DOI QR코드

DOI QR Code

풍속 자료의 공간예측

Spatial Prediction of Wind Speed Data

  • 정승환 (고려대학교 경제통계학과) ;
  • 박만식 (성신여자대학교 통계학과) ;
  • 김기환 (고려대학교 정보통계학과)
  • Jeong, Seung-Hwan (Department of Economics and Statistics, Korea University) ;
  • Park, Man-Sik (Department of Statistics, Sungshin Women's University) ;
  • Kim, Kee-Whan (Department of Information and Statistics, Korea University)
  • 투고 : 20090800
  • 심사 : 20091200
  • 발행 : 2010.04.30

초록

오래 전부터 지속적으로 제기된 기후변화에 의한 문제들은 전 세계적인 문제점으로 언급되고 있다. 이러한 환경적 위기에 처한 각 나라들의 대처방법 중에 하나는 친환경적이고 지속가능한 발전 설비를 마련하기 위한 노력과 연구를 진행하고 있다는 것이다. 그중에서 풍력을 이용한 발전은 해외 선진국에서 오래 전부터 개발되어 발전해 오고 있고 우리나라 역시 최근에 풍력 발전에 관심을 갖고 기술개발에 노력을 기울이고 있다. 이러한 실정에서 우리나라 지역의 풍력에 대한 분석 및 예측은 천연자원의 적절한 이용이라는 관점에서 매우 중요한 연구라고 할 수 있겠다. 본 논문에서는 기상청에서 제공하는 풍속 측정 자료로 선형회귀모형에 근간을 둔 추정방법을 이용하여 주요도서지역을 제외한 남한지역의 공간적 특성을 파악할 수 있는 적절한 모형을 찾고 각 모형의 비교를 실시하였다. 이 결과를 바탕으로 남한지역의 풍속 예측지도를 구성하였다.

In this paper, we introduce the linear regression model taking the parametric spatial association structure into account and employ it to five-year averaged wind speed data measured at 460 meteorological monitoring stations in South Korea. From the prediction map obtained by the model with spatial association parameters, we can see that inland area has smaller wind speed than coastal regions. When comparing the spatial linear regression model with classical one by using one-leave-out cross-validation, the former outperforms the latter in terms of similarity between the observations and the corresponding predictions and coverage rate of 95% prediction intervals.

키워드

참고문헌

  1. 구요천, 전용희, 김유신, 이동호 (2005). 반응면 기법과 크리깅 기법을 이용한 설계공간의 타당성 향상, <한국항공우주학회지>, 33, 32-38. https://doi.org/10.5139/JKSAS.2005.33.2.032
  2. 국가경영전략연구원 (2008). <제1차 국가에너지 기본계획>, 국가경영전략연구원.
  3. 기상청 자료관리서비스팀 (2007). <풍력자원지도 개발 연구보고서>, 기상청.
  4. 기상청 홈페이지. http://www.kma.go.kr.
  5. 김기환, 윤연상, 정승환 (2008). 대형 할인점 매출 데이터를 이용한 구매력 지도 작성에 관한 연구, <한국자료분석학회지>, 10, 223-234.
  6. 김성중, 박형동 (2009). 베리오그램을 이용한 광체 평가 및 3차원 모델링 소프트웨어 개발, <한국지구시스템공학회지>, 46, 151-159.
  7. 대기환경연구회 (2003). <대기환경개론>, 신광문화사, 179-181.
  8. 선창국, 정충기 (2006). GIS를 이용한 지반-지식 기반 지반 정보화 시스템 구축 기법의 개발 및 적용, <한국지반공학회논문집>, 22, 55-68.
  9. 안은자 (2003). <공간통계 분석을 이용한 DEM 오차 패턴 연구>, 경희대학교, 석사학위논문.
  10. 에너지관리공단 신재생에너지센터 (2007). <2006년 신재생에너지 통계>, 에너지관리공단.
  11. 이지영 (2001). , 경희대학교, 석사학위논문.
  12. 정지용, 진서훈, 박만식 (2008). 공간적 상관구조를 포함하는 선형회귀모형을 이용한 강수량 자료 분석, <응용통계연구>, 21, 1093-1107.
  13. 최광희, 윤광성, 김종욱 (2006). 공간통계기법을 이용한 하논화산의 화구호 복원, <대한지리학회지>, 41, 391-403.
  14. 최승배, 문승호, 강창완, 조장식, 이정형 (2008). , 자유아카데미.
  15. 최영석, 임형준, 장학성 (2008). 다양한 예측기법을 이용한 현장타설말뚝의 최적길이 산정, <유신기술회보>, 15, 22-31.
  16. 최종근 (2008). <지구통계학>, 시그마프레스.
  17. 허태영, 박만식, 엄진기, 오주삼 (2007). 최단경로 기반 교통량 공간 예측에 관한 연구, <응용통계연구>, 20, 459-473. https://doi.org/10.5351/KJAS.2007.20.3.459
  18. Cressie, N. A. C. (1993). Statistics For Spatial Data, John Wily & Sons, New York.
  19. Heo, T. Y. and Park, M. S. (2009). Bayesian Spatial Modeling of Precipitation Data, The Korean Journal of Applied Statistics, 22, 425-433. https://doi.org/10.5351/KJAS.2009.22.2.425
  20. R Development Core Team (2008). R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, ISBN 3-900051-07-0, http://www.R-project.org.
  21. Schabenberger, O. and Gotway, C. A. (2005). Statistical Methods For Spatial Data Analysis, Chapman & Hall/CRC, Boca Raton.

피인용 문헌

  1. On the Geometric Anisotropy Inherent In Spatial Data vol.27, pp.5, 2014, https://doi.org/10.5351/KJAS.2014.27.5.755
  2. On the Hierarchical Modeling of Spatial Measurements from Different Station Networks vol.26, pp.1, 2013, https://doi.org/10.5351/KJAS.2013.26.1.093