KR102238888B1 - 인공지능을 이용한 강수량 측정 방법 - Google Patents
인공지능을 이용한 강수량 측정 방법 Download PDFInfo
- Publication number
- KR102238888B1 KR102238888B1 KR1020190072410A KR20190072410A KR102238888B1 KR 102238888 B1 KR102238888 B1 KR 102238888B1 KR 1020190072410 A KR1020190072410 A KR 1020190072410A KR 20190072410 A KR20190072410 A KR 20190072410A KR 102238888 B1 KR102238888 B1 KR 102238888B1
- Authority
- KR
- South Korea
- Prior art keywords
- precipitation
- sensor
- drained
- artificial intelligence
- pattern
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000001556 precipitation Methods 0.000 claims abstract description 193
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000000691 measurement method Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Environmental Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Ecology (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Hydrology & Water Resources (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
본 발명은 인공지능을 이용한 강수량 측정 방법에 관한 것으로, 강수가 유입되는 유입구를 구비하는 본체와, 상기 본체의 내부에 형성되며 상기 유입구를 통해 유입된 상기 강수가 집수되어 배수되도록 배수구를 구비하는 집수체를 포함하는 본체부와, 상기 강수를 감지하는 센서부와, 상기 센서부의 무선 통신을 담당하는 무선 통신부와, 상기 센서부로부터 강수 정보를 입력받아 강수량을 산출하는 제어 서버부를 포함하는 강수량 측정 장치를 이용하는 인공지능을 이용한 강수량 측정 방법에 있어서, 상기 센서부가 상기 강수를 센싱하는 센싱 단계와, 상기 무선 통신부를 통하여 상기 센서부로부터 상기 강수에 관한 데이터를 수집하는 데이터 수집 단계와, 수집된 상기 데이터를 분석하여 특징점을 생성하는 특징점 생성 단계와, 상기 특징점을 모델링된 분류기에 통과시켜 강수 패턴을 분석하는 강수 패턴 분석 단계와, 분석된 상기 강수 패턴을 기반으로 강수량을 측정하는 강수량 측정 단계를 포함함으로써, 강수량을 용이하고 정확하게 측정할 수 있다.
Description
본 발명은 인공지능을 이용한 강수 패턴 분석을 통해 강수량을 정확하게 측정할 수 있는 인공지능을 이용한 강수량 측정 방법에 관한 것이다.
강수량은 대기 중에 일어나는 기상 현상 중, 비나 눈, 우박 등과 같이 지표면에 낙하하는 강수의 양을 뜻하는 것으로, 이와 같은 강수의 양을 측정하는 우량계로 저수형 자기 우량계, 저수형 원통 우량계, 중량형 우량계 등이 있고, 측정 방법에 따라 강수의 무게를 측정하는 방법, 강수의 부피를 측정하는 방법 등이 있다.
이와 같은 강수량 측정계는 일반적으로 낙하한 강수를 집수하고 집수된 강수를 저장 탱크 등에 저장하여 강수량을 측정하는 형태로, 강수가 지속적으로 발생하지 않는 경우, 저장된 강수의 증발이 발생하므로 증발되는 양만큼 손실이 발생하여 정확하게 강수량을 측정할 수 없다는 어려움이 있다.
또한, 일강수량이 0.1mm 미만인 흔적강수와 같이 강수량 중 우량계로 측정하기 어려운 미세한 양의 강수가 발생할 경우, 우량계로 정확하게 측정하기 어려우므로 강수가 발생하는 일로 기록되지 못하고 있다.
또한, 바람을 동반하는 강수가 내리는 경우, 바람에 의해 강수량 측정계에 진동이 발생되어 우량계에 강수가 정확하게 집수되기 어려워, 측정되는 강수의 양에 오차가 발생하는 문제점이 있다.
본 발명은 센서부에서 수집되는 강수에 대한 데이터를 인공지능을 이용한 패턴 분석을 통해 강수량을 측정할 수 있는 인공지능을 이용한 강수량 측정 방법을 제공하고자 한다.
또한, 본 발명은 제 1 센서로 강수를 인지하고, 초음파 센서로 구비된 제 2 센서에서 강수의 배수 시간을 측정하고, 압력 센서로 구비된 제 3 센서에서 배수되는 강수의 압력 등을 측정하고, 이를 바탕으로 형성된 강수 패턴에서 인공지능을 이용한 모델링으로 노이즈를 제거함으로써, 정확하게 강수량을 측정할 수 있는 인공지능을 이용한 강수량 측정 방법을 제공하고자 한다.
본 발명의 실시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따르면, 강수가 유입되는 유입구를 구비하는 본체와, 상기 본체의 내부에 형성되며 상기 유입구를 통해 유입된 상기 강수가 집수되어 배수되도록 배수구를 구비하는 집수체를 포함하는 본체부와, 상기 강수를 감지하는 센서부와, 상기 센서부의 무선 통신을 담당하는 무선 통신부와, 상기 센서부로부터 강수 정보를 입력받아 강수량을 산출하는 제어 서버부를 포함하는 강수량 측정 장치를 이용하는 인공지능을 이용한 강수량 측정 방법에 있어서,
상기 센서부가 상기 강수를 센싱하는 센싱 단계와, 상기 무선 통신부를 통하여 상기 센서부로부터 상기 강수에 관한 데이터를 수집하는 데이터 수집 단계와, 수집된 상기 데이터를 분석하여 특징점을 생성하는 특징점 생성 단계와, 상기 특징점을 모델링된 분류기에 통과시켜 강수 패턴을 분석하는 강수 패턴 분석 단계와, 분석된 상기 강수 패턴을 기반으로 강수량을 측정하는 강수량 측정 단계 를 포함하는 인공지능을 이용한 강수량 측정 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 센서부는, 상기 본체 내부에 구비되고 상기 배수구를 통해 배수되는 상기 강수를 인지하는 제 1 센서와, 상기 배수구를 통해 배수되는 상기 강수의 배수 시간을 측정하는 제 2 센서와, 상기 강수가 상기 배수구를 통해 배수되어 낙하하는 위치에 구비되어 배수되는 상기 강수의 압력을 측정하는 제 3 센서를 포함하되, 상기 제 2 센서를 초음파 센서로 구비하고, 상기 강수가 배수되는 시간을 측정하여 상기 데이터로 변환하는 것을 특징으로 하는 인공지능을 이용한 강수량 측정방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 강수 패턴 분석 단계에서 사용하는 상기 모델링은 머신 러닝 알고리즘을 사용하는 것을 특징으로 하는 인공지능을 이용한 강수량 측정 방법이 제공될 수 있다.
본 발명은, 강수량을 측정하기 위하여 강수를 집수하고 저장할 수 있는 별도의 장치를 요구하지 않고, 센서부를 통해서 강수를 인지하고, 강수의 배수 시간을 측정하며, 배수되는 강수의 압력을 측정하여 측정된 데이터로 바탕으로 강수량을 산출함으로써, 강수량을 용이하게 측정할 수 있다.
또한, 본 발명은 센서부에서 측정된 데이터를 바탕으로 강수 패턴을 분석하고 인공지능을 이용한 모델링으로 데이터의 노이즈를 제거함으로써, 정확하게 강수량을 측정할 수 있다.
도 1은 종래의 강수량 측정 장치를 예시한 도면이다.
도 2는 본 발명의 실시예에 따른 인공지능을 이용한 강수량 측정 방법을 나타낸 단계별 흐름도이다.
도 2는 본 발명의 실시예에 따른 인공지능을 이용한 강수량 측정 방법을 나타낸 단계별 흐름도이다.
본 발명의 실시예들에 대한 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 종래의 강수량 측정 장치를 예시한 도면이고, 도 2는 본 발명의 실시예에 따른 인공지능을 이용한 강수량 측정 방법을 나타낸 단계별 흐름도이다.
강수량 측정 장치는 센서를 이용하여 강수를 감지하고 측정하는 장치로, 본체부(110), 센서부(120), 무선 통신부(130), 제어 서버부(140) 등을 포함할 수 있다.
본체부(110)는 유입된 강수를 집수하고 집수된 강수를 배수시키는 부재로, 하우징(111), 집수체(112) 등을 포함할 수 있다.
하우징(111)은 본체부의 몸체로, 강수가 유입되는 유입구(111a)를 포함하고, 유입구(111a)를 통해 유입된 강수는 집수체(112)에 저장되면서 배수구(112a)를 통해 수직 방향으로 배수될 수 있다.
집수체(112)는 하우징(111)의 내부에 구비되어 유입구(111a)로부터 유입되는 강수가 집수되는 것으로, 배수구(112a)를 포함할 수 있다. 집수체(112)에 강수가 집수되어 배수구(112a)를 통해 배수될 수 있도록, 집수체(112)는 수직 하방으로 경사를 갖도록 형성될 수 있다. 또한, 집수된 강수가 원활하게 배수될 수 있도록, 집수체(112)에 배수구(112a)가 구비될 수 있다.
배수구(112a)의 직경(D) 또는 단면적(A) 등은 배수구(112a)를 통해서 배수되는 강수의 양을 측정하기 위한 요소인바, 강수량 측정 환경이나 측정 목적에 따라 변경되어 사용될 수 있다.
센서부(120)는 감수를 감지하는 구성으로, 제 1 센서(121), 제 2 센서(122), 제 3 센서(123) 등을 포함할 수 있다. 제 1 센서(121)는 배수구(112a)로부터 배수되는 강수를 인지하여 강수 유동의 유무를 감지할 수 있고, 제 2 센서(122)는 배수구(112a)로부터 특정 거리에 구비되어, 배수구(112a)로부터 배수되는 강수의 배수 시간(t)을 측정할 수 있으며, 제 3 센서(123)는 배수구(112a)로부터 배수되는 강수의 압력(P)을 측정할 수 있다.
특히, 제 2 센서(122)는 초음파 유속계, 초음파 유량계, 초음파 도플러 유속계 등의 속도를 측정할 수 있는 초음파 센서 등이 구비되어, 배수구(112a)로부터 낙하하는 강수가 배수되는 시간(t)을 측정하여 강수량 측정의 요소로 이용할 수 있다.
무선 통신부(130)는 센서부(120)의 무선 통신을 담당하는 부재로, 센서부(120)에 의해 센싱된 강수의 정보를 제어 서버부(140)에 송신하고 수신하는 역할을 수행한다.
제어 서버부(140)는 센서부(120)에 의해 센싱되는 강수의 정보를 데이터로 수집하여 강수량을 측정할 수 있다. 즉, 제 1 센서(121)에 의해 강수 유무를 인지한 후, 배수되는 강수의 수직 방향에 직각으로 특정 거리(d)에 구비된 제 2 센서(122)로부터 발생된 초음파가, 특정 거리(d)에서 인식되는 강수의 배수가 지속되는 시간(t)를 측정하고, 제 3 센서(123)에서 배수되는 강수의 압력을 측정하여, 강수의 배수 시간(t), 압력 센서에서 인식되는 압력값(P) 및 배수구의 직경(D, 또는 배수구의 면적(A))를 곱함으로써, 특정 시간 동안 내린 강수의 양을 측정할 수 있다.
다음에, 상술한 바와 같은 제어 서버부(140)가 센서부(120)로부터 강수의 데이터를 수집하여, 여러 가지 러닝 기법이나 분석 기법을 수행함으로써, 강수 패턴을 분석하고, 이에 따라, 강수량을 측정하는 방법에 대해 설명한다.
도 2는 본 발명의 실시예에 따른 인공지능을 이용한 강수량 측정 방법을 나타낸 단계별 흐름도이다.
인공지능을 이용한 강수량 측정 방법은 센서부(120)가 강수를 센싱하는 센싱 단계(단계 201)와, 센서부(130)로부터 무선 통신부(130)를 통하여 강수에 관한 데이터를 수집하는 데이터 수집 단계(단계 202)와, 수집된 데이터를 분석하여 특징점을 생성하는 특징점 생성 단계(단계 203)와, 특징점을 모델링된 분류기에 통과시켜 강수 패턴을 분석하는 강수 패턴 분석 단계(단계 204) 등을 포함할 수 있다.
도 2를 참조하면, 강수가 집수체(112)에 집수되어 배수구(112a)를 통해 배수될 경우, 센서부(120)의 제 1 센서(121)는 배수되는 강수를 인지하여 강수 발생 시점을 인지할 수 있고, 제 1 센서(121)에 의해 강수가 인지될 경우, 제어 서버부(140)는 제 2 센서(122) 및 제 3 센서(123)를 동작시켜, 제 2 센서(122)가 강수의 배수 시간(t)을 측정하고, 제 3 센서(123)가 강수의 압력(P)을 측정할 수 있도록 한다.
제 2 센서(122)는 초음파를 발생시켜 배수되는 강수에 초음파가 반사되는 시간을 측정할 수 있다. 예를 들면, 구비된 제 2 센서(122)의 개수에 따라, 강수가 배수되지 않을 경우, 강수의 배수 시간이 무한대 또는 0에 가까운 시간이 인지될 수 있다. 즉, 제 2 센서(122)의 대향되는 위치에 다른 초음파 센서가 구비될 경우, 0에 가까운 시간이 강수가 배수되지 않음을 의미할 수 있고, 제 2 센서(122)가 단수로 구비될 경우, 발생된 초음파가 반사되지 않기 때문에 제 2 센서(122)에서 인식되는 강수의 배수 시간은 무한대가 될 수 있다.
반면에, 강수의 배수가 지속될 경우, 제 2 센서(122)로부터 특정 거리(d)에 서 강수의 배수가 인지되고, 특정 거리(d)를 초음파의 속도로 나눈 값에 해당하는 시간이 인식될 수 있다. 따라서, 강수의 배수가 지속될 경우, 강수의 배수가 인지되는 시점으로부터 강수의 배수가 지속되는 시간(t)를 센싱할 수 있다.
또한, 초음파의 강수가 배수되어 낙하하는 위치에 구비되는 제 3 센서(133)는 배수되는 강수의 압력(P)를 측정할 수 있다. 초음파 센서를 이용하여 강수량을 측정할 경우, 강수를 집수하여 저장하는 장치를 요하지 않으므로, 강수가 낙하는 위치에 제 3 센서가 구비되어 압력(P)를 측정할 수 있다(단계 201).
제어 서버부(140)는 센서부(120)에서 센싱된 강수의 유무에 관한 정보, 강수에 의해 초음파가 반사되는 시간(t)에 관한 정보, 배수되는 강수의 압력(P)에 관한 정보 등에 데이터를 무선 통신부(130)를 통해 수집한다(단계 202).
제어 서버부(140)는 수집된 데이터를 통해서, 상술한 바와 같은 정보를 강수가 배수되는 시점부터 분석하여, 특징점을 생성한다. 강수의 양을 대표할 수 있는 특징점은 강수에 의해 초음파가 반사되는 시간(t)과 강수에 의해 발생되는 압력(P) 등에 의해 발생될 수 있다. 이러한 특징점은 강수가 배수되는 시간이 얼마나 지속되고 있는지(즉, 강수가 지속되는 시간)와, 지속되는 시간 중 특정 단위 시간에 강수가 얼마나 내리고 있는지를 파악할 수 있다는 점에서 효용성이 있다(단계 203).
또한, 제어 서버부(140)는 생성된 특징점을 모델링된 분류기에 통과시켜 강수 패턴을 파악하고 분석한다. 강수 패턴 분석 단계에서 사용하는 모델링은 머신 러닝 알고리즘이 사용될 수 있다.
머신 러닝 알고리즘의 경우 심층 신경망(DNN)을 사용하거나 합성곱신경망(CNN) 도는 순환신경망(RNN) 방식과 같이 여러 가지 방식의 머신 러닝 알고리즘이 사용될 수 있지만, 본 발명에서와 같이 강수 패턴을 구분하고 분석할 수 있는 예측 기법으로는 SVM(Support Vector Machine) 기법이 사용될 수 있다.
SVM이란 클래시피케이션(classification), 리그레션(regression), 특이점 판별(outliers detection) 등에 주로 사용되는 지도 학습(Supervised Learning) 머신 러닝 방법 중 하나이다. 예를 들어, 두 그룹의 데이터셋을 구분하는 여러 가지 방법 중에 각 그룹의 최대 거리에 있는 중간 지점을 정확하게 구분할 수 있는 것이 분류 정확도를 높일 수 있는 최적의 방법이라고 할 수 있다.
특히, SVM은 복수의 디멘션을 갖는 데이터에 대해서, 복수의 디멘션을 잘 구분할 수 있는 최적의 결정 경계(decision boundary)를 찾는 것에 최적화된 방법으로 알려져 있다.
또한, 센서들로부터 획득된 데이터에 상술한 것과 같은 SVM 기법을 적용할 경우, 다양한 위치에 복수의 센서를 구비하고, 센서들로부터 전송된 데이터들이 축적될 수 록 머신 러닝의 트레이닝 횟수가 증대되고, 이에 따라, 트레이닝을 통해 획득한 모델링의 정확도가 점점 높아지게 된다. 이러한 특징은 특정한 수학이나 통계적 모델링을 통한 분석 기법이 항상 일정한 정도의 예측 오류율을 가지는 데에 비해, 트레이닝의 횟수가 늘수록 예측 오류율이 점점 더 개선될 수 있다는 점은 머신 러닝 기법을 통한 모델링의 큰 장점이다.
상술한 SVM과 같은 분석 방법을 사용할 경우, 센서를 이용하여 강수량을 측정하는 과정에서 발생할 수 있는 노이즈 등에 의한 오차를 줄일 수 있다.
예를 들어, 강수량 측정 장치에 진동이 발생할 경우, 배수되는 강수의 흐름에 변동이 생길 수 있고, 이로 인해, 제 2 센서(122)에서 인식되는 강수의 배수 시간(t)에 오차가 발생할 수 있고, 낙하하는 강수가 제 3 센서(123)에 정확히 인지되지 않아 압력(P) 값에도 오차가 발생할 수 있다. 하지만, 반복되는 트레이닝으로 분석된 강수 패턴에서 노이즈 등과 같은 비정상적인 특징은 정상적인 강수 패턴에서 제외될 수 있으므로, 강수량을 정밀하게 측정할 수 있다(단계 204).
상술한 바와 같은 방식에 의해 강수 패턴이 결정될 경우, 측정된 압력값(P), 배수구의 넓이(A, 또는 직경(D)) 및 초음파 센서에 의해 측정된 강수의 배수 시간(t)를 곱하여 특정 시간 동안 내린 강수의 양을 결정할 수 있다(단계 205).
또한, 도면으로 제시하지는 않았지만, 본 발명에서 각종 센서 데이터를 수집하고, 머신 러닝의 역할을 수행하는 원격지 서버의 경우, 하나의 관제 서버의 형태일 수도 있고, 클라우드 서비스의 형태로 제공될 수도 있다.
한편, 역시 도면으로 제시하지는 않았지만, 해당 패턴 분석 방법의 결과는 관리자의 PC에 웹의 형태로 쉽게 디스플레이되거나, 관리자의 스마트폰에 어플리케이션의 형태로 설치되어 쉽게 상황을 확인하게 할 수 있다. 즉, 본 발명의 검출 방법은 사용자에게 쉽게 정보를 제공할 수 있는데, 이러한 검출 방법 제공 형태는 사용자의 스마트폰에 설치되는 어플리케이션의 형태일 수도 있고, 또는 특정 웹 페이지의 형태로 제작되어 적절한 인증 수단을 거쳐 접속할 수 있는 웹 기반 페이지의 형태일 수 있다.
이상의 설명에서는 본 발명의 다양한 실시예들을 제시하여 설명하였으나 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능함을 쉽게 알 수 있을 것이다.
110 : 본체부 111 : 하우징
112 : 집수체 120 : 센서부
121 : 제 1 센서 122 : 제 2 센서
123 : 제 3 센서 130 : 무선 통신부
140 : 제어 서버부
112 : 집수체 120 : 센서부
121 : 제 1 센서 122 : 제 2 센서
123 : 제 3 센서 130 : 무선 통신부
140 : 제어 서버부
Claims (3)
- 강수가 유입되는 유입구를 구비하는 본체와, 상기 본체의 내부에 형성되며 상기 유입구를 통해 유입된 상기 강수가 집수되어 배수되도록 배수구를 구비하는 집수체를 포함하는 본체부와,
상기 강수를 감지하는 센서부와,
상기 센서부의 무선 통신을 담당하는 무선 통신부와,
상기 센서부로부터 강수 정보를 입력받아 강수량을 산출하는 제어 서버부를 포함하는 강수량 측정 장치를 이용하는 인공지능을 이용한 강수량 측정 방법에 있어서,
상기 센서부가 상기 강수를 센싱하는 센싱 단계와,
상기 무선 통신부를 통하여 상기 센서부로부터 상기 강수에 관한 데이터를 수집하는 데이터 수집 단계와,
수집된 상기 데이터를 분석하여 특징점을 생성하는 특징점 생성 단계와,
상기 특징점을 모델링된 분류기에 통과시켜 강수 패턴을 분석하는 강수 패턴 분석 단계와,
분석된 상기 강수 패턴을 기반으로 강수량을 측정하는 강수량 측정 단계
를 포함하고,
상기 센서부는,
상기 본체 내부에 구비되고 상기 배수구를 통해 배수되는 상기 강수를 인지하는 제 1 센서와, 상기 배수구를 통해 배수되는 상기 강수의 배수 시간을 측정하는 제 2 센서와, 상기 강수가 상기 배수구를 통해 배수되어 낙하하는 위치에 구비되어 배수되는 상기 강수의 압력을 측정하는 제 3 센서를 포함하되,
상기 제 2 센서를 초음파 센서로 구비하고, 상기 강수가 배수되는 시간을 측정하여 상기 데이터로 변환하는 것과,
상기 강수 패턴 분석 단계에서 사용하는 상기 모델링은 머신 러닝 알고리즘을 사용하되,
상기 강수 패턴 분석 단계에서는,
상기 제 2 센서에서 인식되는 강수의 배수 시간(t)에 오차를 방지하고, 낙하하는 강수가 상기 제 3 센서에 인식되는 압력(P) 값 오차를 방지하기 위한 SVM(Support Vector Machine) 기법이 사용되어 강수 패턴을 정밀하게 측정하는 것과,
상기 강수 패턴이 결정될 경우, 상기 제 3 센서에 인식되는 압력(P) 값, 상기 배수구의 넓이(A, 또는 직경(D)) 및 상기 제 2 센서에서 인식되는 강수의 배수 시간(t)을 곱하여 특정 시간 동안 내린 강수의 양을 결정하는 것을 특징으로 하는 인공지능을 이용한 강수량 측정 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190072410A KR102238888B1 (ko) | 2019-06-18 | 2019-06-18 | 인공지능을 이용한 강수량 측정 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190072410A KR102238888B1 (ko) | 2019-06-18 | 2019-06-18 | 인공지능을 이용한 강수량 측정 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200144393A KR20200144393A (ko) | 2020-12-29 |
| KR102238888B1 true KR102238888B1 (ko) | 2021-04-09 |
Family
ID=74090149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190072410A KR102238888B1 (ko) | 2019-06-18 | 2019-06-18 | 인공지능을 이용한 강수량 측정 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102238888B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220169733A (ko) | 2021-06-21 | 2022-12-28 | (주)지구환경전문가그룹 | 기계 학습 기반의 교량 수위 예측 시스템 및 그를 이용한 수위 예측 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015182523A (ja) * | 2014-03-21 | 2015-10-22 | 株式会社Ihi | デブリ検出方法 |
| JP2018173342A (ja) * | 2017-03-31 | 2018-11-08 | 国立研究開発法人産業技術総合研究所 | 雨量センサ、雨量推定装置、雨量推定方法、および雨量推定システム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160245913A1 (en) | 2015-02-19 | 2016-08-25 | Korea Advanced Institute Of Science And Technology | Apparatus and method for measuring precipitation in the atmosphere using k-band frequency-modulated continuous wave (fmcw) weather radar system |
| KR20170038481A (ko) * | 2015-09-30 | 2017-04-07 | 양장은 | 센서를 이용한 강수량 측정장치 |
| KR101782108B1 (ko) | 2016-07-08 | 2017-10-23 | (주)디엔지케이 | 고 정밀 센서구조를 구비한 강수량계 |
-
2019
- 2019-06-18 KR KR1020190072410A patent/KR102238888B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015182523A (ja) * | 2014-03-21 | 2015-10-22 | 株式会社Ihi | デブリ検出方法 |
| JP2018173342A (ja) * | 2017-03-31 | 2018-11-08 | 国立研究開発法人産業技術総合研究所 | 雨量センサ、雨量推定装置、雨量推定方法、および雨量推定システム |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220169733A (ko) | 2021-06-21 | 2022-12-28 | (주)지구환경전문가그룹 | 기계 학습 기반의 교량 수위 예측 시스템 및 그를 이용한 수위 예측 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200144393A (ko) | 2020-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Elsaeidy et al. | Replay attack detection in smart cities using deep learning | |
| KR102018330B1 (ko) | 다중 메타학습을 이용한 플랜트 배관 이상 감지 장치 및 방법 | |
| CN114942434B (zh) | 一种基于毫米波雷达点云的跌倒姿态识别方法及系统 | |
| CN103473540B (zh) | 智能交通系统车辆轨迹增量式建模与在线异常检测方法 | |
| KR101895835B1 (ko) | 지표 투과 레이더 탐사 시스템 | |
| KR102169452B1 (ko) | IoT 기상환경 수집 데이터의 안정성 확보 방법 | |
| KR102582180B1 (ko) | Ai를 활용한 소하천 스마트 예측 관리 시스템 및 그방법 | |
| US20230332976A1 (en) | Systems and methods for improved pipeline leak detection | |
| CN114067214B (zh) | 一种基于多模型融合卷积网络的暴雨识别方法和装置 | |
| CN115600044B (zh) | 一种河流断面流量计算方法、装置、设备及存储介质 | |
| CN117113236B (zh) | 一种智慧城市监控系统及数据处理方法 | |
| CN116522270B (zh) | 用于智慧海绵城市的数据处理系统 | |
| KR102238888B1 (ko) | 인공지능을 이용한 강수량 측정 방법 | |
| CN117571056B (zh) | 一种基于物联网的环境保护监测方法、系统 | |
| CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
| Kim et al. | Automated damping identification of long-span bridge using long-term wireless monitoring data with multiple sensor faults | |
| CN118067200A (zh) | 一种河流水质实时监测与预警系统 | |
| Li et al. | A novel processing methodology for traffic-speed road surveys using point lasers | |
| US20120253648A1 (en) | Apparatus and method for generating traffic information | |
| Khan et al. | Flash floods prediction using real time data: An implementation of ANN-PSO with less false alarm | |
| CN111507361A (zh) | 基于微波雷达的动作识别装置、方法及系统 | |
| Sumitra et al. | Design and deployment of wireless sensor networks for flood detection in Indonesia | |
| Khan et al. | Prior recognition of flash floods: Concrete optimal neural network configuration analysis for multi-resolution sensing | |
| TW201544830A (zh) | 人工智能地震判斷方法及地震偵測系統 | |
| TWI662509B (zh) | 雨滴譜偵測系統及其粒子追蹤流程 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |