earticle

논문검색

기온 데이터 초해상화를 위한 Super-Resolution Convolutional Neural Network 모델 구축

원문정보

Construction of Super-Resolution Convolutional Neural Network Model for Super-Resolution of Temperature Data

김용훈, 임효혁, 하지훈, 박건우, 김용혁

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Meteorology and climate are closely related to human life. By using high-resolution weather data, services that are useful for real-life are available, and the need to produce high-resolution weather data is increasing. We propose a method for super-resolution temperature data using SRCNN. To evaluate the super-resolution temperature data, the temperature for a non-observation point is obtained by using the inverse distance weighting method, and the super-resolution temperature data using interpolation is compared with the super-resolution temperature data using SRCNN. We construct an SRCNN model suitable for super-resolution of temperature data and perform super-resolution of temperature data. As a result, the prediction performance of the super-resolution temperature data using SRCNN was about 10.8% higher than that using interpolation.

한국어

기상과 기후는 인간의 생활과 밀접하게 연관되어 있다. 특히 고해상도 기상 데이터를 활용하여 정밀한 연구나 실생활에 유용한 서비스가 가능하므로, 고해상도 기상·기후 데이터를 생산해야할 필요성이 증가하고 있다. 기존의 고해 상도 기상 데이터는 적절한 보간법에 따라 데이터를 생산하지만, 본 논문에서는 SRCNN을 이용하여 기온 데이터를 초해상화 하는 방안을 제안한다. 기온 데이터 초해상화에 가장 적절한 SRCNN 모델을 구축하고, 기온 데이터를 초해상 화 한다. 결과 데이터를 평가하기 위해 역거리 가중법을 이용하여 비 관측 지점에 대한 기온을 구하고, 제안한 방법을 적용한 기온 데이터와 보간법을 이용한 기온 데이터를 비교한다. 비교 결과, 기온 데이터를 초해상화하기 위한 적절한 SRCNN 모델을 구축하였고, 제안한 방법이 보간법을 이용한 방법보다 약 10.8% 더 높은 예측 성능을 보였다.

목차

요약
Abstract
1. 서론
2. 선행 연구
2.1 SRCNN
2.2 역거리 가중법
2.3 보간법
3. 기온 데이터 초해상화
3.1 개요
3.2 기온 데이터의 이미지화
4. 실험
4.1 데이터 세트
4.2 실험 결과
5. 결론
REFERENCES

저자정보

  • 김용훈 Yong-Hoon Kim. 광운대학교 컴퓨터과학과 석사과정
  • 임효혁 Hyo-Hyuk Im. (주)한국해양기상기술 대표이사
  • 하지훈 Ji-Hun Ha. (주)한국해양기상기술 IT본부 대리
  • 박건우 Kun-Woo Park. (주)한국해양기상기술 IT본부 사원
  • 김용혁 Yong-Hyuk Kim. 광운대학교 컴퓨터과학과 교수

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.

      • 4,000원

      0개의 논문이 장바구니에 담겼습니다.