메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제22권 제1호
발행연도
2020.1
수록면
169 - 176 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
인공위성에 사용되는 재료가 우주에서 운용되는 동안 원자산소(atomic oxygen)에 의하여 발생하는 침식(erosion)에 중요한 영향을 미치는 태양활동의 지표 중 하나인 F10.7의 예측은 인공위성 최적 설계에 있어서 핵심 요소이다. 그 동안은 최악의 상황을 가정한 예측에 따라 설계하였으나, 인공위성 제작이 민간에게 전이되는 상황에서 이러한 지표의 예측에 통계적 방법뿐만 아니라 최신의 기계학습(machine learning) 기법들을 적용하는 연구를 진행하고 있다. 본 논문에서는 F10.7을 예측하는 방법으로 LSTM(long short-term memory) 네트워크를 적용하였다. 특별히 본 논문에서는 전체 자료를 일반적으로 기계학습에서 사용하고 있는 학습 자료(training set), 검증 자료(validation set), 평가 자료(test set)로 나누는 대신, 학습 자료의 크기가 줄어드는 것을 피하기 위하여 검증용 자료를 사용하지 않으면서 과적합 이전에 학습 과정을 멈추는 방안을 제안하였다. 또한 한 개의 시점을 예측하는 것과 12개의 시점을 한번에 예측하는 방법을 함께 제안한다. LSTM 네트워크를 이용한 예측은 모수적 예측 방법인 자기회귀이동평균(ARIMA) 모형보다 더 안정적이고 12개월을 한번에 예측하는 것이 보다 경쟁력 있는 결과를 보여주었다.
#ARIMA #atomic oxygen erosion #F10.7 #LSTM #prediction.

목차

등록된 정보가 없습니다.

참고문헌 (10)

참고문헌 신청
Banks, B. A. / 2004 / Low earth orbital atomic oxygen interactions with spacecraft materials google schola 최수훈 / 2019 / SVR과 LSTM 모형의 토양습도 예측력 비교분석 / Journal of The Korean Data Analysis Society 21(6):2921~2930 dbpia 최기홍 / 2018 / 한국 주식시장에서의 날씨효과: 시장상황, 수익률과 거래활동의 일중패턴 / Journal of The Korean Data Analysis Society 20(3):1227~1242 dbpia Kim, Y. -G. / 2018 / A research on the prediction of atomic oxygen erosion for coated materials of LEO satelite with statistical modeling google schola 김종화 / 2019 / 순환신경망 모형을 활용한 시계열 비교예측 / Journal of The Korean Data Analysis Society 21(4):1771~1779 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0