지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
Numerical wave prediction models require a large amount of computational power to timely complete the required calculations. Artificial Neural Networks (ANN) have been introduced to perform predictions at a lesser computational cost and increased processing speed. Deep learning and specifically Convolutional Neural Networks (CNN) have become accepted for various image recognition applications. Motivation for the examination of wave prediction by deep learning came from the success of CNN in vision applications and the similarity of meteorological weather grid data to visual images. This study investigates a deep learning technique using the Japan Meteorological Agency’s Grid Point Value Mesoscale Model to predict wave height and period. In particular, this study uses the Xception deep learning architecture with depthwise separable convolution to obtain improved wave height and period prediction over artificial neural networks, and gets overall success results.
목차
등록된 정보가 없습니다.
참고문헌 (12)
참고문헌 신청
Chollet, F. / 2016 / Xception: Deep Learning with Depthwise Separable Convolutions / arXiv preprint arXiv:1610.02357
조용훈 / 2019 / 운용자와 자율 무인선 상호 작용을 고려한 행위 기반의 제어 알고리즘 / 한국해양공학회지 33(6):620~626
GPV(Grid Point Value)
Hornik, K. / 1989 / Multilayer Feedforward Networks are Universal Approximators / Neural Networks 2(5):359~333
김도영 / 2019 / Draupner 파랑자료의 통계적 해석 / 한국해양공학회지 33(3):252~258
조용훈 / 2019 / 운용자와 자율 무인선 상호 작용을 고려한 행위 기반의 제어 알고리즘 / 한국해양공학회지 33(6):620~626
GPV(Grid Point Value)
Hornik, K. / 1989 / Multilayer Feedforward Networks are Universal Approximators / Neural Networks 2(5):359~333
김도영 / 2019 / Draupner 파랑자료의 통계적 해석 / 한국해양공학회지 33(3):252~258
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Development of a Daily PM10 and PM2.5 Prediction System Based on Deep Long Short-term Memory Neural Network
한국대기환경학회 학술대회논문집
2020 .10
-
Deep learning-based post-processing of numerical weather predictions
한국기상학회 학술대회 논문집
2022 .10
-
딥 러닝과 KSTAR 초전도 자석
물리학과 첨단기술
2022 .04
-
Deep learning based marine biogeochemical prediction
한국기상학회 학술대회 논문집
2023 .04
-
Introduction to convolutional neural network using Keras; an understanding from a statistician
CSAM(Communications for Statistical Applications and Methods)
2019 .11
-
Temporal Interpolation of Numerical Model Using 3D Convolutional Neural Network
한국기상학회 학술대회 논문집
2022 .05
-
쇄파고의 확률밀도 함수를 이용한 최대파고의 확률분포 추정
한국연안방재학회지
2015 .04
-
Is it possible to forecast KOSPI direction using deep learning methods?
CSAM(Communications for Statistical Applications and Methods)
2021 .07
-
인공신경망 기반 태풍 월파예측모델 개발
한국연안방재학회지
2023 .01
-
NOAA의 장기 파랑 추산자료를 이용한 동해안의 고파랑 내습경향 분석
한국연안방재학회지
2017 .01
-
CNN 인공지능을 이용한 서울 지역의 PM10 예측 모델 개발
한국기상학회 학술대회 논문집
2018 .10
-
장기파랑 자료수를 제어한 퇴적물이동 계산시간 감소 방안
한국연안방재학회지
2021 .10
-
배경 오차 추정 방안이 PM2.5 예측을 위한 3차원 변분 자료동화에 미치는 영향
한국대기환경학회 학술대회논문집
2021 .10
-
Forecasting daily PM10 concentration in Seoul Jong-no District by using various statistical techniques
한국데이터정보과학회지
2020 .01
-
Forecasting high levels of PM10 in Korea based on the principal expectile component regression
한국데이터정보과학회지
2023 .01
-
Seasonal to multiannual marine ecosystem prediction using a deep learning approach
한국기상학회 학술대회 논문집
2023 .11
-
Density prediction of high energy materials using deep learning method (DNNs)
한국분석과학회 학술대회
2019 .05
-
Density prediction of high energy materials using deep learning method (DNNs)
한국분석과학회 학술대회
2019 .05
-
A review and comparison of convolution neural network models under a unified framework
CSAM(Communications for Statistical Applications and Methods)
2022 .03
-
심층 신경망을 이용한 대기질 예측
한국대기환경학회지(국문)
2019 .04
이 논문의 저자 정보
최근 본 자료
댓글(0)
0