Journal of Korea Planning Association (국토계획)

Korea Planning Association (대한국토도시계획학회)
권호 표지

A Predictive Model for Urban Temperature using the Artificial Neural Network

인공신경망을 이용한 도시기온 예측모형 구축

  • 이슬기 (경북대학교 대학원 조경학과) ;
  • 정성관 (경북대학교 조경학과) ;
  • 이우성 (경북대학교 대학원 조경학과) ;
  • 박경훈 (창원대학교 환경공학과)
  • Published : 2011.02.28
⟨ Previous Next ⟩

Abstract

The purpose of this study is to analyze the effect of land use type on the urban temperature and to provide a predictive model for temperature with land use type in Changwon, Gyeongsangnom-do. The urban temperature was obtained from Landsat 5 TM and land use type was classified from land use map supplied by Chagwon. According to the results of average of temperature by land use type, industrial area was the highest temperature as $22.08^{\circ}C$, but green area was the lowest temperature as $19.22^{\circ}C$. Artificial neural network analysis is considered three control factors composed with hidden-layer, hidden-node, activation function. The results are showed that the best neural network model is composed with 2 hidden-layer, 16-20 hidden-node, hyperbolic tandent function. The network model can be explained 84.7% to urban temperature. Land use was set independent variable, while the urban air temperature was set dependent variable. Then, the multiple linear regression analysis was conducted and showed that 7 factor have influence on the temperature except in agricultural area. As a result of comparing the result of neural network model and regression model, the best model was showed that urban air temperature was influenced by green area, industrial area, business area. Especially, green area and industrial area have high influence in the temperature. In conclusion, the results of this study will be used as foundational data for land use planning to improve on urban thermal environment.

Keywords

References

  1. 권영아, 2002. "서울의 도심녹지가 주변기온에 미치는 영향", 건국대학교 대학원 박사학위논문.
  2. 고인송, 1997. "신경망 모델과 정신의학", 생물정신의학 4(2):194-197.
  3. 기경석, 2006. "대도시 외곽지역 논경작지의 토지이용 및 피복변화에 따른 온도변화모형 연구", 서울시립대학교 대학원 석사학위논문.
  4. 김선주․이상엽, 2008. "오피스 임대료 결정 모형에 관한 연구; 회귀분석과 신경망 이론을 중심으로", 지역연구, 24(2):3-26.
  5. 김태훈․홍한국, 2004. "회귀모형과 신경망모형을 이용한 아파트 가격모형에 관한연구", 국토연구, 43(2):184-200.
  6. 김영수․정우섭․정환철․임안식, 2006. "인공신경망을 이용한 연약지반의 지반설계계수 예측", 대한토목학회지, 26(2):81-88.
  7. 박경훈․정성관, 1999. "광역적 녹지계획 수립을 위한 도시열섬효과 분석", 한국지리정보학회지, 2(3):35-45.
  8. 박상길, 2007. "회귀모형과 신경망모형을 이용한 차량공조시스템의 음질 인덱스 구축 및 비교", 한양대학교 대학원 석사학위논문.
  9. 안지숙, 2007. "환경친화적 도시계획을 위한 열환경 평가에 관한 연구", 계명대학교 대학원 박사학위논문.
  10. 오규식․홍재주, 2005. "도시공간 구성요소와 도시열섬현상의 관련성 연구", 한국도시설계학회지, 6(1):47-63.
  11. 유인환, 2006. "인공 신경망에 의한 시계열자료의 수요예측", 연세대학교 대학원 석사학위논문.
  12. 유원재, 1998. "신경망 구조에 대한 모형선택", 경일대학교 대학원 석사학위논문.
  13. 이상원, 2002. "주가예측을 위한 최적 인공 신경망 모형 선택에 관한 연구", 인제대학교 교육대학원 석사학위논문.
  14. 이우성․정성관․박경훈․김경태, 2010. "친환경적 공간계획을 위한 도시의 열환경 분석", 한국지리정보학회지, 13(1):142-154.
  15. 이은주, 2006. "도시공간 구성요소와 열 쾌적성과의 관련성 연구", 한양대학교 대학원 석사학위 논문.
  16. 이정균, 2009. "인공신경망 이론을 이용한 콘크리트 초기강도 예측에 관한 연구", 중부대학교 대학원 석사학위논문.
  17. 장용근, 1994. "인공 신경망을 이용한 생물공정 시스템에서의 패턴 인식 및 이의 응용", 화학공업과 기술, 12(3):223-231.
  18. 정진경, 2003. "인공 신경망 기법을 통한 규칙에 관한 연구", 이화여자대학교 대학원 석사학위논문.
  19. 채석준, 2002. "다구찌 방법을 이용한 인공 신경망 모델의 최적설계에 대한 연구", 동의대학교 대학원 석사학위논문.
  20. 홍석환과 이경재, 2004. "서울 강남지역 아파트 단지의 녹지면적에 따른 온도변화 모형", 환경생태학회지, 18(1):53-60.
  21. 황명기, 2005. "흙세척법에서 인공 신경망의 적용성 연구", 명지대학교 대학원 석사학위논문.
  22. 황윤정, 2004. "인공 신경망을 이용한 겨울철 접합 대순환 모형 결과 보정 연구", 부산대학교 대학원 석사학위논문.
  23. 환경부, 2006. "단지조성사업의 환경영향 저감방안에 관한 연구", 환국환경정책 평가연구원.
  24. 국토해양부, 2008. 산업입지의 개발에 관한 통합지침.
  25. Cybenko G., 1989. "Approximation by superpositions of a sigmoidal function", mathematics of control, signals and systems 2(4):303-314. https://doi.org/10.1007/BF02551274
  26. Hertz, J., 1991. Introduction to the Theory of Neural Computation, Perseus Books Group, New York.
  27. Swingler K., 1991. Applying neural networks, academic press, San Diego, CA.
  28. Kolokotroni, M., I. Giannitsaris, R. Watkins, 2006, "The effect of the London urban heat island on building summer cooling demand and night ventilation straregies," solar energy , 80(4):383-392. https://doi.org/10.1016/j.solener.2005.03.010
  29. Lapedes, A., R. Faber, 1987.Nonlinear Signal Processing Using Neural Networks: Prediction and System Modeling, IEEE-Neural Network, San Diego, CA.
  30. Maker B., 1989. User Guide and Reference Manual, California Scientific Software, Nevada City, CA.
  31. Singh, R.B., 1995. Global Environmental Change: Perspectives of Remote Sensing and Geographic Information System, Soil Science Society of America, Madison.
  32. Upmains, H., I. Eliasson, S. Lindqvist, 1998. "The Influence of Green Areas Nocturnal Temperatures in a High Latitude City", Int. J. Climatology, 18, 681-700. https://doi.org/10.1002/(SICI)1097-0088(199805)18:6<681::AID-JOC289>3.0.CO;2-L
  33. Weng, Q., 2001. "A remote sensing-GIS evalulation of urban expansion and its impact on surface temperature in the Zhujiang Delta," China, international journal of remote sensing, 22(10):1999-2014.
  34. Zang, G., B. E. Patuwo, M. Y. Hu, 1998. "Forecasting with artificial neural networks; the state of art," international journal of Forecasting, 14:35-62. https://doi.org/10.1016/S0169-2070(97)00044-7