다층 퍼셉트론을 이용한 결측 풍속 보간 기법 개발 (Wind Speed Interpolation for Missing Wind Data Based on Multi-Layer Perceptron)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 32권 / 1호 / 20 ~ 26페이지
· 저자명 : 신대규, 계창우, 이종혁

초록

자동기상관측소(Automatic Weather Station, 이하 AWS)에서 실시간으로 제공되는 강수, 풍속 등의 관측 정보는 실시간 기상 상태 파악이나 수치예보 모델의 자료동화 등에 사용된다. AWS 관측 정보에는 다양한 원인에 의해 결측이 발생할 수 있는데, 이러한 결측은 수치예보 모델 자료동화의 성능 저하를 야기할 수 있다. 본 연구에서는 AWS에서 제공되는 기상요소 중 풍속에 결측이 발생할 경우 이를 보간할 수 있는 기법을 개발하였다. 풍속 보간을위해 다층 퍼셉트론(Multi-Layer Perceptron, MLP) 기법을 적용하였으며, 2010년부터 2018 년의 AWS 관측 자료를 사용하여 다층 퍼셉트론의 훈련 및 정확도 검증을 수행하였다. 다층퍼셉트론의 풍속 보간 결과를 역거리 가중법(Inverse Distance Weighting, IDW), 수정 역거리 가중법(revised Inverse Distance Weighting, r-IDW) 그리고 정규 크리깅(Ordinary Kriging, OK)의 결과와 비교하였다. 105곳 AWS에 대한 풍속 보간 정확도  는 다층 퍼셉트론 모델이 0.71, 수정 역거리 가중법이 0.64, 역거리 가중법이 0.60 그리고 정규 크리깅이0.56으로 다층 퍼셉트론의 풍속 정확도가 가장 높았다.

영어초록

Weather observation such as precipitation and wind speed provided in real time by Automatic Weather Station(AWS) is used for real-time weather conditions or data assimilation of numerical prediction modeling. There may occur missing value in AWS observation system due to various reasons, which can lead to the degradation of the data assimilation of the numerical prediction modeling. In this study, the technique that can interpolate when a defect occurs in wind speed was developed.
In order to interpolate the wind speed, Multi-Layer Perceptron(MLP) technique was applied, and training and accuracy verification of MLP were performed using the AWS`s observation from 2010 to 2018 year. the wind speed interpolation result of MLP were compared with the results of Inverse Distance Weighting(IDW), revised Inverse Distance Weighting(r-IDW) and Ordinary Kriging(OK). The wind speed interpolation accuray   for 105 AWS`s was highest in MLP at 0.71, followed by the r-IDW at 0.64 and IDW at 0.60 and OK at 0.56.

참고자료

· 없음