대기경계층 고도 산출을 위한 인공신경망기법 적용 (Applying Artificial Neural Networks for Estimation of Planetary Boundary Layer Height)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 27권 / 4호 / 302 ~ 309페이지
· 저자명 : 하진훈, 김용혁, 이용희

초록

대기경계층 고도(Planetary Boundary Layer, Height PBLH)는 기상과 대기확산을 예측하는데 매우 중요한 인자이다. PBLH를결정하기 위해 여러 관측 자료들이 사용되고 있으며, 그 중 라이다식 운고계를 이용한 방법이 최근에 많이 사용되고 있다.
운고계에서 PBLH를 추정하기 위해 사용하는 경도법(Gradient method)은 매우 간단하지만 여러 잡음으로 인해 고도를 잘못추정하는 경우가 발생한다. 본 논문에서는 라이더식 운고계에서 수집한 후방산란자료에 기계학습기법을 적용하여 PBLH를산출하는 방법을 제안한다. 제안한 방법은 잡음제거 오토인코더(Denoising autoencoder)를 이용하여 비지도 학습으로 운고계후방산란자료의 잡음소거를 수행한 뒤 인공신경망(Artificial Neural Network, ANN) 학습을 통해 PBLH를 산출한다. 실험에는보성지역에 설치된 라이더식 운고계 CL51에서 관측된 2015년 1월부터 2016년 5월까지의 후방산란자료를 사용하였으며, 검증을 위해 운고계 CL51의 PBLH 산출 프로그램 BL-view의 자료와 경도법으로 산출된 PBLH 자료를 사용하였다. 실험결과제안한 방법이 경도법보다 2배 이상 좋은 성능을 보였다.

영어초록

The planatery boundary layer height(PBLH) is very important factor in determining weahter and atmospheric diffusion. As a method to determine the PBLH, there is a method to use observation data. Among them, a ceilometer-based method is recently used with good performance. The gradient method which is used to estimate the PBLH in ceilometer is very simple, but the height may be incorrect due to noise. In this paper, we proposed new methodo testimate the PBLH by applying machine learning to back-scattere d data collected from ceilometer. The proposed method uses denoising autoencoder to eliminate noise of back-scattered data, and then estimates the PBLH through artificial neural network. We collected back-scattered data from January 2015 to May 2016, which were observed by ceilometer CL51, installed in Boseong, Korea. For the verification, PBLH data from the PBLH estimation program BL-view of CL51 and estimated by using the gradient method is used. Experimental results show that the proposed method has more than twice better performance than the gradient method.

참고자료

· 없음