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
이권호 (국립강릉원주대학교)
저널정보
한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제39권 제6호
발행연도
2023.12
수록면
968 - 984 (17page)
DOI
10.5572/KOSAE.2023.39.6.968

이용수

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

이 논문의 연구 히스토리 (2)

2023

강릉 지역의 주야간 에어로솔 광학 특성과 머신러닝을 이용한 예측
이권호 한국대기환경학회지(국문) 2023.12 학술저널
주야간 에어로솔 광학 특성 관측 현황 및 머신러닝 기반의 시계열 예측
이권호 한국대기환경학회 학술대회논문집 2023.10 학술대회자료

초록· 키워드

오류제보하기
This study reports the results of a statistical analysis of day and night aerosol optical properties measured from the Cimel CE318-T sun-lunar-photometer operated at Gangneung-Wonju National University (37.771°N, 128.867°E) from January 2015 to December 2022. Aerosol observations during the day and night are an important means of monitoring aerosols during the diurnal cycle, and we aimed to use these observations to the study of regional aerosol properties. In addition, since long-term observations can be used to predict current and future variations through machine learning-based time series analysis technique, the optimal modeling technique was determined and future predictions were presented. Statistical analysis of the day and night observations showed that daily and seasonal aerosol optical depth at 500 nm wavelength (AOD<SUB>500</SUB>) and angstrom exponent at 440 nm and 675 nm wavelengths (AE<SUB>440_675</SUB>) are characterized by similar patterns, respectively. More specifically, the AOD<SUB>500</SUB> and AE<SUB>440_675</SUB> datasets observed at night range approximately 5.7% and 1.9% higher than the observed during day. Additionally, for modeling time series analysis with long-term aerosol observations, the computation of auto regressive moving average models among machine learning techniques was applied and evaluated by analyzing the differences in the results. Pairwise comparisons, correlation coefficients, root mean square errors, and mean bias also supported the reliability of the data. The results also showed that the Seasonal AutoRegressive Integrated Moving Average with Exogenous Variables (SARIMAX) model was the most accurate, and future predictions were compared.
#Machine learning #Lunarphotometer #Aerosol optical depth #Angstrom exponent #Sunphotometer

목차

Abstract
1. 서론
2. 자료 및 방법
3. 결과 및 고찰
4. 요약 및 결론
References

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

대기오염물질의 실시간 단기 예측을 위한 머신러닝 기법의 적용 및 평가
김영일 ,  이권호 ,  박승한 한국대기환경학회지(국문) 2023 .02
미세먼지 농도 예측을 위한 머신러닝 기법의 정확도 분석
김영일 ,  이권호 한국대기환경학회지(국문) 2023 .04
인공위성을 활용한 대기질 연구
이권호 ,  배민석 한국대기환경학회지(국문) 2023 .10
지상원격관측 (AERONET)을 통한 한반도 주변 에어로솔 광학특성 분석
김병곤 ,  김유준 ,  은승희 한국대기환경학회지(국문) 2008 .12
PM2.5 공간 농도 분포 예측을 위한 Conv-LSTM 기반 AI 모델 개발
정민우 ,  이주용 ,  왕경희 외 7명 한국대기환경학회지(국문) 2025 .02

최근 본 자료

전체보기

댓글(0)

0