상세 보기
기상관측데이터를 이용한 딥러닝 기반의 시계열 대기 굴절률 예측
Deep Neural Network-Based Time Series Atmospheric Refractivity Prediction Model Using Meteorological Observation Data
- 양준모;
- 허준;
- 김정훈;
- 박영주;
- 추호성;
- 외 1명
초록
본 논문은 과거의 시계열 데이터를 학습하여 미래 시점의 값을 예측하는 딥러닝 모델의 방법론을 제시하고, 경기도오산의 기상관측소에서 특정 기간동안 수집된 11,942개의 과거 기상관측데이터를 활용하여 미래 시점의 대기 굴절률을예측한다. 경기도 오산 기상관측소에서 2023년 8월 4일 9시, 2023년 8월 5일 9시의 대기 굴절률을 예측한 결과, 제안된모델과 ARIMA의 평균 MAPE는 각각 2.75 %, 7.61 %의 값을 갖는다.
키워드
Meteorological Data; Atmospheric Radio Refractivity; Deep Neural Network; Long Short-Term Memory; -
- 제목
- 기상관측데이터를 이용한 딥러닝 기반의 시계열 대기 굴절률 예측
- 제목 (타언어)
- Deep Neural Network-Based Time Series Atmospheric Refractivity Prediction Model Using Meteorological Observation Data
- 저자
- 양준모; 허준; 김정훈; 박영주; 추호성; 박용배
- 발행일
- 2023-11
- 저널명
- 한국전자파학회 논문지
- 권
- 34
- 호
- 11
- 페이지
- 860 ~ 863