/SouthSEA_SST_PREDICT_MODEL

Primary LanguagePython

South_Sea_SST_ML

남해의 여섯달 뒤에 수온을 예측 해보자

연구 방법

  1. 인도양과 동태평양의 기압 차이(x1)과 인도양과 동태평양의 수온 차이(x2), Ucompoent(x3)를 매개변수로 하여 수온 예측값을 구하여 보자.
  2. 비교 시기는 적도 태평양이 한국에 영향을 미칠 것이라 예상되는 6달 뒤로.

데이터 획득

  1. NOAA에서 제공되는 ICOADS-1 위성 수치자료 획득.
  2. Degree 1로 Resolution이 굉장히 넓다.
  • 차후 이미지 처리를 이용하면 좋을 것 같음

데이터 전처리

YEAR 연도 MONTH 월 KS_SST 대한해협 수온 EQ_SOI 인도양과 동태평양의 기압차이 UWND 동서방향 바람의 세기 SouthSea 남해 수온 PAC_IND_SST_DIFF 인도양과 동태평양 수온 차이 EAST_PACIFIC 동태평양 수온 INDIA 인도양 수온 KS_Anomaly 대한해협 수온 아노말리 SouthSEA 남해 수온 아노말리 EastSea 동해 수온 아노말리

  1. 2차원 배열로 정리함
  2. 학습데이터 결과데이터는 7:3 비율로 나눔
  3. 활성화 함수는 시그모이드, 출력함수는 소프트맥스

결과

대한해협 손실함수 대한해협 Score: 0.78

남해 손실합수 남해 Score: 0.83

Tensorflow 이용

모델 정의. 손실함수 : 크로스 엔트로피 최적화 알고리즘 : 경사하강법 은닉층 100개, 출력층 3개

  • 출력층 정의 : 2 - 수온 매우 높음, 1 - 수온 높음, 0 - 수온 예상 변동 없음, -1 - 수온 하강 예상

대한해협 손실함수 Tensor_KS Val_accuracy : 0.78

남해 손실함수 Tensor_SS Val_accuracy : 0.83

고쳐야 될 점

  1. 매개변수를 조절하면서 해보자.. (바람변수를 뺀다던가)
  2. 도드라지는 변화가 없어서 사실 맞추기 어렵다..
  3. 그래도 자연과학에서 83%면 높은 것이 아닐까?

시계열 데이터

  1. RNN을 이용해보자
  2. LSTM 모델을 이용해보자

*RNN 결과 남해 손실함수 RNN SS Val_accuracy : 0.83

*LSTM 결과 남해 손실함수 LSTM_SS Val_accuracy : 0.83

정확도는 그대로, LOSS는 줄어들었다.