대기과학지

이번 포스팅은 입력 변수 개수를 증가시켜서 해보겠습니다 모델에도 약간의 수정이 있습니다 출력층의 노드 갯수가 12개여야 하기 때문에 앞선 모델들의 노드 갯수에 2배를 해줬습니다 또 추가적으로 이전 모델들에서 학습 횟수가 30~50 정도부터 더 이상 낮아지지 않는 구간이 시작되기 때문에 EarlyStopping도 추가했습니다 Early Stopping은 학습 횟수를 전부 채우지 않았음에도 학습을 조기 종료하는 함수입니다 변수는 monitor, min_delta, patience, mode 이렇게 4가지를 입력 받으며 monitor와 patience 2개를 주로 사용합니다 monitor : 조기 종료 기준이 될 값 (loss, val_loss...) min_delta : 모델이 손실을 줄여가는 과정에서 개선..

이번 포스팅에서는 저번과 모두 동일하지만 자료만 MinMaxScaler를 이용해서 정규화를 시킨 후에 학습하고 예측시켜보겠습니다 저번과 달라진 것은 전혀 없습니다 모델의 구조나 자료의 크기는 전부 같습니다 모델 생성 코드는 아래 링크에서 보시면 될 것 같습니다 https://dunggeul7843.tistory.com/120 작업32: keras 인공신경망으로 기상변수 예측 모델 만들기2 첫 번째 모델 수정입니다 이번에는 모델 구조와 은닉층의 갯수는 그대로 둔 채 자료의 갯수만 늘렸습니다 사용한 자료는 똑같이 ASOS 종관기상관측 자료를 사용했습니다 104 북강릉 지점에 2014년 dunggeul7843.tistory.com 이번 포스팅에는 MinMaxScaler 코드와 학습하는 과정이랑 결과만 보여드리..

첫 번째 모델 수정입니다 이번에는 모델 구조와 은닉층의 갯수는 그대로 둔 채 자료의 갯수만 늘렸습니다 사용한 자료는 똑같이 ASOS 종관기상관측 자료를 사용했습니다 104 북강릉 지점에 2014년 7월 31일 00시부터 2023년 7월 31일 00시까지 10년으로 자료 크기를 늘렸습니다 사용한 기상변수는 6개로 기온, 습도, 풍속, 기압, 시정, 이슬점온도 입니다 코드입니다 import numpy as np import tensorflow as tf import pandas as pd from keras.models import Sequential from keras.layers import Embedding, LSTM, GRU, Dense, Dropout from keras.models import l..

오늘부터 keras 인공신경망을 이용해서 기상변수 예측 모델을 만들어보겠습니다 현재는 프로토 타입같은 초기 모델입니다 아직 딥러닝을 공부해가는 중이고 파이썬으로는 어느 정도의 정확성이 가능한지 알아보려고 합니다 모델을 수정해보고 결과가 좋아질 때마다 포스팅을 할 계획이기 때문에 꽤 길게 이어질 것 같습니다 먼저 사용한 자료는 ASOS 종관기상관측 자료를 사용했습니다 104 북강릉 지점에 2020년 7월 31일 00시부터 2023년 7월 31일 00시까지 3년 자료를 사용했습니다 사용한 기상변수는 6개로 기온, 습도, 풍속, 기압, 시정, 이슬점온도 입니다 코드입니다 import numpy as np import tensorflow as tf import pandas as pd from keras.mode..