• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.985-985
• /
• 2012

최근 지구온난화 및 기후변화로 인해 단시간에 높은 강우강도를 가지고 발생하는 집중호우 홍수 등의 위험기상으로 인한 인명 및 재산피해가 빈번하게 발생하고 있어 초단기 및 단기 강수 예측에 대한 중요성이 부각되고 있다. 단기 강수예측모델은 다양한 관측자료의 사용과 자료동화기법의 개발로 예측능력이 크게 향상되었지만 수치모델의 고유특성인 스핀업(spin-up) 문제로 1~6시간까지 강수예측성능에 한계를 보인다. 반면 초단기 강수예측모델은 레이더기반으로 외삽법을 이용하여 1~3시간까지 높은 정확도의 강수예측을 하지만 강수에코의 생성 소멸의 물리과정을 포함하지 않아 3시간 이후의 정확도가 낮다. 이러한 단기 및 초단기 강수예측모델의 장점을 반영하여 최적 강수예측 자료 생산을 위한 연구를 수행하였다. 이를 위해 초단기 및 단기 강수예측모델의 예측성능을 평가하였으며 모델의 예측성능 기반의 최적 강수자료 병합기법을 개발하였다. 향후 최적 강수예측 자료 생산체계가 구축되면 수문관련 유관기관에서 하천관리에 사용하는 유량예측모델에 시 공간적 고해상도의 강수예측정보를 제공하여 수문분야의 유량예측 정확도 행상에 기여할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.207-207
• /
• 2023

데이터 기반 강수 예측 모델은 극한 강수 이벤트의 크기를 과소 추정하는 경향이 있다. 이는 훈련 데이터에 극한 강수 이벤트보다 일반적인 강수 이벤트가 많이 포함되어 있기 때문이다. 본 연구는 이러한 딥러닝의 데이터 불균형 문제를 해소하고자 모델을 학습시킬 때 격자별 극한 강수에 더 큰 가중치를 주어 극한 강수 예측의 정확성을 높이는 방법을 제안한다. 딥러닝 모델 중 공간-시간 필드를 정확하게 예측할 수 있는 ConvLSTM 기반 강수 예측 모델을 활용하여 레이더 강수량을 예측하였다. 먼저, 훈련 기간 동안의 강수 이벤트의 누적 분포 함수 CDF(Cummulative distribution funcion)을 그린 후 극한 강수 이벤트와 일반적인 강수 이벤트의 분포를 확인하였다. 그다음, 적은 분포를 가진 극한 강수 이벤트의 더 큰 가중치를 두어 모델을 학습시켰다. 이 모델은 대한민국 중부 지역 (200km x 200km)의 5km-10분 해상도 레이더-계량기 복합 강수 필드에 대해 2009-2014년 기간 동안 훈련 되었고 2015-2016년 동안 모델의 훈련을 검증 하였고, 2017-2018년 동안 테스트 되었다. 다양한 가중치 함수를 기반으로 훈련 시킨 결과 최적화 가중치 함수 모델의 평균 NSE는 0.6 평균 RMSE는 0.00015 그리고 극한 강수 이벤트만 따로 추출한 평균 MAE는 6이다. 결과적으로 제안된 모델은 기존 방법에 비해 예측 성능을 향상 시켰으며, 격자별 가중치를 두었을 경우 일반적인 강수 이벤트 뿐만 아니라 극한 강수 이벤트의 예측의 정확도를 향상시켰다.

• 한국데이터정보과학회:학술대회논문집
• /
• 2003.10a
• /
• pp.125-128
• /
• 2003

본 연구는 PC-cluster를 플랫폼으로 사용하는 호남지방 고해상도 기상예측시스템을 이용하여 기존에 광주의 고층자료만 사용했을 때와 흑산도의 고층자료를 추가하였을 때의 3차원 자료동화의 차이가 지리산을 중심으로 한 호남지방의 강수예측에 미치는 영향을 알아보고자 수치실험 결과와 호남지방의 관측결과를 통하여 모델을 통한 강수예측을 검증한 것이다. 광주와 흑산도의 자료로 강수예측 결과를 비교해 본 결과, 광주는 22일 12LST 이전부터 강수가 시작되었는데 광주의 고층자료만 사용한 EXP1에서는 강수가 나타나지 않는 반면에 흑산도가 추가된 EXP2에서는 강수예측이 향상된 것으로 나타났다. 따라서 흑산도의 고층 데이터가 추가된 3차원 자료동화가 광주 예측능력을 향상시킬 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.111-114
• /
• 2008

최근 기후변화 등의 영향으로 전 세계 많은 지역에서 집중호우로 인한 홍수 피해가 증가하고 있으며, 국내에서도 홍수 피해액이 지속적으로 증가하는 추세이다. 이러한 집중호우로 인한 홍수의 피해를 줄이기 위해서는 보다 정확한 강수 예측이 선행되어야 하며, 국내에서는 레이더와 인공위성 자료를 이용한 강수 예측기법에 대한 많은 연구가 수행되고 있다. 이러한 강수 예측기법은 공간적으로 균일한 자료를 획득할 수 있는 장점이 있으나, 아직까지 정확도측면에서 활용성에 한계가 있어서 지상 관측소 자료를 이용하여 보정과정을 거친 후 예측에 활용하고 있다. 본 연구에서는 조밀한 지상 관측망을 보유한 서울지역의 실시간 관측 자료를 이용하여 단시간 강수예측을 수행할 수 있는 방법론을 제시하였다. 이 방법은 지상관측자료와 이류 모델을 이용하여 강수를 예측하는 기법이다. 이를 위해 본 연구에서는 47개 지점의 서울시 홍수정보시스템의 자료를 이용하여 단시간 강수량 예측의 방법론과 적용 방법을 제시하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1167-1171
• /
• 2009

최근 전 세계 많은 지역에서 집중호우로 인한 홍수 피해가 증가하고 있으며, 국내 역시 홍수 피해가 증가하는 추세이다. 이러한 집중호우로 인한 홍수의 피해를 줄이기 위해서는 보다 정확한 강수 예측이 선행되어야하며, 이를 위해 국내에서는 레이더와 인공위성 자료를 이용한 강수 예측기법에 대한 많은 연구가 수행되고 있다. 이러한 강수 예측기법은 공간적으로 균일한 자료를 획득할수 있고, 미계측 유역의 정보를 취득할 수 있는 장점이 있으나, 정확도측면에서 활용성에 한계가 있어 지상 관측자료를 통한 보정 후 예측에 사용하는 실정이다. 본 연구에서는 지상 관측 강우와 이류 모델을 이용한 단시간 강수예측 방법론을 제시하고, 이를 조밀한 지상 관측망을 가진 서울시에 적용하였다. 강수 예측을 위해 서울시 홍수정보시스템의 자료와 Automatic Weather System (AWS) 자료 등의 지상 관측소 자료를 이용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.179-179
• /
• 2019

전 세계적으로 빈번히 발생하고 있는 홍수, 그중에서도 국지성 집중호우로 인한 돌발홍수에 대응하려면 정확한 강수예측자료를 빠르게 생산하는 것이 필수적이다. 본 연구에서는 최근 딥러닝(머신러닝)을 이용한 강수예측방법에 대하여 고찰하고, 특히 레이더 이미지를 기반으로 한 강수예측방법에 중점을 두고 그 적용성을 살펴보았다. 그 결과 딥러닝(머신러닝)을 이용한 강수예측자료는 예측의 정확성을 높일 수 있을 뿐 아니라 돌발홍수에 대응할 수 있는 자료로 충분히 활용할 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.924-927
• /
• 2005

한반도의 강수패턴을 보면 강수일수는 감소하나 호우일수는 증가하고 있는 추세이다. 특히, 우리나라는 강수의 대부분이 하계에 집중되어 있고, 단시간에 강수의 변화가 심하기 때문에 기존의 수치예보를 보완해줄 수 있는 예보체계의 확립이 불가피한 실정이다. TREC(Tracking Radar Echoes by Correlation)기법은 폭풍에 대한 내부 움직임을 결정하기 위한 목적으로 Rinehart와 Garvey(1978)에 의해 처음 개발된 것으로 비교적 간단하게 레이더 에코를 이용하여 강수의 이동경로를 추적할 수 있다. 일정한 시간 간격으로 제공되는 레이더 반사도 자료에 대하여 설정된 두 window 사이의 상관계수의 최대치를 찾아냄으로써 강수의 움직임을 파악하였다. 개발된 기법은 레이더 에코로부터 강수의 안정된 이동방향과 이동속도를 제시하기 위하여 상관성 분석과 함께 일치성 분석 및 가중함수에 의한 이동 백터장 보정을 수행하였다. 또한 이동 백터의 외삽을 통하여 강우이동경로와 대상유역의 단시간 예측 면적 강우 산정 방법을 제시하였다. 결과는 개선된 단시간 강수예측 가능성을 보여주었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.30 no.6B
• /
• pp.579-587
• /
• 2010

The mid-range streamflow forecast was performed using NWP(Numerical Weather Prediction) provided by KMA. The NWP consists of RDAPS for 48-hour forecast and GDAPS for 240-hour forecast. To enhance the accuracy of the NWP, QPM to downscale the original NWP and Quantile Mapping to adjust the systematic biases were applied to the original NWP output. The applicability of the suggested streamflow prediction system which was verified in Geum River basin. In the system, the streamflow simulation was computed through the long-term continuous SSARR model with the rainfall prediction input transform to the format required by SSARR. The RQPM of the 2-day rainfall prediction results for the period of Jan. 1~Jun. 20, 2006, showed reasonable predictability that the total RQPM precipitation amounts to 89.7% of the observed precipitation. The streamflow forecast associated with 2-day RQPM followed the observed hydrograph pattern with high accuracy even though there occurred missing forecast and false alarm in some rainfall events. However, predictability decrease in downstream station, e.g. Gyuam was found because of the difficulties in parameter calibration of rainfall-runoff model for controlled streamflow and reliability deduction of rating curve at gauge station with large cross section area. The 10-day precipitation prediction using GQPM shows significantly underestimation for the peak and total amounts, which affects streamflow prediction clearly. The improvement of GDAPS forecast using post-processing seems to have limitation and there needs efforts of stabilization or reform for the original NWP.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.147-147
• /
• 2016

최근 기후변화로 인한 기상이변이 빈번히 발생하면서 그로 인한 피해도 점점 증가하고 있다. 이를 최소화하기 위해서는 기후변화가 강수에 미치는 영향에 대한 연구가 필요하며, 특히 강수의 기후변화를 고려한 장기적인 변동에 대한 예측이 매우 중요하다. 그 중, 기후변화로 인한 강수현상의 변화를 분석하기 위한 방법 중 하나로 강수 현상이 주변 기후 요소의 분포에 영향을 받는다는 가정 하에 기상인자를 통하여 강수를 예측하는 방법이 있다. 우리나라에 영향을 미치는 주변 기상인자들과 강수 간의 상관관계를 분석하여 상관관계가 높게 나타나는 기상인자를 통해 우리나라 강수량을 예측하면 장기적인 관점에서 강수 예측의 정확도를 높일 수 있다. 하지만 상관관계 분석에 있어서 강수 원 자료 와 기상인자간의 상관관계를 비교할 경우 원 자료가 가지는 큰 변동성으로 인해 정확한 상관관계 분석이 이루어지지 않을 가능성이 크다. 따라서 강수자료를 분해하여 분해된 요소별로 상관관계를 분석하여 분석의 정확도를 높일 필요가 있다. 다양한 자료 분해 방법중 경험적 모드분해법(Empirical Mode Decomposition, EMD)을 사용할 경우 자료의 분해에 있어서 주기성, 경향성에 따라 분해가 가능하며, 비정상성을 가지고 있는 시계열에 대해 효과적으로 분해가 가능한 장점이 있다. 본 연구에서는 30년 이상의 자료기간을 가지는 지점의 강수량 자료를 바탕으로 경험적 모드분해법을 이용하여 강수자료를 분해하고, 이를 다양한 기상인자와의 상관관계를 분석함으로써, 우리나라 강수량 변동과 연관이 있는 기상인자들을 선별하였다. 선별된 기상인지를 바탕으로 다중회귀분석을 수행하여 기상인자를 독립변수로 하는 강수 예측식을 구축하여 우리나라 강수의 예측 가능성을 살펴보고자 한다.