본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

[표지]

목차

Abstract 6

I. 서론 8

II. 연구내용 및 방법 10

1. 인공지능 기법 적용을 위한 입력자료 구축 10

가. 황사 사례일 확대 10

나. 인공지능 입력자료 작성 11

2. 인공지능 모델 기반 자료 개선 13

가. 인공지능 모델 라벨 자료 구축 및 개선 13

나. 태양천정각에 따른 영향 분석 방법 20

다. 구름에 의한 결측 보정 방안(딥러닝 활용) 20

3. 인공지능 모델 개발 및 검증 고도화 22

가. 딥러닝 모델 전처리 및 모델 고도화 22

나. 지상원격자료를 활용한 모델 검증 24

III. 연구결과 및 고찰 26

1. 입력 및 라벨 자료 고도화 결과 26

가. 머신러닝 입력 및 라벨자료 고도화 결과 26

나. 딥러닝 입력 및 라벨자료 고도화 결과 27

다. 태양천정각에 따른 영향 분석 결과 28

라. 구름에 의한 결측 보정 결과 30

2. 인공지능 모델 고도화 결과 32

가. 머신러닝 학습 결과 분석 32

나. 딥러닝 학습 결과 분석 36

다. 지상원격자료를 활용한 검증 결과 45

IV. 결론 47

참고문헌 49

표목차

〈표 1〉 2021년~2023년 황사 사례 10

〈표 2〉 환경위성(GEMS)를 활용한 인공지능 모델 입력자료 12

〈표 3〉 GK2A/AMI 관측 시간별 개수 13

〈표 4〉 위성자료 표준화를 위한 클래스 설정 14

〈표 5〉 황사 농도에 따른 분류 기준 15

〈표 6〉 연도별 머신러닝 라벨자료 지점 개수 16

〈표 7〉 머신러닝 라벨자료 어노테이션 기준 17

〈표 8〉 딥러닝 라벨자료 어노테이션 기준 18

〈표 9〉 딥러닝(U-Net) 모델을 위한 데이터셋 사양 22

〈표 10〉 모델의 검증용으로 사용된 AERONET 개수 25

〈표 11〉 AutoML을 활용한 최적화 알고리즘 및 매개변수 27

〈표 12〉 태양천정각 보정에 따른 인공지능 모델 성능 분석 결과 비교 28

〈표 13〉 연차별 머신러닝(2개 분류) 학습결과 비교 분석 33

〈표 14〉 2차 연도 머신러닝(3개분류) 학습결과 34

〈표 15〉 연차별 딥러닝(2개 분류) 학습 결과 비교 분석 37

〈표 16〉 딥러닝 최적 모델 차이에 따른 예측 성능 분석 결과 41

〈표 17〉 AERONET 자료와 위성 및 인공지능 모델 탐지 결과 비교 45

그림목차

〈그림 1〉 황사 사례일 일평균 및 일최고 PM-10 농도 11

〈그림 2〉 연구 영역 및 검증용 Aeronet 관측 지점 12

〈그림 3〉 QGIS를 활용한 표준 위성 자료 작성(예시) 14

〈그림 4〉 인공지능 라벨 자료를 위한 AQMS 자료 15

〈그림 5〉 인공지능 라벨자료 참고자료(CMAQ 모델 결과) 16

〈그림 6〉 머신러닝 라벨자료 작성(예시) 17

〈그림 7〉 라벨자료 참조자료 및 작성 결과(예시) 19

〈그림 8〉 초기 딥러닝 모델을 활용한 라벨자료 생성과정 19

〈그림 9〉 태양천정각 산정 방법 20

〈그림 10〉 DOAS 방법론에 대한 예시 21

〈그림 11〉 딥러닝 모델을 위한 데이터 전처리 과정 23

〈그림 12〉 U-Net 모델과 Attention U-Net 모델의 구조 24

〈그림 13〉 머신러닝 라벨자료 작성(예시) 26

〈그림 14〉 연차별 딥러닝 라벨 작성 자료 비교 결과 28

〈그림 15〉 태양천정각 보정에 따른 AutoML 모델 결과 비교 29

〈그림 16〉 태양천정각 보정에 따른 U-Net 모델 결과 비교 30

〈그림 17〉 구름으로 인한 황사 오탐지(예시) 30

〈그림 18〉 딥러닝 모델에서의 구름 처리 결과 32

〈그림 19〉 AutoML 모델 PR-그래프 34

〈그림 20〉 연차별 AutoML 학습 결과 비교(2023.04.17. 07:45UTC) 35

〈그림 21〉 연차별 AutoML 학습 결과 비교(2021.05.07. 07:45UTC) 36

〈그림 22〉 연차별 딥러닝 모델 PR-그래프 37

〈그림 23〉 연차별 Attention U-Net 모델 학습 결과 비교(2021.01.15. 04:45UTC) 39

〈그림 24〉 연차별 Attention U-Net 모델 학습 결과 비교(2021.04.16. 02:45UTC) 40

〈그림 25〉 딥러닝 모델 개선에 따른 PR-그래프 42

〈그림 26〉 Attention U-Net 학습 결과 분석(2021.3.27. 04:45UTC) 43

〈그림 27〉 Attention U-Net 학습 결과 분석(2023.3.23. 05:45UTC) 44

이용현황보기

정지궤도 환경위성의 인공지능 기법 적용 연구 = A study on the application of artificial intelligence techniques using GEMS(Geostationary Environment Monitoring Spectrometer). 2 이용현황 표 - 등록번호, 청구기호, 권별정보, 자료실, 이용여부로 구성 되어있습니다.
등록번호 청구기호 권별정보 자료실 이용여부
0003203401 551.6354 -25-13 v.2 [서울관] 인문자연과학자료실(열람신청 후 1층 대출대) 이용가능
0003203402 551.6354 -25-13 v.2 [서울관] 인문자연과학자료실(열람신청 후 1층 대출대) 이용가능

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기