LSTM을 이용한 해수면 및 고수온 예측 성능 개선 기법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Kim, Min Kyu | - |
dc.contributor.author | Choi, Hey Min | - |
dc.contributor.author | Yang, Hyun | - |
dc.date.accessioned | 2022-01-04T00:30:05Z | - |
dc.date.available | 2022-01-04T00:30:05Z | - |
dc.date.created | 2022-01-03 | - |
dc.date.issued | 2021-12-20 | - |
dc.identifier.uri | https://sciwatch.kiost.ac.kr/handle/2020.kiost/42005 | - |
dc.description.abstract | 본 연구에서는 고수온 현상으로 인한 경제적 피해를 방지하기 위해 다양한 기상데이터를 이용하여 해수면 및 고수온 예측 모델의 성능을 개선시키는 기법을 다룬다. 고수온은 해양 수산부가 실행하는 고수온 특보제에 따라 해수면 온도가 이상인 경우로 선정하였다. 고수온을 예측하기 위해 기본적으로 시계열 데이터를 다루는데 특화된 Long Short-Term Memory (LSTM) 모델이 사용하였다. 기존 연구로 해수면 온도 (SST ; Sea Surface Temperature)를 예측하기 위해서는 단순히 SST 데이터를 이용하였지만 이러한 방법은 예측하고자 하는 지역의 기상환경을 반영하지 못해 예측성능이 저하되는 문제점을 가지고 있다. 따라서 본 연구에서는 SST 데이터를 포함한 해수면 온도에 영향을 끼치는 다양한 기상 데이터를 훈련에 반영하여 고수온 예측 모델을 생성하는 방법을 제안한다. 본 연구에서 제안한 방법의 우수성을 입증하기 위해 측면에서 기존 연구와 해수면 온도 예측 성능을 비교하였고, Receiver Operating Characteristic Spatial analysis (ROC) 공간분석과 측면에서 고수온 예측 성능을 비교 분석하였다. 본 연구에서 제안한 방법을 적용한 결과 해수면 및 고수온 예측 성능이 기존 방법보다 우수함을 알 수 있었고, 기상 데이터가 예측 성능을 개선시키는데 주 된 요인임을 확인하였다. | - |
dc.description.uri | 2 | - |
dc.language | Korean | - |
dc.publisher | 한국정보과학회 | - |
dc.relation.isPartOf | 2021 한국소프트웨어종합학술대회 논문집 | - |
dc.title | LSTM을 이용한 해수면 및 고수온 예측 성능 개선 기법 | - |
dc.title.alternative | Method for Improving Sea Surface Temperature and High Water Tempereature Prediction Performance using LSTM | - |
dc.type | Conference | - |
dc.citation.conferenceDate | 2021-12-20 | - |
dc.citation.conferencePlace | KO | - |
dc.citation.conferencePlace | 휘닉스 평창 호텔 | - |
dc.citation.title | 2021 한국소프트웨어종합학술대회(KSC2021) | - |
dc.contributor.alternativeName | 김민규 | - |
dc.contributor.alternativeName | 최혜민 | - |
dc.contributor.alternativeName | 양현 | - |
dc.identifier.bibliographicCitation | 2021 한국소프트웨어종합학술대회(KSC2021) | - |
dc.description.journalClass | 2 | - |