| 1 |
1
전자 장치가 태풍의 진로를 결정하는 방법에 있어서,외부 디바이스로부터 태풍 환경 정보를 획득하는 단계;상기 획득된 태풍 환경 정보를 수치 모델에 입력함으로써, 상기 태풍 환경 정보에 따른 태풍의 예상 중심 위치에 관한 제1 태풍 진로 정보를 획득하는 단계;상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 중심 위치 정보들을 출력하는 인공 지능 모델에, 상기 제1 태풍 진로 정보를 입력함으로써, 상기 인공 지능 모델로부터 상기 태풍의 예상 중심 위치 정보들을 획득하는 단계;상기 제1 태풍 진로 정보에 기초하여, 상기 예상 중심 위치 정보들 중 소정의 중심 위치 정보를 식별하는 단계; 및상기 식별된 중심 위치 정보에 기초하여 상기 태풍 환경 정보에 따른 태풍의 제2 태풍 진로 정보를 결정하는 단계; 를 포함하는, 방법
|
| 2 |
2
제1항에 있어서, 상기 태풍 환경 정보를 획득하는 단계는진로를 결정하고자 하는 대상 태풍에 대한 태풍 종류 정보, 태풍 반경 정보, 소정의 태풍 반경에서의 바람 정보, 기압 정보, 온도 정보, 발생 위치 정보 또는 상기 대상 태풍이 이동하는 지형 정보 중 적어도 하나를 상기 태풍 환경 정보로 획득하는 단계; 를 포함하는, 방법
|
| 3 |
3
제1항에 있어서, 상기 제1 태풍 진로 정보를 획득하는 단계는상기 태풍 환경 정보를 상기 수치 모델에 입력함으로써, 기 설정된 시간 동안, 소정의 시간 간격으로 태풍의 중심 위치 후보들을 획득하는 단계;상기 기 설정된 시간 동안, 시간의 흐름에 따른 상기 태풍의 중심 위치 후보들을 정렬하는 단계; 및상기 정렬된 태풍의 중심 위치 후보들이 나타내는 경로를 상기 제1 태풍 진로 정보로 획득하는 단계; 를 포함하는, 방법
|
| 4 |
4
제1항에 있어서, 상기 제1 태풍 진로 정보를 획득하는 단계는상기 시간의 흐름에 따른 상기 태풍의 중심 위치 후보들 및 상기 시간의 흐름에 따른 태풍의 중심 위치에서 소정의 영역에 대한 바람 정보를 상기 제1 태풍 진로 정보로 획득하는 단계; 를 포함하는, 방법
|
| 5 |
5
제1항에 있어서, 상기 태풍의 예상 중심 위치 정보들을 획득하는 단계는상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 위도 정보를 출력하는 제1 인공 신경망 모델로부터, 상기 태풍의 예상 위도 정보들을 획득하는 단계;상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 경도 정보를 출력하는 제2 인공 신경망 모델로부터, 상기 태풍의 예상 경도 정보들을 획득하는 단계; 및상기 제1 인공 신경망 모델 및 상기 제2 인공 신경망 모델 각각으로부터 획득된 예상 위도 정보들 및 상기 예상 경도 정보들을 상기 태풍의 예상 중심 위치 정보들로 획득하는 단계; 를 포함하는, 방법
|
| 6 |
6
제1항에 있어서, 상기 방법은상기 인공 지능 모델을 학습시키기 위한 태풍 학습 정보를 획득하는 단계;상기 획득된 태풍 학습 정보상에 나타나는 태풍의 중심 위치를 중심으로 포함하는 바람 측정 영역을 결정하는 단계;상기 결정된 바람 측정 영역 내 바람의 방향 및 세기를 나타내는 바람 벡터의 수직 성분 및 상기 바람 벡터의 수평 성분을 식별하는 단계;상기 식별된 바람 벡터의 수직 성분 및 상기 바람 벡터의 수평 성분에 기초하여 상기 인공 지능 모델을 학습시키는 단계; 를 더 포함하는, 방법
|
| 7 |
7
제6항에 있어서, 상기 방법은상기 태풍 학습 정보를 상기 수치 모델에 입력함으로써, 태풍 학습 진로 정보를 획득하는 단계; 를 더 포함하고,상기 인공 지능 모델을 학습시키는 단계는,상기 태풍 학습 정보, 상기 태풍 학습 진로 정보, 상기 식별된 바람 벡터의 수직 성분 및 상기 바람 벡터의 수평 성분에 기초하여 상기 인공 지능 모델을 학습시키는 단계; 를 포함하는, 방법
|
| 8 |
8
제1항에 있어서, 상기 예상 중심 위치 정보들 중 소정의 중심 위치 정보를 식별하는 단계는,상기 인공 지능 모델로부터 출력된 상기 예상 중심 위치들을 모두 포함하는 제1 후보 영역을 결정하는 단계;상기 수치 모델로부터 출력된 상기 제1 태풍 진로 정보에 기초하여, 상기 수치 모델에 따른 태풍의 예상 중심 위치를 중심으로 포함하는 제2 후보 영역을 결정하는 단계;상기 제1 후보 영역 및 상기 제2 후보 영역이 중복되는 중복 영역을 식별하는 단계; 및상기 인공 지능 모델로부터 출력된 예상 중심 위치들 중, 상기 중복 영역에 포함된 예상 중심 위치들을 식별하는 단계; 를 포함하는, 방법
|
| 9 |
9
제8항에 있어서, 상기 제1 후보 영역 및 상기 제2 후보 영역은 사각형태로 형성되고,상기 제1 후보 영역 및 상기 제2 후보 영역의 가로 경계는 상기 인공 지능 모델 및 상기 수치 모델의 평균 경도 오차를 나타내며,상기 제1 후보 영역 및 상기 제2 후보 영역의 세로 경계는 상기 인공 지능 모델 및 상기 수치 모델의 평균 위도 오차를 나타내는 것을 특징으로 하는, 방법
|
| 10 |
10
제8항에 있어서, 상기 제2 태풍 진로 정보를 결정하는 단계는상기 중복 영역에 포함된 예상 중심 위치들의 평균 위치 값을 결정하는 단계;상기 결정된 평균 위치 값을 상기 태풍 환경 정보에 따른 상기 태풍의 최종 예상 중심 위치로 결정하는 단계; 및상기 예상 중심 위치에 기초하여 상기 제2 태풍 진로 정보를 결정하는 단계; 를 포함하는, 방법
|
| 11 |
11
태풍의 진로를 결정하는 전자 장치에 있어서,네트워크 인터페이스;하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,외부 디바이스로부터 태풍 환경 정보를 획득하고,상기 획득된 태풍 환경 정보를 수치 모델에 입력함으로써, 상기 태풍 환경 정보에 따른 태풍의 예상 중심 위치에 관한 제1 태풍 진로 정보를 획득하고,상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 중심 위치 정보들을 출력하는 인공 지능 모델에, 상기 제1 태풍 진로 정보를 입력함으로써, 상기 인공 지능 모델로부터 상기 태풍의 예상 중심 위치 정보들을 획득하고,상기 제1 태풍 진로 정보에 기초하여, 상기 예상 중심 위치 정보들 중 소정의 중심 위치 정보를 식별하고,상기 식별된 중심 위치 정보에 기초하여 상기 태풍 환경 정보에 따른 태풍의 제2 태풍 진로 정보를 결정하는, 전자 장치
|
| 12 |
12
제11항에 있어서, 상기 적어도 하나의 프로세서는진로를 결정하고자 하는 대상 태풍에 대한 태풍 종류 정보, 태풍 반경 정보, 소정의 태풍 반경에서의 바람 정보, 기압 정보, 온도 정보, 발생 위치 정보 또는 상기 대상 태풍이 이동하는 지형 정보 중 적어도 하나를 상기 태풍 환경 정보로 획득하는, 전자 장치
|
| 13 |
13
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 태풍 환경 정보를 상기 수치 모델에 입력함으로써, 기 설정된 시간 동안, 소정의 시간 간격으로 태풍의 중심 위치 후보들을 획득하고,상기 기 설정된 시간 동안, 시간의 흐름에 따른 상기 태풍의 중심 위치 후보들을 정렬하고,상기 정렬된 태풍의 중심 위치 후보들이 나타내는 경로를 상기 제1 태풍 진로 정보로 획득하는, 전자 장치
|
| 14 |
14
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 시간의 흐름에 따른 상기 태풍의 중심 위치 후보들 및 상기 시간의 흐름에 따른 태풍의 중심 위치에서 소정의 영역에 대한 바람 정보를 상기 제1 태풍 진로 정보로 획득하는, 전자 장치
|
| 15 |
15
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 위도 정보를 출력하는 제1 인공 신경망 모델로부터, 상기 태풍의 예상 위도 정보들을 획득하고,상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 경도 정보를 출력하는 제2 인공 신경망 모델로부터, 상기 태풍의 예상 경도 정보들을 획득하고,상기 제1 인공 신경망 모델 및 상기 제2 인공 신경망 모델 각각으로부터 획득된 예상 위도 정보들 및 상기 예상 경도 정보들을 상기 태풍의 예상 중심 위치 정보들로 획득하는, 전자 장치
|
| 16 |
16
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 인공 지능 모델을 학습시키기 위한 태풍 학습 정보를 획득하고,상기 획득된 태풍 학습 정보상에 나타나는 태풍의 중심 위치를 중심으로 포함하는 바람 측정 영역을 결정하고,상기 결정된 바람 측정 영역 내 바람의 방향 및 세기를 나타내는 바람 벡터의 수직 성분 및 상기 바람 벡터의 수평 성분을 식별하고,상기 식별된 바람 벡터의 수직 성분 및 상기 바람 벡터의 수평 성분에 기초하여 상기 인공 지능 모델을 학습시키는, 전자 장치
|
| 17 |
17
제16항에 있어서, 상기 적어도 하나의 프로세서는상기 태풍 학습 정보를 상기 수치 모델에 입력함으로써, 태풍 학습 진로 정보를 획득하고,상기 태풍 학습 정보, 상기 태풍 학습 진로 정보, 상기 식별된 바람 벡터의 수직 성분 및 상기 바람 벡터의 수평 성분에 기초하여 상기 인공 지능 모델을 학습시키는, 전자 장치
|
| 18 |
18
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 인공 지능 모델로부터 출력된 상기 예상 중심 위치들을 모두 포함하는 제1 후보 영역을 결정하고,상기 수치 모델로부터 출력된 상기 제1 태풍 진로 정보에 기초하여, 상기 수치 모델에 따른 태풍의 예상 중심 위치를 중심으로 포함하는 제2 후보 영역을 결정하고,상기 제1 후보 영역 및 상기 제2 후보 영역이 중복되는 중복 영역을 식별하고,상기 인공 지능 모델로부터 출력된 예상 중심 위치들 중, 상기 중복 영역에 포함된 예상 중심 위치들을 식별하는, 전자 장치
|
| 19 |
19
제18항에 있어서,상기 제1 후보 영역 및 상기 제2 후보 영역은 사각형태로 형성되고,상기 제1 후보 영역 및 상기 제2 후보 영역의 가로 경계는 상기 인공 지능 모델 및 상기 수치 모델의 평균 경도 오차를 나타내며,상기 제1 후보 영역 및 상기 제2 후보 영역의 세로 경계는 상기 인공 지능 모델 및 상기 수치 모델의 평균 위도 오차를 나타내는 것을 특징으로 하는, 전자 장치
|
| 20 |
20
전자 장치가 태풍의 진로를 결정하는 방법에 있어서,외부 디바이스로부터 태풍 환경 정보를 획득하는 단계;상기 획득된 태풍 환경 정보를 수치 모델에 입력함으로써, 상기 태풍 환경 정보에 따른 태풍의 예상 중심 위치에 관한 제1 태풍 진로 정보를 획득하는 단계;상기 제1 태풍 진로 정보가 입력되면, 상기 제1 태풍 진로 정보에 따른 태풍의 예상 중심 위치 정보들을 출력하는 인공 지능 모델에, 상기 제1 태풍 진로 정보를 입력함으로써, 상기 인공 지능 모델로부터 상기 태풍의 예상 중심 위치 정보들을 획득하는 단계;상기 제1 태풍 진로 정보에 기초하여, 상기 예상 중심 위치 정보들 중 소정의 중심 위치 정보를 식별하는 단계; 및상기 식별된 중심 위치 정보에 기초하여 상기 태풍 환경 정보에 따른 태풍의 제2 태풍 진로 정보를 결정하는 단계; 를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|
