LSTM 기반의 시계열 대기 굴절률 예측 방법 및 장치
METHOD AND APPARATUS OF FORECASTING THE ATMOSPHERIC RADIO REFRACTIVITY INDEX BASED ON LSTM
특허 요약
본 개시는 LSTM 기반의 시계열 대기 굴절률 예측 방법 및 장치에 관한 것이다. 본 개시의 실시예에 따르면, 상기 LSTM 기반의 시계열 대기 굴절률 예측 방법은, 적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 장단기 메모리 네트워크(Long Short-Term Memory Network, LSTM) 기반의 시계열 대기 굴절률 예측 방법으로서, 적어도 하나 이상의 기상 관측소로부터 기상 환경 데이터를 수집하는 단계, 상기 기상 환경 데이터를 시간 순으로 연결하는 단계, 수집된 상기 기상 환경 데이터를 특정 고도 간격의 기상 환경 데이터로 가공하는 단계, 상기 가공된 특정 고도 간격의 기상 환경 데이터를 이용하여 특정 고도 간격의 대기 굴절률을 계산하는 단계, 상기 계산된 대기 굴절률을 LSTM 모델에 입력하여, 특정 시점의 예측된 대기 굴절률을 생성하는 단계를 포함할 수 있다.
청구항
번호청구항
1

적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 장단기 메모리 네트워크(Long Short-Term Memory Network, LSTM) 기반의 시계열 대기 굴절률 예측 방법으로서, 적어도 하나 이상의 기상 관측소로부터 기상 환경 데이터를 수집하는 단계;상기 기상 환경 데이터를 시간 순으로 연결하는 단계;수집된 상기 기상 환경 데이터를 특정 고도 간격의 기상 환경 데이터로 가공하는 단계;상기 가공된 특정 고도 간격의 기상 환경 데이터를 이용하여 특정 고도 간격의 대기 굴절률을 계산하는 단계;상기 계산된 대기 굴절률을 LSTM 모델에 입력하여, 특정 시점의 예측된 대기 굴절률을 생성하는 단계를 포함하는,LSTM 기반의 시계열 대기 굴절률 예측 방법.

2

제1항에 있어서,상기 기상 환경 데이터는 기압, 기온, 상대습도, 풍속, 풍향, 눈, 비, 구름, 에어로졸 중 적어도 하나를 포함하는,LSTM 기반의 시계열 대기 굴절률 예측 방법.

3

제1항에 있어서,상기 기상 환경 데이터를 특정 고도 간격의 기상 환경 데이터로 가공하는 단계는,조각별 3차 에르미트 보간 다항식(Piecewise Cubic Hermite Interpolation Polynomial)을 이용하여 상기 특정 고도 간격을 갖는 기상 환경 데이터로 가공하는 것인,LSTM 기반의 시계열 대기 굴절률 예측 방법.

4

제1항에 있어서,상기 특정 고도 간격의 대기 굴절률은 특정 고도 간격의 기상 환경 데이터에 MPM93(Milimeter-wave Propagation Model)을 이용하여 계산하는,LSTM 기반의 시계열 대기 굴절률 예측 방법.

5

제1항에 있어서,상기 특정 고도 간격의 대기 굴절률은 특정 고도의 기상 환경 데이터에 ITU-R 모델(International Telecommunication Union - Radiocommunication Model)을 이용하여 계산하는,LSTM 기반의 시계열 대기 굴절률 예측 방법.

6

제1항에 있어서,상기 특정 시점의 예측 대기 굴절률을 생성하는 단계 전에, 상기 계산된 대기 굴절률로부터 학습데이터를 생성하여 상기 특정 시점의 예측 대기 굴절률을 생성하는 LSTM 모델을 학습시키는 단계를 더 포함하는,LSTM 기반의 시계열 대기 굴절률 예측 방법.

7

적어도 하나 이상의 기상 관측소로부터 기상 환경 데이터를 수신하는 기상 데이터 수신부;상기 기상 환경 데이터를 시간 순으로 연결하는 단계 또는 수집된 상기 기상 환경 데이터를 특정 고도 간격의 기상 환경 데이터로 가공하는 단계 중 적어도 하나 이상의 컴퓨터 프로세스를 포함하는 컴퓨팅 장치로 구성된 프로세서; 및상기 가공된 특정 고도 간격의 기상 환경 데이터를 이용하여 특정 고도 간격의 대기 굴절률을 계산하여 상기 계산된 대기 굴절률을 LSTM 모델에 입력하여, 특정 시점의 예측된 대기 굴절률을 생성하는 시계열 대기 굴절률 생성부를 포함하는, LSTM 기반의 시계열 대기 굴절률 예측 장치.

8

제7항에 있어서,상기 기상 환경 데이터는 기압, 기온, 상대습도, 풍속, 풍향, 눈, 비, 구름, 에어로졸 중 적어도 하나를 포함하는,LSTM 기반의 시계열 대기 굴절률 예측 장치.

9

제8항에 있어서,상기 기상 환경 데이터는 대한민국 기상청의 기상정보제공포탈에서 제공하는 기상 환경 데이터를 포함하는,LSTM 기반의 시계열 대기 굴절률 예측 장치.

10

제7항에 있어서,상기 기상 환경 데이터를 특정 고도 간격의 기상 환경 데이터로 가공하는 단계는,조각별 3차 에르미트 보간 다항식(Piecewise Cubic Hermite Interpolation Polynomial)을 이용하여 상기 특정 고도 간격을 갖는 기상 환경 데이터로 가공하는 것인,LSTM 기반의 시계열 대기 굴절률 예측 장치.

11

제7항에 있어서,상기 특정 고도 간격의 대기 굴절률은 특정 고도 간격의 기상 환경 데이터에 MPM93(Milimeter-wave Propagation Model)을 이용하여 계산하는,LSTM 기반의 시계열 대기 굴절률 예측 장치.

12

제7항에 있어서,상기 특정 고도 간격의 대기 굴절률은 특정 고도의 기상 환경 데이터에 ITU-R 모델(International Telecommunication Union - Radiocommunication Model)을 이용하여 계산하는,LSTM 기반의 시계열 대기 굴절률 예측 장치.