Journal of Korea Water Resources Association (한국수자원학회논문집)

Korea Water Resources Association (한국수자원학회)
권호 표지
DOI QR코드

DOI QR Code

Analysis of Uncertainty of Rainfall Frequency Analysis Including Extreme Rainfall Events

극치강우사상을 포함한 강우빈도분석의 불확실성 분석

  • 김상욱 (국회입법조사처 경제산업조사실 국토해양팀) ;
  • 이길성 (서울대학교 공과대학 건설.환경공학부) ;
  • 박영진 (서일대학교 토목과)
  • Published : 2010.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

There is a growing dissatisfaction with use of conventional statistical methods for the prediction of extreme events. Conventional methodology for modeling extreme event consists of adopting an asymptotic model to describe stochastic variation. However asymptotically motivated models remain the centerpiece of our modeling strategy, since without such an asymptotic basis, models have no rational for extrapolation beyond the level of observed data. Also, this asymptotic models ignored or overestimate the uncertainty and finally decrease the reliability of uncertainty. Therefore this article provide the research example of the extreme rainfall event and the methodology to reduce the uncertainty. In this study, the Bayesian MCMC (Bayesian Markov Chain Monte Carlo) and the MLE (Maximum Likelihood Estimation) methods using a quadratic approximation are applied to perform the at-site rainfall frequency analysis. Especially, the GEV distribution and Gumbel distribution which frequently used distribution in the fields of rainfall frequency distribution are used and compared. Also, the results of two distribution are analyzed and compared in the aspect of uncertainty.

극치사상을 예측하기 위한 기존의 빈도분석 결과의 이용에 대한 많은 문제점들이 부각되고 있다. 특히, 통계적 모형을 이용하기 위해서 흔히 사용되는 점근적 모형 (asymptotic model)의 합리적인 검토 없는 외삽 (extrapolation)은 산정된 확률 값을 과대 또는 과소평가하는 문제를 일으켜, 예측결과에 대한 불확실성을 과다하게 산정함으로써 불확실성에 대한 신뢰도를 감소시키는 문제가 있다. 그러므로 본 연구에서는 국내에서 극치강우사상을 포함한 강우자료의 빈도분석에 대한 연구사례를 제공하고 점근적 모형을 사용하는 경우 발생되는 불확실성을 감소시키기 위한 방법론을 제시하였다. 이를 위하여 본 연구에서는 극치강우사상의 빈도분석을 수행하는 데 있어서 최근 들어 여러 분야에서 다양하게 적용되고 있는 Bayesian MCMC (Markov Chain Monte Carlo) 방법을 사용하였으며, 그 결과를 최우추정방법 (Maximum likelihood estimation method)과 비교하였다. 특히 강우사상의 점 빈도분석에 흔히 이용되는 확률밀도함수로 GEV (Generalized Extreme Value) 분포와 Gumbel 분포를 모두 고려하여 두 분포의 결과를 비교하였으며, 이 과정에서 각각의 산정결과 및 불확실성은 근사식을 이용한 최우추정방법과 Bayesian 방법을 이용하여 각각 비교 및 분석되었다.

Keywords

References

  1. 건설교통부 (2000). 1999년도 수자원관리기법개발연구조사 보고서: 제1권 한국확률강우량도작성
  2. 김기욱, 유철상, 박민규, 김현준 (2007). “강우빈도해석에서의 측우기자료의 유용성 평가.” 한국수자원학회논문집, 제40권, 제11호, pp. 851-859. https://doi.org/10.3741/JKWRA.2007.40.11.851
  3. 김병식, 김보경, 경민수, 김형수 (2008). “기후변화가 극한 강우와 I-D-F 분석에 미치는 영향평가.” 한국수자원학회논문집, 제41권, 제4호, pp. 379-394.
  4. 김보경, 김병식, 김형수 (2008). “극한지수를 이용한 극한 기상사상의 변화 분석.” 대한토목학회논문집, 제28권, 제1B호, pp. 41-53.
  5. 김상욱, 이길성 (2008a). “Bayesian MCMC를 이용한 저수량 점 빈도분석 : I. 이론적 배경과 사전분포의 구축.” 한국수자원학회 논문집, 제41권, 제1호, pp. 35-47. https://doi.org/10.3741/JKWRA.2008.41.1.035
  6. 김상욱, 이길성 (2008b). “Bayesian MCMC를 이용한 저수량 점 빈도분석 : II. 적용과 비교분석.” 한국수자원학회논문집, 제41권 제1호, pp. 49-63.
  7. 김상욱, 이길성 (2008c). “Bayesian 다중회귀분석을 이용한 저수량 (Low flow) 지역 빈도분석.” 한국수자원학회논문집, 제41권 제3호, pp. 324-340. https://doi.org/10.3741/JKWRA.2008.41.3.325
  8. 김상욱, 이길성 (2008d). “베이지안 회귀분석을 이용한 수위-유량 관계곡선의 불확실성 분석.” 한국수자원학회논문집, 제41권 제9호, pp. 943-958. https://doi.org/10.3741/JKWRA.2008.41.9.943
  9. 성기원 (2008). “제한적 강우-지속기간 자료를 이용한 실용적 IDF 관계식의 유도.” 한국수자원학회논문집, 제41권, 제6호, pp. 57-595. https://doi.org/10.3741/JKWRA.2008.41.6.587
  10. 유철상, 박창열, 김경준, 전경수 (2007). “모포마분포를 적용한 분단위 강우강도-지속시간-재현기간 관계의 유도.” 한국수자원학회논문집, 제40권, 제8호, pp. 643-654.
  11. 이정규, 추현재 (2006). “Huff의 4분위법을 이용한 지속기간별 연 최대치 강우의 시간분포 특성연구.” 대한토목학회논문집, 제26권, 제5B호, pp. 519-528.
  12. Baghirathan, V.R., and Shaw, E.M. (1978). “Rainfalldepth-duration-frequency studies for Sri Lanka.”Journal of Hydrology, Vol. 37, No. 3, pp. 223-239. https://doi.org/10.1016/0022-1694(78)90018-5
  13. Chip, S., and Greenberg, E. (1995). “Understanding theMetropolis-Hastings algorithm.” Journal of theAmerican Statistical Association, Vol. 49, No. 4, pp.327-335.
  14. Coles, S., Pericchi, L.R., and Sisson, S. (2003). “A fullyprobabilistic approach to extreme rainfall modeling.”Journal of Hydrology, Vol. 273, pp. 35-50. https://doi.org/10.1016/S0022-1694(02)00353-0
  15. Coles, S., and Powell, E.A. (1996). “Bayesian methodsin extreme value modeling: A review and newdevelopments.” International Statistical Review, Vol.64, No. 1, pp. 119-136. https://doi.org/10.2307/1403426
  16. Coles, S., and Tawn, J.A.(1996). “A Bayesian analysisof extreme rainfall data.” Applied Statistics, Vol. 45,No. 4, pp. 463-478. https://doi.org/10.2307/2986068
  17. Gamerman, D. (1997). Markov Chain Monte Carlo-Stochastic Simulation for Bayesian Inference.Chapman & Hall, London, UK.
  18. Kavetski, D., Kuczera, G., and Fanks, S.W.(2006).“Bayesian analysis of input uncertainty in hydrologicalmodeling: 1. Theory.” Water ResourcesResearch, Vol. 42, W03407. https://doi.org/10.1029/2005WR004368
  19. Kuczera, G. (1999). “Comprehensive at-site floodfrequency analysis using Monte Carlo Bayesianinference.” Water Resources Research, Vol. 35, No.5, pp. 1551-1557. https://doi.org/10.1029/1999WR900012
  20. Kuczera, G., and Parent E. (1998). “Monte Carlo assessment of parameter uncertainty in conceptualcatchment models: The Metropolis algorithm.”Journal of Hydrology, Vol. 211, pp. 69-85. https://doi.org/10.1016/S0022-1694(98)00198-X
  21. Lee, K.S., and Kim, S.U. (2008). “Identification ofuncertainty in low flow frequency analysis usingBayesian MCMC method.” Hydrological Processes,Vol. 22, pp. 1949-1964. https://doi.org/10.1002/hyp.6778
  22. Ludwig, D. (1996). “Uncertainty and the assessment ofextinction probabilities.” Ecological Applications,Vol. 6, No. 4, pp. 1067-10076. https://doi.org/10.2307/2269591
  23. Malakoff, D. (1999). “Bayes offers a new way to makesense of numbers.” Science, Vol. 286, No. 5444, pp.1460-1464. https://doi.org/10.1126/science.286.5444.1460
  24. Meeker, W.Q., and Escobar, L.A. (1998). Statisticalmethods for reliablility data. John Wiley and Sons,New York, NY.
  25. Metropolis, N., Rosenbluth, A.W., Teller A.H., andTeller E. (1953). “Equations of state calculations byfast computing machines.” Journal of ChemicalPhysics, Vol. 21, pp. 1087-1092. https://doi.org/10.1063/1.1699114
  26. O’Connell, D.R.H., Ostenaa, D.A., Levish, D.R., Klinger,and R.E. (2002). “Bayesian flood frequency analysiswith paleohydrologic bound data.” Water ResourcesResearch, Vol. 38, No. 5, pp. 1-14.
  27. Parent, E., and Bernier, J. (2003). “Encoding prior expertsjudgements to improve risk analysis of extremehydrological events via POT modeling.” Journal ofHydrology, Vol. 283, pp. 11-18.
  28. Pinter, N., Thomas, R., and Wlosinski, H. (2001).“Assessing flood hazards on dynamic rivers.” EOSTransactions, Vol. 82, No. 31, pp. 339-340. https://doi.org/10.1029/01EO00209
  29. Pitman, W.V. (1980). “A depth-duration-frequency diagram for point rainfall in SWA-Namibia.” WaterSA, Vol. 6, No. 4, pp. 157-162.
  30. Reis Jr., D.S., and Stedinger, J.R. (2005). “BayesianMCMC flood frequency analysis with historicalinformation.” Journal of Hydrology, Vol. 313, pp. 97-116. https://doi.org/10.1016/j.jhydrol.2005.02.028
  31. Reis Jr., D.S., Stedinger, J.R., and Martins, E.S. (2005).“Bayesian generalized least squares regression withapplication to log pearson type III regional skewestimation.” Water Resources Research, Vol. 41,W10419.
  32. Roberts, G.O., Gelman, A., and Gilks, W.R. (1994).Weak convergence and optimal scaling of randomwalk metropolis-hastings algorithms. TechnicalReport, University of Cambridge.
  33. Seidou, O., Ouarda, T.B.M.J., Barbet, M., Bruneau, P.,and Bobee, B. (2006). “A parametric Bayesian combinationof local and regional information in floodfrequency analysis.” Water Resources Research, Vol.42, W11408. https://doi.org/10.1029/2005WR004397
  34. Sisson, S.A., Pericchi, L.R., and Coles, S.G. (2006). “Acase for a reassessment of the risks of extremehydrological hazards in the Caribbean.” StochasticEnvironmental Research and Risk Assessment, Vol.20, pp. 296-306. https://doi.org/10.1007/s00477-005-0246-4
  35. Smith, R.L. (1989). “Extreme value analysis of environmentaltimes series: An example based on ozonedata.” Statistical Science, Vol. 4, pp. 367-393. https://doi.org/10.1214/ss/1177012400

Cited by

  1. Analysis of Intensity-Duration-Quantity (IDQ) Curve for Designing Flood Retention Basin vol.47, pp.1, 2014, https://doi.org/10.3741/JKWRA.2014.47.1.83