한국수자원학회논문집 (Journal of Korea Water Resources Association)

  • 제35권1호
  • /
  • Pages.109-124
  • /
  • 2002
  • /
  • 2799-8746(pISSN)
  • /
  • 2799-8754(eISSN)
한국수자원학회 (Korea Water Resources Association)
권호 표지
DOI QR코드

DOI QR Code

시간강수계열의 강수발생과정에 대한 추계학적 모형

A Stochastic Model for Precipitation Occurrence Process of Hourly Precipitation Series

  • 이재준 (금오공과대학교 토목, 환경 및 건축공학부) ;
  • 이정식 (금오공과대학교 토목, 환경 및 건축공학부)
  • 발행 : 2002.02.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구는 간헐 수문사상인 시간강수계열의 구조적 특성을 고찰하여 강수발생의 군집성을 고려한 강수발생과정에 대한 추계학적 모의발생 모형을 개발한 것이다. 먼저 강수사상의 발생패턴을 기술하기 위해 Poisson 군집과정을 사용하였고, 이 과정에서 군집간의 시간과 군집내의 사상 수는 지수분포로 기술하였다. 둘째로 사상의 지속기간과 군집내에서 사상간의 시간은 음대수혼합분포로 기술하였다. 마지막으로 이상과 같은 시간강수사상의 발생패턴과 사상기간내의 강수의 종속구조를 구명하기 위해 서울을 대상으로 하여 실적강수자료를 분석하였다. Monte Carlo 모의결과는 모형이 강수발생의 계절적 패턴, 사상특성의 주변 및 조건부 분포를 잘 재현하고 있음을 보여주었다.

This study is an effort to develop a stochastic model of precipitation series that preserves the pattern of occurrence of precipitation events throughout the year as well as several characteristics of the duration, amount, and intensity of precipitation events. In this study an event cluster model is used to describe the occurrence of precipitation events. A logarithmic negative mixture distribution is used to describe event duration and separation. The number of events within each cluster is also described by the Poisson cluster process. The duration of each event within a cluster and the separation of events within a single cluster are described by a logarithmic negative mixture distribution. The stochastic model for hourly precipitation occurrence process is fitted to historical precipitation data by estimating the model parameters. To allow for seasonal variations in the precipitation process, the model parameters are estimated separately for each month. an analysis of thirty-four years of historical and simulated hourly precipitation data for Seoul indicates that the stochastic model preserves many features of historical precipitation. The seasonal variations in number of precipitation events in each month for the historical and simulated data are also approximately identical. The marginal distributions for event characteristics for the historical and simulated data were similar. The conditional distributions for event characteristics for the historical and simulated data showed in general good agreement with each other.

키워드

참고문헌

  1. 이원환, 이재준 (1985). '시간적 확률구조를 고려한 일강수량의 모의 발생에 관한 연구', 연세대학교 산업기술연구소 논문집, 제17집, 제1권, pp.37-46
  2. 이재준, 이원환 (1986). '공간적 확률구조를 고려한 일강수량의 모의발생에 관한 연구', 대한토목학회 논문집, 제6권, 제3호, pp. 31-42
  3. 이재준 (1987). 강수계열의 모의발생모델 개발, 박사학위논문, 연세대학교
  4. 이재준 (1992). 'ARP와 연속확률분포를 이용한 일강수계열의 모의발생', 1992년도 대한토목학회 학술발표회 개요집( II), 대한토목학회. pp.147-151
  5. 이재준, 이정식 (l992). 간헐수문과정의 모의발생 모델 - 일강수계열을 중심으로 -, 한국과학재단 일반기초연구 보고서, KOSEF 921-1300-010-1
  6. 이재준, 이정식 (l994). '간헐수문과정의 모의발생 모형(I) - 교대재생과정(ARP)과 연속확률분포 -', 대한토목학회 논문집, 대한토목학회, 제14권 제3호, pp.509-521
  7. 이재준, 이정식 (1994). '간헐수문과정의 모의발생 모형( II) - Markov 연쇄와 연속확률분포 -' 대한토목학회 논문집, 대한토목학회, 제14권 제3호, pp.523-534
  8. Bradley, J.V. (1968). Distribution-free Statistical Tests, Prentice Hall, New Jersey, pp.357-369
  9. Chang, T.J., Kavvas, ML., and Delleur, J.W. (1984). 'Daily Precipitation Modeling by Discrete Autoregressive Moving Average Processes', Water Resources Research, Vol. 20, No.5, pp.565-580 https://doi.org/10.1029/WR020i005p00565
  10. Cox, D.R. and Lewis, P.A.W. (1966). Statistical Analysis of Series of Events, Methuen, London
  11. Gabriel, K.R. and Neumann, J. (1962). 'A Markov Chain Model for Daily Rainfall Occurrence at Tel Aviv'. Quart. Jour. R. Meteor. Soc, Vol.88, No.375, pp.90-95 https://doi.org/10.1002/qj.49708837511
  12. Gardner, L.A.Jr. (1969). 'On Detecting Changes in the Mean of Normal Variates', Ana Math Stat., Vol.40, pp. 116-126 https://doi.org/10.1214/aoms/1177697808
  13. Jacobs, B.L. and Lewis, P.A.W. (1978). 'A Discrete Time Series Generated by Mixtures 1. Correlational and Run Properties', Jour. R. Stat. Soc. B, Vol.40, No.1, pp.94-105
  14. Johnson, N.L. and Kotz, S. (1970). Distributions in Statistics : Discrete Distributions, Wiley, New York
  15. Kavvas, M.L. and Delleur, J.W. (1981). 'A Stochastic Cluster Model of Daily Rainfall Sequences', Water Resources Research, Vol.17, No.4, pp.1151-1160 https://doi.org/10.1029/WR017i004p01151
  16. Keenan, D.M. (1980). Time Series Analysis of Binary Data, Ph.D. Thesis, The Univ. of Chicago, Chicago
  17. Medhi, J. (1982). Stochastic Processes, Wiley, New York
  18. Shenton, L.R. (1970). 'Some Statistical Aspects of Amounts and Durations of Rainfall', in Random Counts in Scientific Work, edited by Patil. G. P., Vol.3 Random Counts in Physical Sciences, Geoscience, and Business, The Pennsylvania State Univ. Press, University Park
  19. Smith, J.A. and Karr, A.F.G985). 'Statistical Inference for Point Process Models of Rainfall', Water Resources Research, Vol.21, No.l, pp.73-79 https://doi.org/10.1029/WR021i001p00073
  20. Todorovic, P. and Yevjevich, V. (1969). 'Stochastic Process of Precipitation', Hydrology Paper 35, Colorado State University, Fort Collins
  21. Waymire, E. and Gupta, V.K. (1981a). 'The Mathematical Structure of Rainfall Representations 1. A Review of the Stochastic Rainfall Models', Water Resources Research, Vol.17, No.5, pp.1261-1272 https://doi.org/10.1029/WR017i005p01261
  22. Waymire, E. and Gupta, V. K.(1981b). 'The Mathematical Structure of Rainfall Representations 2. A Review of the Theory of Point Processes', Water Resources Research, Vol.17, No.5, pp.1273-1285 https://doi.org/10.1029/WR017i005p01273
  23. Waymire, E. and Gupta, V.K. (1981c). 'The Mathematical Structure of Rainfall Representations 3. Some Applications of the Point Process Theory to Rainfall Processes', Water Resources Research, Vol.17, No.5, pp.1287-1294 https://doi.org/10.1029/WR017i005p01287