End-to-End 딥러닝 기법을 적용한 데이터 기반 태풍 진로 예측 연구

Abstract

□ 전지구 위성영상 빅데이터를 활용한 데이터 기반 태풍진로 예측 딥러닝 모델 개발 ◦ 위성영상 기반 태풍 중심 탐지 시스템 개발 (GlobeNet) ◦ 시계열 위성영상 예측 시스템 개발 (PSIque) ◦ 위성영상 학습 오토인코더 개발 ◦ 수치모델 기반 태풍진로예측 딥러닝 모델 개발 (DeepTC) □ 대용량 위성영상 분석에 최적화된 분산 딥러닝 프레임워크 설계 및 테스트베드 구성 ◦ 분산 Tensoflow 활용 딥러닝 프레임워크 개발 ◦ 30노드 이상의 분산 딥러닝 프레임워크 운용

(출처 : 보고서 초록 3p)

IV. Results of the study ◦ Development of tropical cyclone center detection system based on satellite image (GlobeNet) - Construction of convolution neural network and linear regression application model - Locations of multiple tropical cyclone centers (up to 6) and confidence probability simultaneous recognition ◦ Development of time-series satellite prediction system (PSIque) - Construction of sequence to sequence prediction model for SkipConx based memory network ◦ Development of auto encoder learning satellite image - Development of learning module for latent vector of cloud satellite image - Improved performance after using as additional information of deep learning model ◦ Development of a numerical model-based tropical cyclone trajectory prediction deep-learning model (DeepTC) - Establishment of WRF (Weather Research and Forecast) data utilization model using ensemble technique ◦ Development of distributed deep learning framework and development of operation technology - Multi-node distributed deep learning framework using distributed Tensorflow

(출처 : SUMMARY 7p)