* 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..
* 본 연구 내용은 한국기상학회의 2017년 춘계학술대회에서 발표한 초록을 옮긴 것입니다. 기상관측장비로부터 수신되는 관측자료들은 운영의 복잡함에 따라 지연수신이 되는 경우가 발생함으로써 관측지점이 많아 질수록 모든 자료가 수신되는 데에는 그 만큼 지연시간이 커지게 됩니다. 그러므로 기준시간을 넘어서 미수신되는 관측자료를 대체할 수 있다면 여러 가지로 큰 의미를 부여할 수 있을 것입니다. 예를들어, 기상예측 성능에 가장 큰 영향을 미치는 자료동화에 있어서 미수신되는 관측자료를 대신하여 자료동화의 품질 향상에 기여할 수 있으며, 수신된 관측자료의 1차 품질관리에도 사용 될 수 있을 것입니다. 또한, 바람 관측자료의 10분에서 60분 내의 미래 관측치를 예측한다는 것은 항공기 이착륙과 같은 초단기 예측이 필..
ROMS의 최신 버전인 V3.6r964 (2019년 5월 1일 배포)을 이용하여 2018년 8월에 발생한 태풍 솔릭(Soulik) 시기의 해양순환을 모의할 수 있도록 상세한 정보를 실었습니다.. ROMS 모의를 시도하면서 발생되는 각 종 문제점들에 대한 원인과 해결책까지 자세히 설명해 놓았으니 천천히 따라하시기만 하면 모의에 성공 하시리라 생각됩니다. 상세한 내용은 저의 github 홈페이지에 연결된 블로그를 방문해 주세요. 이 페이지를 빠져나가서 직접 이동하시려면 아래 링크로 가세요. [ROMS 로 태풍 솔릭(Soulik) 시기의 해양순환 모의해 보기]
WRF의 최신 버전인 V4.1 (2019년 4월 12일 배포)을 이용하여 2018년 8월에 발생한 태풍 솔릭(Soulik)을 모의할 수 있도록 상세한 정보를 실었습니다.. WRF 모의를 시도하면서 발생되는 각 종 문제점들에 대한 원인과 해결책까지 자세히 설명해 놓았으니 천천히 따라하시기만 하면 모의에 성공을 하시리라 생각됩니다. 상세한 내용은 저의 github 홈페이지에 연결된 블로그를 방문해 주세요. 이 페이지를 빠져나가서 직접 이동하시려면 아래 링크로 가세요. [WRF ARW V4로 태풍 솔릭(Soulik) 모의해 보기]
* 본 연구 내용은 한국해양학회의 2017년 춘계학술대회에서 발표한 초록을 옮긴 것입니다. 인공신경망 딥러닝(Deep Learning)을 이용한 엘니뇨 예측성 연구 인공신경망(Neural Networks, NN)을 깊게 구성한 것을 심층신경망(Deep NN, DNN)이라고 부르며 최근의 심층신경망은 새로운 패러다임을 맞이하여 딥러닝(Deep Learning)이라는 신조어로 불리운다. 심층신경망은 그 방법에 따라서 합성곱신경망(Convolutional NN, CNN)과 순환신경망(Recurrent NN, RNN), 심층신뢰망(Deep Belief Network, DBN) 등으로 나누어 진다. CNN과 DBN은 이미지 인식과 같은 독립자료의 처리에 적합하며, RNN은 언어 인식과 같이 자료의 순서가 중요한 ..
- Total
- Today
- Yesterday
- GFDL
- 접합모형
- WWW
- 쓰나미
- Numerical Models
- 수치예보
- Reanalysis
- 조석
- 해양순환모형
- Ocean Circulation
- 기후변화
- 재분석자료
- Numerical Model
- Linux
- 수치모형
- Scientific Visualization
- OGCM
- 서울대학교
- 연세대학교
- 대기순환모형
- Tide
- cluster
- POP1
- CGCM
- 과학가시화
- 초단기
- Tsunami
- AGCM
- CCSM3
- 수치모델
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 |