이 연구는 위성사진을 활용하여 건설지점의 기대풍속을 예측하기 위한 인공신경망 방법론을 제안한다. 제안된 방법은 기존 의 엔지니어의 판단을 대체하여, Auto-Encoder를 사용해 지형적 특성을 정량화하고, 이를 바탕으로 대상지점과 유사한 지역의 관측소 풍속 데이터를 선형 조합해 기대 풍속을 예측한다. 또한, 머신러닝과 인공신경망을 활용한 종단간 풍속 예측 모델을 제안하고, 성능을 비교 분석하였다. 그 결과 관측소의 풍속 데이터의 선형 조합보다는 종단간 모델을 구성하는 방법이 더 높은 정확도를 보였으며, 특히 Graph Neural Network (GNN)이 Multi-Layer Perceptron (MLP)에 비해 상당히 우수한 예측 성능을 나타내었다.

In this study, a methodology using neural network to predict the expected wind speed at construction sites based on satellite images was proposed. The proposed method replaces engineers' judgments by using an Auto-Encoder to quantify topographical features and linearly combining the wind speed data of weather stations in region similar to the target site to predict expected wind speeds. Additionally, the performance of end-to-end wind speed prediction models using machine learning and artificial neural networks were proposed and compared. As a result, it was found that the end-to-end models showed higher accuracy than the linear combination of wind speed data from selected weather stations. Specifically, the Graph Neural Network (GNN) showed better prediction performance compared to the Multi-Layer Perceptron (MLP).

I. 서 론
II. 머신러닝 기반 풍속 예측 방법론
    2.1 머신러닝 학습 모델
    2.2 인공위성 이미지
    2.3 풍속 데이터
    2.4 위성사진의 전처리
III. 위성사진을 활용한 기대풍속 예측
    3.1 기존 방법에 의한 기대풍속 예측
    3.2 위성사진을 활용한 기대풍속 예측
    3.3 단일 인공신경망을 활용한 기대풍속 예측
IV. 향상된 인공신경망을 활용한 풍속 예측
    4.1 Graph Neural Network (GNN)
    4.2 인공신경망 활용을 위한 데이터 조정
    4.3 GNN 기반 기대풍속 예측
V. 결 론
감사의 글
참고문헌

• 안병욱(서울대학교 건축학과, 박사과정) | Ahn, Byeonguk
• 이동혁(서울대학교 협동과정 인공지능전공, 박사과정) | Lee, Donghyeok
• 이상민(서울대학교 협동과정 인공지능전공, 박사과정) | Lee, Sang Min
• 강현구(서울대학교 건축학과 및 협동과정 인공지능전공 교수, 공학박사) | Kang, Thomas H.-K Corresponding author