인공지능 딥러닝을 이용한 엘니뇨 예측시스템 개발
* 본 연구 내용은 한국기상학회의 2017년 추계학술대회에서 발표한 초록을 옮긴 것입니다. 인공신경망의 최신 기술인 딥러닝 방법 중에서 장기 시계열 예측에 적합한 GRU(Gated Recurrent Unit) 순환신경망(Recurrent Neural Networks, RNN)을 사용하여 Nino 3.4 지역의 SSTA(Sea Surface Temperature Anomaly, 해수면온도 이상)를 매월 단위로 미래 8개월까지 예측하는 시스템을 개발하였다. 이 시스템 개발에 앞서서 “인공신경망 딥러닝을 이용한 엘니뇨 예측성 연구”라는 주제로 지난 2017년 4월에 한국해양학회 춘계학술대회에서 선행연구 결과를 제시하여 그 가능성을 소개한 바 있다. 상세한 내용은 저의 github 홈페이지에 연결된 블로그를 방..
수치모형/인공지능
2019. 7. 30. 13:22
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
TAG
- Numerical Models
- 초단기
- CGCM
- Ocean Circulation
- Scientific Visualization
- Tsunami
- 쓰나미
- 재분석자료
- 해양순환모형
- CCSM3
- WWW
- 대기순환모형
- Tide
- 수치모델
- 수치모형
- 접합모형
- 연세대학교
- 기후변화
- cluster
- 수치예보
- GFDL
- Linux
- OGCM
- AGCM
- Reanalysis
- POP1
- 서울대학교
- 조석
- Numerical Model
- 과학가시화
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
글 보관함