• Spatial Information Research
• /
• 제20권6호
• /
• pp.13-21
• /
• 2012

우리나라의 동일강수지역에 대한 구분은 기상학적으로 의미를 지닐 뿐만 아니라 장기예보를 위한 자료로 활용된다. 또한 최근 들어 수문학에서는 확률강수량을 산정하기 위해 지금까지 사용되어 온 지점빈도해석의 단점을 보완한 지역빈도해석방법의 활용이 적극 제시되고 있다. 이에 따라 동일강수지역의 군집화에 대한 연구의 필요성이 증가하게 되었다. 본 연구에서는 1980년부터 2010년까지 61개 지상관측지점의 자료를 이용하여 자기조직화지도 군집기법으로 동일강수 지역을 군집화하고 K-means Clustering과 Davies-Bouldin Index를 적용하여 우리나라의 동일강수지역에 대해 6개의 최적 군집 개수를 산출하였다. 그리고 최종적으로 GIS에 기반한 Thiessen Polygon을 활용하여 동질지역의 지역화 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.207-207
• /
• 2016

최근 2년 간 한반도에 내린 강수량은 평년에 비해 60%정도 밖에 내리지 않았다. 이로 인해 2015년에는 전국 곳곳에서 가뭄이 발생하였고, 농작물피해, 이수부분에서 어려움을 겪었다. 지역적으로 가뭄피해를 해소하고자 여러 대책이 강구되고 있고, 국가적으로 가뭄을 극복하기 위해 국가가뭄정보분석센터의 개소 등 기상, 수문정보를 바탕으로 한 가뭄 해소 노력이 증대되고 있다. 기상청에서는 기상확률예보를 통해 단기적인 강수, 가뭄 예측자료를 제공하고 있으며, 전지구모델을 상세화 한 지역기후모델을 통해 한반도 전 지역에 대해 기후변화시나리오에 의한 강수, 기온자료를 제공하고 있다. 가뭄을 예측하고, 가뭄정도를 파악하기 위해서 가뭄지수를 보편적으로 이용하고 있다. 강수와 기온은 기상학적 가뭄지수 산정에 가장 중요한 인자로 이용되고 있다. SPI는 강수자료를 이용하여 가뭄정도를 파악할 수 있는 지수이고, RDI는 강수와 기온자료를 통해 잠재 증발산량을 산정하고, 이를 고려하는 가뭄지수이다. 한반도 내 주요 관측소지점에 대해 RCP 8.5 시나리오에 의한 장래 2100년까지 가뭄지수를 산정한 결과 RDI의 경우 가뭄발생빈도와 강도가 점차 증가하는 것으로 나타났다. 장래 한반도의 연 강수량은 크게 감소하지 않는데 비해 기온은 점차 증가하는 경향이 발생함에 따라 기온상승에 의한 증발산량의 증가가 극한가뭄이 발생하는 주요요인으로 판단되었다. 수도권지역의 경우 예측기간이 2100년에 가까울수록 SPI에 의한 가뭄지수는 점차 증가하여 가뭄 강도가 약해지는 것으로 예측되었고, RDI지수에 의한 가뭄지수는 점차 감소하여 극한가뭄이 발생할 가능성이 증가하는 것으로 나타났다. 본 연구 결과를 통해 장래 가뭄에 의한 피해지역 예측, 수자원 계획, 이수분야에 활용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제52권7호
• /
• pp.475-482
• /
• 2019

2주에서 2개월까지 선행기간을 가지는 계절내-계절(Subseasonal-to-Seasonal, S2S) 예측결과는 산업전반에 걸쳐 다양한 분야에 활용이 가능할 것으로 기대되고 있으나, 일기예보나 중장기 예보대비 낮은 예측성으로 인하여 현재까지 활용성이 매우 낮은 실정이다. 본 연구에서는 기계학습 기법중 비선형회귀 분야에서 좋은 결과를 보여주는 다층퍼셉트론 기법을 이용하여 S2S 예측자료의 후처리를 통한 국내 영역에서의 강수예측성 향상에 관한 연구를 수행하였다. 후처리 모형의 학습을 위한 입력자료로는 ECMWF의 S2S 과거예측(Hindcast) 정보를 이용하였으며 양분예보기법에 기반하여 학습된 다층퍼셉트론 모델을 이용한 후처리 결과와의 비교 분석이 수행되었다. 비교분석 결과 편차도(Bias score)는 평균 59.7% 감소하였고, 정확도(Accuracy)는 124.3% 증가하였으며, 임계성공지수(Critical Success Index)는 88.5% 향상된 것으로 분석되었다. 탐지확률(Probability of detection)의 경우 원자료 대비 평균 9.5% 감소하였으나 이는 ECMWF의 예측모델이 강수의 발생일을 과도하게 예측하였기 때문인 것으로 분석되었다. 본 연구 수행 결과 비록 ECMWF의 S2S 예측자료의 예측성이 낮더라도 후처리를 통해 예측성을 향상 시킬 수 있음을 확인하였으며, 본 연구 결과는 향후 수자원과 농업 분야에서 S2S 자료의 활용성을 높이는데 도움이 될 수 있을 것으로 판단된다.

• 경영과학
• /
• 제32권4호
• /
• pp.97-108
• /
• 2015

This study proposes a mathematical model to estimate the economic value of weather forecast service, among which the precipitation forecast service is focused. The value is calculated in terms of users' satisfaction or dissatisfaction resulted from the users' decisions made by using the precipitation probabilistic forecasts and thresholds. The satisfaction values can be quantified by the traditional value score model, which shows the scaled utility values relative to the perfect forecast information. This paper extends the value score concept to a collective value score model which is defined as a weighted sum of users' satisfaction based on threshold distribution in a group of the users. The proposed collective value score model is applied to the picnic scenario by using four hypothetical sets of probabilistic forecasts, i.e., under-confident, over-confident, under-forecast and over-forecast. The application results show that under-confident type of forecasts outperforms the others as a measure of the maximum collective value regardless of users' dissatisfaction patterns caused by two types of forecast errors, e.g., miss and false alarm.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.96-96
• /
• 2018

최근 기후변동성으로 유발되는 불안정한 기상상태를 효과적으로 관측하고자 기상레이더가 도입되고 있다. 기상레이더는 경험식으로 산정된 Z-R 관계식을 통하여 레이더 강수량을 제시하게 된다. 이 과정에서 레이더 강수량은 필연적으로 실제 지상에 도달하는 강수량과는 정량적으로 오차가 발생하게 된다. 레이더 강수량에 포함된 오차는 다양한 원인으로 발생하게 되므로 레이더 강수량의 오차 성분을 규명하는 것은 레이더 강수량 활용을 위하여 필수적으로 선행되어야 한다. 본 연구는 지상강수량과 레이더 강수량의 편의를 보정하기 위한 확률통계학적 방법론을 개발하였다. 레이더 강수량의 편의오차를 보정하기 위하여 수문통계학에서 널리 활용되고 있는 계층적 Bayesian 구조를 기반으로 하였으며 자료통합(data pooling) 기법을 이용하여 편의보정 매개변수 추정과정의 불확실성 추정 효율성을 증대시켰다. 본 연구를 통하여 개발된 레이더 강수량 편의보정기법은 계층적 Bayesian 구조를 도입함으로써 편의보정 매개계수의 불확실성을 정량적으로 제시하였으며 유역 단위의 강수상관성을 현실적으로 복원하는 것을 확인하였다. 따라서 본 연구에서 제안하는 편의보정기법은 편의보정 과정에서 발생할 수 있는 매개변수의 불확실성 및 레이더 강수량의 오차구조를 정량적으로 규명하여 고해상도의 강수정보를 생산함으로써 고도화된 수문해석을 가능케 할 것으로 판단된다.

• 응용통계연구
• /
• 제36권1호
• /
• pp.49-62
• /
• 2023

급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1784-1788
• /
• 2010

APEC 기후센터(APEC Climate Center, APCC)에서 제공하는 다중모형앙상블(Multi-model Ensemble, MME) 형태의 계절예측정보를 이용하여 3개월 가뭄전망을 수행하였다. APCC MME는 기후예측모형이 가지는 불확실성을 최소화하기 위한 방법으로, 아시아 태평양 지역 내 9개 회원국 16개 기관 21개 기후모형의 계절예측정보를 활용하여, 개별 모형이 가지는 계통오차(Systematic error)를 앙상블 기법을 통하여 상쇄함으로써 최적의 예측자료를 도출한다. 또한, 기후예측 모형이 예측한 대기순환장은 관측 지점변수와 경험적 통계적 관련성을 가지므로, 이를 바탕으로 상세지역의 이상기후에 대한 정보를 도출할 수 있다. 본 연구에서는 가뭄 관리 및 전망을 위한 입력 자료로서, 기상전문 기관인 APEC 기후센터 (APEC Climate Center, APCC)에서 제공하는 전구 규모의 기온 및 강수 전망자료를 기상청 산하 59개 지점의 전망자료로 통계적 규모 축소화 기법을 통해 3개월 예보를 실시하였다. APCC 계절예측자료를 가뭄모니터링시스템의 자료입력 포맷에 따라 적절히 가공한 뒤, 가뭄 관리 및 전망을 위하여 SPI(Standard Precipitation Index) 및 PDSI(Palmer Drought Severity Index)지수의 입력자료로 사용하여 SPI 및 PDSI 지수를 산정하였다. 또한 분위사상법(Quantile Mapping)을 이용하여 총 59개 지점의 과거 월평균 관측값과 최근 2009년에 대한 모의값의 누적확률분포값을 계산하고 모의값의 확률분포를 관측값의 확률분포에 사상시켜 가뭄 전망을 위한 기상변수의 오차를 보정하고자 하였다. 이러한 계절예측정보를 이용하여 가뭄 전망에 대한 신뢰도가 높아진다면, 사전예방 및 피해완화로 가뭄상황에 대한 신속한 대처 및 피해의 경감이 이루어질 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• 한국수자원학회논문집
• /
• 제49권10호
• /
• pp.877-885
• /
• 2016

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.