| 1 |
1
위성통신 장애 예측 장치가 위성통신 장애 예측을 위한 학습용 데이터를 학습하는 방법으로서,위성통신 장비 중 안테나와 모뎀의 성능 정보 및 과거 상태 정보, 상기 안테나와 모뎀의 장애 이력 정보, 그리고 과거 기상 정보를 획득하는 단계와,상기 안테나의 과거 상태 정보와 상기 모뎀의 과거 상태 정보로부터 장비별 기준 상태값을 연산하는 단계와,상기 과거 기상 정보로부터 상기 위성통신 장비에 대응하는 과거 강수량 데이터를 추출하는 단계와,상기 안테나의 장애 이력 정보와 상기 모뎀의 장애 이력 정보에 기초하여 장비별 장애 패턴을 검출하는 단계와,상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 상기 장비별 기준 상태값, 상기 과거 강수량 데이터 및 상기 장비별 장애 패턴을 상기 학습용 데이터로서 이용해, 인공신경망 모델이 상기 위성통신 장애 예측이 가능하도록 학습하는 단계를 포함하는위성통신 장애 학습 방법
|
| 2 |
2
제 1 항에 있어서,상기 장비별 기준 상태값을 연산하는 단계는,상기 안테나의 추적신호세기로부터 안테나 평균 추적신호세기를 연산하고, 상기 안테나의 핑(ping) 손실률로부터 안테나 평균 신호 손실률을 연산하며, 상기 안테나의 송출 파워로부터 안테나 평균 송출 파워 변동률을 연산하는위성통신 장애 학습 방법
|
| 3 |
3
제 1 항에 있어서,상기 장비별 기준 상태값을 연산하는 단계는,상기 모뎀의 핑 손실률로부터 모뎀 평균 신호 손실률을 연산하며, 상기 모뎀의 송출 파워로부터 모뎀 평균 송출 파워 변동률을 연산하고, 상기 모뎀의 수신 파워로부터 모뎀 평균 수신 파워 변동률을 연산하는위성통신 장애 학습 방법
|
| 4 |
4
제 1 항에 있어서,상기 과거 강수량 데이터를 추출하는 단계는,상기 과거 기상 정보로부터 상기 안테나의 위치에서 가장 가까운 지역에 대하여 설정 기간 동안의 계측 강수량을 상기 과거 강수량 데이터로서 추출하는위성통신 장애 학습 방법
|
| 5 |
5
제 1 항에 있어서,상기 안테나의 위치, 상기 모뎀의 성능 정보, 상기 과거 강수량 데이터, 상기 안테나의 장비별 장애 패턴 및 상기 모뎀의 장비별 장애 패턴을 링크 장애 예측을 위한 상기 인공신경망 모델의 학습용 데이터로서 이용하는위성통신 장애 학습 방법
|
| 6 |
6
제 1 항에 있어서,상기 안테나의 위치, 상기 안테나의 장비별 기준 상태값 및 상기 안테나의 장비별 장애 패턴을 안테나 장애 예측을 위한 상기 인공신경망 모델의 학습용 데이터로서 이용하는위성통신 장애 학습 방법
|
| 7 |
7
제 1 항에 있어서,상기 모뎀의 장비별 기준 상태값 및 상기 모뎀의 장비별 장애 패턴을 모뎀 장애 예측을 위한 상기 인공신경망 모델의 학습용 데이터로서 이용하는위성통신 장애 학습 방법
|
| 8 |
8
위성통신 장비 중 안테나와 모뎀의 성능 정보 및 과거 상태 정보, 상기 안테나와 모뎀의 장애 이력 정보, 그리고 과거 기상 정보를 획득하는 정보 획득부와,상기 정보 획득부에 의해 획득된 정보 중 적어도 일부를 인공신경망 모델의 학습용 데이터로서 이용할 수 있도록 전처리하는 전처리부와,상기 정보 획득부에 의해 획득된 정보와 상기 전처리부에 의해 전처리된 정보를 상기 학습용 데이터로서 이용해 상기 인공신경망 모델이 위성통신 장애 예측이 가능하도록 학습하는 학습부를 포함하고,상기 전처리부는,상기 안테나의 과거 상태 정보와 상기 모뎀의 과거 상태 정보로부터 장비별 기준 상태값을 연산하며, 상기 과거 기상 정보로부터 상기 위성통신 장비에 대응하는 과거 강수량 데이터를 추출하고, 상기 안테나의 장애 이력 정보와 상기 모뎀의 장애 이력 정보에 기초하여 장비별 장애 패턴을 검출하며,상기 학습부는,상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 상기 장비별 기준 상태값, 상기 과거 강수량 데이터 및 상기 장비별 장애 패턴을 상기 학습용 데이터로서 이용하는위성통신 장애 학습 장치
|
| 9 |
9
제 8 항에 있어서,상기 전처리부는, 상기 장비별 기준 상태값으로서,상기 안테나의 추적신호세기로부터 안테나 평균 추적신호세기를 연산하고, 상기 안테나의 핑 손실률로부터 안테나 평균 신호 손실률을 연산하며, 상기 안테나의 송출 파워로부터 안테나 평균 송출 파워 변동률을 연산하는위성통신 장애 학습 장치
|
| 10 |
10
제 8 항에 있어서,상기 전처리부는, 상기 장비별 기준 상태값으로서,상기 모뎀의 핑 손실률로부터 모뎀 평균 신호 손실률을 연산하며, 상기 모뎀의 송출 파워로부터 모뎀 평균 송출 파워 변동률을 연산하고, 상기 모뎀의 수신 파워로부터 모뎀 평균 수신 파워 변동률을 연산하는위성통신 장애 학습 장치
|
| 11 |
11
제 8 항에 있어서,상기 전처리부는,상기 과거 기상 정보로부터 상기 안테나의 위치에서 가장 가까운 지역에 대하여 설정 기간 동안의 계측 강수량을 상기 과거 강수량 데이터로서 추출하는위성통신 장애 학습 장치
|
| 12 |
12
제 8 항에 있어서,상기 학습부는,상기 안테나의 위치, 상기 모뎀의 성능 정보, 상기 과거 강수량 데이터, 상기 안테나의 장비별 장애 패턴 및 상기 모뎀의 장비별 장애 패턴을 링크 장애 예측을 위한 상기 인공신경망 모델의 학습용 데이터로서 이용하는위성통신 장애 학습 장치
|
| 13 |
13
제 8 항에 있어서,상기 학습부는,상기 안테나의 위치, 상기 안테나의 장비별 기준 상태값 및 상기 안테나의 장비별 장애 패턴을 안테나 장애 예측을 위한 상기 인공신경망 모델의 학습용 데이터로서 이용하는위성통신 장애 학습 장치
|
| 14 |
14
제 8 항에 있어서,상기 학습부는,상기 모뎀의 장비별 기준 상태값 및 상기 모뎀의 장비별 장애 패턴을 모뎀 장애 예측을 위한 상기 인공신경망 모델의 학습용 데이터로서 이용하는위성통신 장애 학습 장치
|
| 15 |
15
위성통신 장애 예측 장치가 위성통신 장애를 예측하는 방법으로서,위성통신 장비 중 안테나와 모뎀의 성능 정보 및 실시간 상태 정보, 그리고 실시간 기상 정보를 획득하는 단계와,상기 안테나의 실시간 상태 정보와 상기 모뎀의 실시간 상태 정보로부터 장비별 동작 상태값을 연산하는 단계와,상기 실시간 기상 정보로부터 상기 위성통신 장비에 대응하는 예보 강수량 데이터를 추출하는 단계와,상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 상기 장비별 동작 상태값, 상기 예보 강수량 데이터를 기 학습된 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 상기 위성통신 장애 예측을 수행하는 단계를 포함하고,상기 인공신경망 모델은,상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 과거의 장비별 기준 상태값, 과거의 계측 강수량 데이터, 그리고 상기 안테나와 상기 모뎀의 장비별 장애 패턴-상기 안테나와 상기 모뎀의 장애 이력 정보에 기초하여 검출됨-을 학습용 데이터로서 이용해 기 학습된,위성통신 장애 예측 방법
|
| 16 |
16
제 15 항에 있어서,상기 장비별 동작 상태값을 연산하는 단계는,상기 안테나의 추적신호세기로부터 안테나 평균 추적신호세기를 연산하고, 상기 안테나의 핑 손실률로부터 안테나 평균 신호 손실률을 연산하며, 상기 안테나의 송출 파워로부터 안테나 평균 송출 파워 변동률을 연산하는위성통신 장애 예측 방법
|
| 17 |
17
제 15 항에 있어서,상기 장비별 동작 상태값을 연산하는 단계는,상기 모뎀의 핑 손실률로부터 모뎀 평균 신호 손실률을 연산하며, 상기 모뎀의 송출 파워로부터 모뎀 평균 송출 파워 변동률을 연산하고, 상기 모뎀의 수신 파워로부터 모뎀 평균 수신 파워 변동률을 연산하는위성통신 장애 예측 방법
|
| 18 |
18
제 15 항에 있어서,상기 예보 강수량 데이터를 추출하는 단계는,상기 실시간 기상 정보로부터 상기 안테나의 위치에서 가장 가까운 지역에 대하여 설정 기간 동안의 예보 강수량을 상기 예보 강수량 데이터로서 추출하는위성통신 장애 예측 방법
|
| 19 |
19
제 15 항에 있어서,상기 안테나의 위치, 상기 모뎀의 성능 정보, 상기 예보 강수량 데이터, 상기 안테나의 장비별 장애 패턴 및 상기 모뎀의 장비별 장애 패턴을 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 링크 장애 예측을 수행하는위성통신 장애 예측 방법
|
| 20 |
20
제 15 항에 있어서,상기 안테나의 위치, 상기 안테나의 장비별 동작 상태값 및 상기 안테나의 장비별 장애 패턴을 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 안테나 장애 예측을 수행하는위성통신 장애 예측 방법
|
| 21 |
21
제 15 항에 있어서,상기 모뎀의 장비별 동작 상태값 및 상기 모뎀의 장비별 장애 패턴을 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 모뎀 장애 예측을 수행하는위성통신 장애 예측 방법
|
| 22 |
22
위성통신 장비 중 안테나와 모뎀의 성능 정보 및 실시간 상태 정보, 그리고 실시간 기상 정보를 획득하는 정보 획득부와,상기 정보 획득부에 의해 획득된 정보 중 적어도 일부를 인공신경망 모델을 이용한 장애 예측에 이용할 수 있도록 전처리하는 전처리부와,상기 정보 획득부에 의해 획득된 정보와 상기 전처리부에 의해 전처리된 정보를 기 학습된 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 상기 위성통신 장애 예측을 수행하는 학습부를 포함하고,상기 인공신경망 모델은,상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 과거의 장비별 기준 상태값, 과거의 계측 강수량 데이터, 그리고 상기 안테나와 상기 모뎀의 장비별 장애 패턴-상기 안테나와 상기 모뎀의 장애 이력 정보에 기초하여 검출됨-을 학습용 데이터로서 이용해 기 학습되며,상기 전처리부는,상기 안테나의 실시간 상태 정보와 상기 모뎀의 실시간 상태 정보로부터 장비별 동작 상태값을 연산하며, 상기 실시간 기상 정보로부터 상기 위성통신 장비에 대응하는 예보 강수량 데이터를 추출하고,상기 학습부는,상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 상기 장비별 동작 상태값, 및 상기 예보 강수량 데이터를 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 상기 위성통신 장애 예측을 수행하는위성통신 장애 예측 장치
|
| 23 |
23
제 22 항에 있어서,상기 전처리부는, 상기 장비별 동작 상태값으로서,상기 안테나의 추적신호세기로부터 안테나 평균 추적신호세기를 연산하고, 상기 안테나의 핑 손실률로부터 안테나 평균 신호 손실률을 연산하며, 상기 안테나의 송출 파워로부터 안테나 평균 송출 파워 변동률을 연산하는위성통신 장애 예측 장치
|
| 24 |
24
제 22 항에 있어서,상기 전처리부는, 상기 장비별 동작 상태값으로서,상기 모뎀의 핑 손실률로부터 모뎀 평균 신호 손실률을 연산하며, 상기 모뎀의 송출 파워로부터 모뎀 평균 송출 파워 변동률을 연산하고, 상기 모뎀의 수신 파워로부터 모뎀 평균 수신 파워 변동률을 연산하는위성통신 장애 예측 장치
|
| 25 |
25
제 22 항에 있어서,상기 전처리부는, 상기 예보 강수량 데이터를 추출할 때에,상기 실시간 기상 정보로부터 상기 안테나의 위치에서 가장 가까운 지역에 대하여 설정 기간 동안의 예보 강수량을 상기 예보 강수량 데이터로서 추출하는위성통신 장애 예측 장치
|
| 26 |
26
제 22 항에 있어서,상기 학습부는,상기 안테나의 위치, 상기 모뎀의 성능 정보 및 상기 예보 강수량 데이터를 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 링크 장애 예측을 수행하는위성통신 장애 예측 장치
|
| 27 |
27
제 22 항에 있어서,상기 학습부는,상기 안테나의 위치 및 상기 안테나의 장비별 동작 상태값을 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 안테나 장애 예측을 수행하는위성통신 장애 예측 장치
|
| 28 |
28
제 22 항에 있어서,상기 학습부는,상기 모뎀의 장비별 동작 상태값을 상기 인공신경망 모델에 입력하여, 상기 인공신경망 모델의 출력으로서 모뎀 장애 예측을 수행하는위성통신 장애 예측 장치
|
| 29 |
29
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,위성통신 장비 중 안테나와 모뎀의 성능 정보 및 과거 상태 정보, 상기 안테나와 모뎀의 장애 이력 정보, 그리고 과거 기상 정보를 획득하는 단계와, 상기 안테나의 과거 상태 정보와 상기 모뎀의 과거 상태 정보로부터 장비별 기준 상태값을 연산하는 단계와, 상기 과거 기상 정보로부터 상기 위성통신 장비에 대응하는 과거 강수량 데이터를 추출하는 단계와, 상기 안테나의 장애 이력 정보와 상기 모뎀의 장애 이력 정보에 기초하여 장비별 장애 패턴을 검출하는 단계와, 상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 상기 장비별 기준 상태값, 상기 과거 강수량 데이터 및 상기 장비별 장애 패턴을 학습용 데이터로서 이용해, 인공신경망 모델이 상기 위성통신 장애 예측이 가능하도록 학습하는 단계를 포함하는 위성통신 장애 학습 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체
|
| 30 |
30
컴퓨터 판독 가능 기록매체에 저장된 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,위성통신 장비 중 안테나와 모뎀의 성능 정보 및 과거 상태 정보, 상기 안테나와 모뎀의 장애 이력 정보, 그리고 과거 기상 정보를 획득하는 단계와, 상기 안테나의 과거 상태 정보와 상기 모뎀의 과거 상태 정보로부터 장비별 기준 상태값을 연산하는 단계와, 상기 과거 기상 정보로부터 상기 위성통신 장비에 대응하는 과거 강수량 데이터를 추출하는 단계와, 상기 안테나의 장애 이력 정보와 상기 모뎀의 장애 이력 정보에 기초하여 장비별 장애 패턴을 검출하는 단계와, 상기 안테나의 성능 정보, 상기 모뎀의 성능 정보, 상기 장비별 기준 상태값, 상기 과거 강수량 데이터 및 상기 장비별 장애 패턴을 학습용 데이터로서 이용해, 인공신경망 모델이 상기 위성통신 장애 예측이 가능하도록 학습하는 단계를 포함하는 위성통신 장애 학습 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 프로그램
|
