공공데이터 활용 수력 댐 강우예측 AI 경진대회

한국수력원자력 | 강우예측 | MAE/CSI

  • Prize : 총 1,100만원
  • 505명
  • 마감
Join Competition

Main Event Schedule

1. 주제

공공데이터를 활용한 강우 예측 인공지능 알고리즘 개발

 

2. 배경

수자원 빅데이터를 활용하여 우수한 강우예측 모델을 확보하게 되면, 수력댐의 효율적 운영과 안정성 향상이 가능합니다.

 

3. 대회설명

기상 레이더에서 관측한 구름(반사도) 이미지 데이터를 이용하여, 미래의 구름(반사도) 이미지를 예측합니다. 그리고, 예측된 구름(반사도) 이미지를 통해 국내 주요 수력댐(7개소)이 위치한 지역의 지상 강우량을 예측할 수 있습니다. 

 

4. 주최/운영

  • 주최: 한국수력원자력㈜
  • 후원: 한국수자원학회
  • 운영: 데이콘

 

5. 참가대상

  • 대한민국 거주 중이며 빅데이터를 활용한 알고리즘 개발과 학습에 관심을 보유한 일반인, 학생, 기업 등 누구나
  • 외국인 참가자는 심사 대상에서 제외됩니다.
  • 학회상은 한수원상 탈락자 중에서 한국수자원학회 학생회원 1등에게 수여됩니다. 학회 회원의 경우 “팀이름_KWRA”와 같이 팀이름 뒤에 “_KWRA”를 붙여 주시기 바랍니다. (평가 시 회원 등록 여부 확인 예정)

 

 

6. 데이터 출처

한국수력원자력(주)에서 재원을 부담하여 한국건설기술연구원(연구책임자: 윤성심)에서 수행한 연구결과입니다.(제2018-기술-20호)

 

7. 참고 문헌

[1] Xingjian Shi, Zhihan Gao, Leonard Lausen, et al., Deep Learning for Precipitation Nowcasting: A Benchmark and A New Model (NIPS2017)

https://papers.nips.cc/paper/7145-deep-learning-for-precipitation-nowcasting-a-benchmark-and-a-new-model.pdf

 

[2] Georgy Ayzel, Tobias Scheffer, and Maik Heistermann, RainNet v1.0: a convolutional neural network for radar-based precipitation nowcasting (EGU 2020)

https://gmd.copernicus.org/articles/13/2631/2020/gmd-13-2631-2020.pdf

Main Event Schedule

1. 주제

공공데이터를 활용한 강우 예측 인공지능 알고리즘 개발

 

2. 배경

수자원 빅데이터를 활용하여 우수한 강우예측 모델을 확보하게 되면, 수력댐의 효율적 운영과 안정성 향상이 가능합니다.

 

3. 대회설명

기상 레이더에서 관측한 구름(반사도) 이미지 데이터를 이용하여, 미래의 구름(반사도) 이미지를 예측합니다. 그리고, 예측된 구름(반사도) 이미지를 통해 국내 주요 수력댐(7개소)이 위치한 지역의 지상 강우량을 예측할 수 있습니다. 

 

4. 주최/운영

  • 주최: 한국수력원자력㈜
  • 후원: 한국수자원학회
  • 운영: 데이콘

 

5. 참가대상

  • 대한민국 거주 중이며 빅데이터를 활용한 알고리즘 개발과 학습에 관심을 보유한 일반인, 학생, 기업 등 누구나
  • 외국인 참가자는 심사 대상에서 제외됩니다.
  • 학회상은 한수원상 탈락자 중에서 한국수자원학회 학생회원 1등에게 수여됩니다. 학회 회원의 경우 “팀이름_KWRA”와 같이 팀이름 뒤에 “_KWRA”를 붙여 주시기 바랍니다. (평가 시 회원 등록 여부 확인 예정)

 

 

6. 데이터 출처

한국수력원자력(주)에서 재원을 부담하여 한국건설기술연구원(연구책임자: 윤성심)에서 수행한 연구결과입니다.(제2018-기술-20호)

 

7. 참고 문헌

[1] Xingjian Shi, Zhihan Gao, Leonard Lausen, et al., Deep Learning for Precipitation Nowcasting: A Benchmark and A New Model (NIPS2017)

https://papers.nips.cc/paper/7145-deep-learning-for-precipitation-nowcasting-a-benchmark-and-a-new-model.pdf

 

[2] Georgy Ayzel, Tobias Scheffer, and Maik Heistermann, RainNet v1.0: a convolutional neural network for radar-based precipitation nowcasting (EGU 2020)

https://gmd.copernicus.org/articles/13/2631/2020/gmd-13-2631-2020.pdf