1 |
1
기상대에 부착되어, 기상관측 데이터를 수집하여 실시간 기상관측 데이터를 서버로 전송하는 기상관측 데이터 수집 센서; 상기 수집된 기상관측 데이터를 이용하여 서리 예측 훈련데이터를 생성하는 훈련데이터 생성부; 및 상기 생성된 서리 예측 훈련 데이터를 서리 학습 모델에 적용하여 다음날 서리 예측을 수행하는 서리 예측부;를 포함하는 서리 예측 시스템
|
2 |
2
제1항에 있어서, 서리가 온 날짜 정보와 기상관측 데이터 수집 센서에 의해 수집된 기상관측 데이터가 저장된 데이터베이스를 더 포함하고, 상기 서리 학습 모델은, 상기 데이터베이스에 저장된 기상관측 데이터들을 이용하여 생성한 상기 서리 예측 훈련데이터와 서리가 발생한 날의 날짜 정보를 매칭하여 학습된 것을 특징으로 하는 서리 예측 시스템
|
3 |
3
제1항에 있어서, 상기 기상관측 데이터는, 온도, 습도, 초상온도, 풍속, 토양온도, 강수량, 일사량 데이터인 것을 특징으로 하는 서리 예측 시스템
|
4 |
4
제1항에 있어서, 상기 서리 예측 훈련 데이터는, 상대 습도와 온도 계산을 이용하여 생성한 이슬점, 초상온도, 대기온도를 이용하여 산출한 기온역전, 기설정된 강우 시간대의 강수량, 기설정된 일사 시간대의 일사량, 기설정된 시간대의 대기온도, 기설정된 시간대에서의 온도차, 기설정된 시간에서의 풍속, 기설정된 시간대에서의 초상온도, 기설정된 시간대에서의 토양온도, 기설정된 시간대에서의 결로, 기설정된 시간대에서의 최소 초상온도 및 기설정된 시간대에서의 최소대기온도인 것을 특징으로 하는 서리 예측 시스템
|
5 |
5
제1항에 있어서, 상기 계산된 서리 예측 정보를 사용자 단말에게 전달하는 서리 예측 정보 제공부를 더 포함하는 서리 예측 시스템
|
6 |
6
제1항에 있어서, 상기 기상관측 데이터는, SMOTE(Synthetic Minority oversampling Technique)의 오버샘플링(Oversampling)을 이용하여 기관관측 데이터의 클래스 불균형 문제를 해소하는 것을 특징으로 하는 서리 예측 시스템
|
7 |
7
제4항에 있어서, 실측 데이터를 통한 검증절차를 통해 상기 서리 예측 모델을 선정한 뒤 격자탐색법(Grid Search)과 k겹 교차 검증(k fold Cross Validation)을 통해 서리 예측 모델을 최적화하는 것을 특징으로 서리 예측 시스템
|
8 |
8
기상대에 부착되어, 기상관측 데이터를 수집하는 각종 센서가 실시간 기상관측 데이터를 서버로 전송하는 단계; 상기 기상관측 데이터를 이용하여 서리 예측 훈련 데이터를 생성하는 단계; 및 상기 생성된 서리 예측 훈련 데이터를 서리 학습 모델에 적용하여 다음날의 서리 발생을 예측하는 단계;를 포함하는 서리 예측 방법
|
9 |
9
제8항에 있어서, 상기 서리 학습 모델은, 서리가 온 날짜 정보와 기상관측 데이터 수집 센서에 의해 수집된 기상관측 데이터가 저장된 데이터베이스에 저장된 기상관측 데이터들을 이용하여 생성한 상기 서리 예측 훈련데이터와 서리가 발생한 날의 날짜 정보를 매칭하여 학습된 것을 특징으로 하는 서리 예측 방법
|
10 |
10
제8항에 있어서, 상기 기상관측 데이터는, 온도, 습도, 초상온도, 풍속, 토양온도, 강수량, 일사량 데이터인 것을 특징으로 하는 서리 예측 방법
|
11 |
11
제8항에 있어서, 상기 서리 예측 훈련 데이터는, 상대 습도와 온도 계산을 이용하여 생성한 이슬점, 초상온도, 대기온도를 이용하여 산출한 기온역전, 기설정된 강우 시간대의 강수량, 기설정된 일사 시간대의 일사량, 기설정된 시간대의 대기온도, 기설정된 시간대에서의 온도차, 기설정된 시간에서의 풍속, 기설정된 시간에서의 초상온도, 기설정된 시간대에서의 토양온도, 기설정된 시간대에서의 결로, 기설정된 시간대에서의 최소 초상온도 및 기설정된 시간대에서의 최소대기온도인 것을 특징으로 하는 서리 예측 방법
|
12 |
12
제8항에 있어서, 상기 계산된 서리 예측 정보를 사용자 단말에게 전달하는 단계를 더 포함하는 서리 예측 방법
|
13 |
13
제8항에 있어서, 상기 기상관측 데이터는, SMOTE(Synthetic Minority oversampling Technique)의 오버샘플링(Oversampling)을 이용하는 것을 특징으로 하는 서리 예측 방법
|
14 |
14
제8항에 있어서, 상기 서리 발생을 예측하는 단계는, 실측 데이터를 통한 검증절차를 통해 상기 서리 예측 모델을 선정한 뒤 격자탐색법(Grid Search)과 k겹 교차 검증(k fold Cross Validation)을 통해 서리 예측 모델을 최적화하는 것을 특징으로 서리 예측 방법
|
15 |
15
제8항에 있어서, 상기 서리 발생을 예측하는 단계는, 상기 기상관측 데이터와 서리 온 날에 대한 정보를 수집하고, 서리 현상이 관측되지 않는 기간 무상기간을 학습데이터에서 제외하는 것을 특징으로 하는 서리 예측 방법
|
16 |
16
제8항에 있어서, 상기 서리 학습 모델은, 수집 관측소별로 생성하는 것을 특징으로 하는 서리 예측 방법
|
17 |
17
제8항에 있어서, 상기 서리 학습 모델은, 기설정된 시간대 별로 생성하는 것을 특징으로 하는 서리 예측 방법
|
18 |
18
제8항에 있어서, 상기 서리 학습 모델은, 수집되는 기상관측 데이터가 기설정된 수 이하인 경우, 이용하기 위한 공통 모델을 더 포함하는 것을 특징으로 하는 서리 예측 방법
|
19 |
19
데이터베이스에 저장된 기상관측 데이터들을 이용하여 서리 예측 훈련데이터를 생성하는 단계; 서리가 발생한 날의 날짜 정보를 획득하는 단계; 및 상기 서리가 발생한 날짜 정보와 상기 서리가 발생한 이전 날의 서리 예측 훈련데이터를 이용하여 서리 예측 모델을 학습하는 단계를 포함하는 서리 예측 모델 학습 방법
|
20 |
20
제19항에 있어서, 상기 서리 예측 훈련 데이터는, 상대 습도와 온도 계산을 이용하여 생성한 이슬점, 초상온도, 대기온도를 이용하여 산출한 기온역전, 기설정된 강우 시간대의 강수량, 기설정된 일사 시간대의 일사량, 기설정된 시간대의 대기온도, 기설정된 시간대에서의 온도차, 기설정된 시간에서의 풍속, 기설정된 시간에서의 초상온도, 기설정된 시간대에서의 토양온도, 기설정된 시간대에서의 결로, 기설정된 시간대에서의 최소 초상온도 및 기설정된 시간대에서의 최소대기온도인 것을 특징으로 하는 서리 예측 모델 학습 방법
|