회논문집 2019 .06
PNU CGCM 앙상블 예보 시스템의 겨울철 남한 기온 예측 성능 평가
안중배 ,  이준리 ,  조세라 대기 2018 .12

최근 본 자료

전체보기

댓글(0)

0