기계학습을 적용한 고해상도 강우량 추정에 관한 연구
Study on Rainfall Estimation of High Resolution Using Machine Learning
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
다양한 기후변화 중 국지성 호우는 인명 피해 및 막대한 재산상의 피해를 유발하는 위험 기상이다. 기후변화에 따른 국지성호우는 정확한 예측이 우선되어야 한다. 현재 5km 해상도의 동네예보 서비스는 스톰 규모(200m~1km)에서 발생하는 국지성 호우를 예측하는데 한계가 있다. 다운스케일링을 위해 기상분야에서는 공간보간법을 활용하고 있으나 강우의 특성상 강우량 추정 정확도가 낮은 실정이다. 본 논문에서는 강우량 추정 정확도 향상을 위해 공간보간법과 기계학습 알고리즘을 대상으로 강우량을 추정하고 정확도를 비교분석하여 기상분야의 다운스케일링 기법으로 기계학습 알고리즘을 적용하고자 한다. 이를 위해 강우가 관측된 2015년 8월 16일 16시부터 20시까지의 자동기상관측장비 데이터를 활용하여 사례 분석을 수행하였다. 비교분석을 위한 검증방법은 RMSE, R-square, Correlation Coefficient, CSI, BIAS를 사용하였으며, 그 결과, 기계학습의 배깅 알고리즘이 가장 높은 정확도로 강우량을 추정함을 확인할 수 있었다.
Abstract
Occurred rainfall as local torrential rainfalls among the climate change has a decisive effect on life. Rainfall is closely related to the living of people, its exact prediction is important to us. In this paper, we have improved the estimation accuracy of rainfall by comparing the applicable interpolation algorithms of meteorological field. The comparison algorithms are Kriging, MLP(Multi-Layer Perceptron), SVR(Support Vector Regression), Random Forest and Bagging. For the experiment, we used the AWS(Automatic Weather System) data which exists the event of rain on August 16th, 2015, 16:00~20:00. The AWS data is collected by a 1-minute cycle, the attributes related to rainfall include precipitation type, accumulated rainfall such as 10 minutes, 15 minutes, 30 minutes, and 1 day, etc. The dataset consists of training data and test data in 255 observation stations, Seoul. 230 stations are used as training data, the remaining stations are used as test data. Validation methods such as RMSE, R-square, Correlation Coefficient, CSI(Critical success index) and BIAS(frequency BIAS) were used to compare the algorithms. CSI and BIAS were measured for precision of rainfall and calculated using the rain contingency table. Our experimental results showed that bagging algorithm performed better than the others in estimating the rainfall information.
참고문헌 (16)
- 정혁, "고도를 고려한 공간보간기법이 대유역 강우량 산정시 미치는 영향 연구", 한국농공학회논문집, 53(6), pp.23~29 (2011), 한국농공학회
- K-S. Lee, "Spatial estimation of point observed environmental variables: A case study for producing rainfall acidity map", Journal of the Korean Society of Remote Sensing, 11(3), pp.33~47 (1995)
- N. F. Glenn, "The use of geostatistics in relating soil moisture to RADARSAT-1 SAR data obtained over the great basin, Nevada, USA", Computers & Geosciences, 29(29), pp.577~586 (2003)
- G. C. Simbahan, "Fine-resolution mapping of soil organic carbon based on multivariate secondary data", Geoderma, 132(3-4), pp.471~489 (2006)
- 조홍래, "강우자료에 대한 공간보간 기법의 적용", Spatial Information Research, 14(1), pp.29~41 (2006), 한국공간정보학회
- 박노욱, "수치표고모델과 다변량 크리깅을 이용한 기온 및 강수 분포도 작성", 대한지리학회지, 43(6), pp.1002~1015 (2008), 대한지리학회
- 박종철, "공동 크리깅을 이용한 강수 분포도 작성에서 지형 사면방향 변수 사용에 대한 연구 : 제주도를 사례지역으로", 한국지형학회지, 16(3), pp.59~66 (2009), 한국지형학회
- 이슬기, "인공신경망을 이용한 도시기온 예측모형 구축", 국토계획, 46(1), pp.129~142 (2011), 대한국토·도시계획학회
- R. J. Kuligowski, "Localized precipitation forecasts from a numerical weather prediction model using artificial neural networks", weather and forecasting, 13, pp.1194~1204 (1998)
- T. Hall, "Precipitation forecasting using a neural network", weather and forecasting, 14, pp.338~345 (1999)
- K. C. Luk, "An application of artificial neural Networks for rainfall forecasting", Mathematical and Computer Modelling, 33(6-7), pp.683~693 (2001)
- 이용희, "마이크로 유전알고리즘을 이용한 2014년 여름철 Z-R 관계식 최적화", 한국지능시스템학회 논문지, 26(1), pp.1~8 (2016), 한국지능시스템학회
- 김영민, "자연재해 분석을 위한 빅데이터 마이닝 기술", 한국데이터정보과학회지, 26(5), pp.1105~1115 (2015), 한국데이터정보과학회[DOI]
- M. C. V. Ramirez, "Artificial neural network technique for rainfall forecasting applied to the São Paulo Region", Journal of Hydrology, 301(1-4), pp.146~162 (2005)
- 백승걸, "강우와 고속도로 통행특성의 관계 연구", 대한교통학회지, 26(3), pp.119~128 (2008), 대한교통학회
- "Numerical Weather Prediction Model" (2017)[URL]