표제지
최종보고서
제출문
목차
1. 요약문 12
1) 표준 기상 야외 시험 지원을 위한 관측 자료 수집 기술 개발 12
2) 인공지능 기법을 이용한 관측자료 품질관리 체계 개발 13
2. 연구개발과제 개요 20
1) 제안 개요 20
3. 연구 수행 내용 22
가. 표준 기상 야외 시험 지원을 위한 관측 자료 수집 기술 개발 22
1) 드론 기상 정보 연계 저장체계 구축 22
2) 드론 기상 정보 3차원 시각화 24
나. 인공지능 기법을 이용한 관측자료 품질관리 체계 개발 26
1) 과거 자료 분석 기반 기존 품질검사체계 문제 진단 26
2) 품질 평가 점검 항목별 영향력 평가 36
3) 통계기반 품질검사 개선방안 제시 49
4) 인공지능 기반 품질검사 개선방안 제시 66
4. 연구 개발 성과 76
1) 드론 기체정보 수치화 처리 알고리즘 GUI 설명서 76
5. 결론 81
1) 표준 기상 야외 시험 지원을 위한 관측 자료 수집 기술 개발 81
2) 인공지능 기법을 이용한 관측자료 품질관리 체계 개발 81
6. 참고 문헌 84
(표 1) ARIMA, VAR 비교 16
(표 2) 데이터 저장 예시 27
(표 3) 속성별 이상치, 결측치 비율 28
(표 4) 지역별 이상치, 결측치 분포 29
(표 5) QC 상세·종합 플래그 데이터 저장 예시 38
(표 6) 알고리즘 QC 플래그 예시 38
(표 7) 기상청 품질 평가 35종 알고리즘 39
(표 8) ARIMA 모형 최적화 실험 결과(window=30) 53
(표 9) ARIMA 모형 최적화 실험 결과(window=60) 54
(표 10) ARIMA 모형 최적화 실험 결과(window=120) 54
(표 11) VAR 이상치 판정 결과 57
(표 12) VAR 이상치 판정 결과 추가 실험 57
(표 13) ARIMA 모형 최종 검출 결과 65
(표 14) VAR 모형 최종 검출 결과 65
(표 15) 딥러닝 학습 데이터 베이스 70
(표 16) 단일 관측소 모델 평가 결과 72
(표 17) 다중 관측소 모델 평가 결과 72
[그림 1] 기존 검사 알고리즘 현황 예시 15
[그림 2] 인공지능에 사용되는 복잡한 이상치 형태 17
[그림 3] 인공지능에 사용되는 복잡한 이상치 형태 18
[그림 4] Viewer 프로그램 그래프 예시 23
[그림 5] 그래프 선과 Background 구별 예시 24
[그림 6] 실시간 드론 경로와 기상 정보 표출 예시 25
[그림 7] 속성별 이상치 분포 28
[그림 8] 속성별 결측치 분포 28
[그림 9] 지역별 관측소 분포도 29
[그림 10] 지역별 평균 이상치, 결측치 분포 30
[그림 11] 데이터가 일관성이 없는 예시 31
[그림 12] 플래그가 정상으로 표기되었으나 이상치로 의심스러운 경우 예시 32
[그림 13] 플래그가 이상치로 되었으나 정상적으로 보여지는 경우 33
[그림 14] 다양한 결측 데이터 예시 34
[그림 15] 데이터가 없음에도 불구하고 플래그가 0으로 표기된 경우 35
[그림 16] 데이터가 없음에도 불구하고 플래그가 1로 표기된 경우 35
[그림 17] 1분 평균 기온 41
[그림 18] 1분 평균 초상 온도 41
[그림 19] 1분 평균 지면 온도 41
[그림 20] 1분 평균 기압 42
[그림 21] 평균 현지 기압 43
[그림 22] 최고 현지기압 43
[그림 23] 최저 현지기압 43
[그림 24] 1분 평균 상대 습도 44
[그림 25] 최대·최소 상대습도 44
[그림 26] 1분 평균 풍향 45
[그림 27] 1분 돌풍 풍향 45
[그림 28] 10분 평균 풍향 46
[그림 29] 1분 돌풍 풍속 47
[그림 30] 1분 평균 풍속 47
[그림 31] 10분 평균 풍속 47
[그림 32] 데이터 전처리 예시 49
[그림 33] 자기 누적회귀 모형 51
[그림 34] window, std, frame에 대한 정의 53
[그림 35] 벡터 누적회귀 모형 55
[그림 36] VAR 이상치 판정 방법 56
[그림 37] 품질 관리체계 전체 흐름도 58
[그림 38] QC 1, 2, 4번 알고리즘 필터링 결과 59
[그림 39] ARIMA 추가관측 결과 60
[그림 40] ARIMA 미관측 결과 61
[그림 41] ARIMA 예측 결과 62
[그림 42] VAR 추가 관측 결과 62
[그림 43] VAR 미관측 결과 63
[그림 44] VAR 예측 결과 64
[그림 45] U-Net 기반 이상치 탐지 모델 68
[그림 46] (a) 다중 관측소 데이터 예시 (b) 단일 관측소 데이터 예시 69
[그림 47] 딥러닝 데이터 베이스 이상치 데이터 예시 70
[그림 48] 정략적 평가 기준 예시 71
[그림 49] 기상청 라벨과 동일 혹은 유사하게 검출한 예시 73
[그림 50] 기상청 라벨은 이상치, 딥 러닝 예측 라벨은 정상치로 분류한 예시 73
[그림 51] 기상청 라벨은 정상치, 딥 러닝 예측 라벨은 이상치로 분류한 예시 74
[그림 52] View 프로그램에서 파일 불러오기 예시 77
[그림 53] 캡처 이미지 예시 77
[그림 54] 수치화하고자 하는 모든 기체 정보 캡처 이미지 저장 예시 77
[그림 55] 코드 실행 하여 수치화 처리 GUI 창 띄우기 예시 78
[그림 56] 캡처 이미지가 있는 폴더 위치 설정 예시 78
[그림 57] 폴더 내 저장되어 있는 이미지 중 원하는 이미지를 선택 예시 79
[그림 58] 좌표 최대 최소 값 입력 79
[그림 59] 드론 기체 정보에 근사화한 그래프 80
[그림 60] 수치화된 데이터 예시 80