• 한국지구과학회:학술대회논문집
• /
• 2010.04a
• /
• pp.133-133
• /
• 2010

인공위성 SAR센서는 기존 산란계 해상풍 자료의 낮은 해상도로 인한 여러 한계를 극복함으로써 다양한 해양연구에 있어 필요성과 활용영역이 넓어지고 있다. 이러한 추세에 따라 전세계적으로 다파장 SAR 센서들이 운용 또는 발사 예정에 있음에도 불구하고 현재까지 한반도 주변해에 대한 SAR 해상풍 산출 연구는 C밴드에만 한정되어왔다. 본 연구에서는 L밴드 해상풍 추출알고리즘을 적용하여 L밴드 SAR 영상으로부터 한반도 주변해의 해상풍을 추출하고 산란계 해상풍 자료와 비교 분석을 통해 정확도 특성을 제시하고자 하였다. 2007년 8월 우리나라 동해 지역을 관측한 L밴드 ALOS PALSAR 영상에 대해 L밴드 HH편광 GMF 알고리즘을 적용하여 해상풍을 산출하였다. 산출 해상풍은 동일시점의 산란계 QuikSCAT 자료와 공간적으로 유사한 패턴을 보였으며 두 자료 간의 풍속오차는 3.45m/s로 나타났다. 연구 해역과 같이 강한 바람 범위에서는 산출 해상풍 간의 차이가 크게 나타나며 풍향으로 인한 오차특성이 보인다. 특히 풍속의 경우, 산란계 해상풍이 중간바람 범위에 집중된 것에 비해 L밴드 SAR 산출 해상풍은 강한 바람 범위까지 포함하는 넓은 풍속값 범위를 나타냈다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.49 no.12
• /
• pp.963-969
• /
• 2021

The wind data measured from local meteorological masts is used to evaluate wind speed distribution and energy production in the specified site for wind farm However, wind data measured from meteorological masts often contain missing information or insufficient desired height or data length, making it difficult to perform wind turbine control and performance simulation. Therefore, long-term continuous wind data is very important to assess the annual energy production and the capacity factor for wind turbines or wind farms. In addition, if seasonal influences are distinct, such as on the Korean Peninsula, wind data with seasonal characteristics should be considered. This study presents methodologies for generating synthetic wind that take into account fluctuations in both wind speed and direction using the hidden Markov model, which is a statistical method. The wind data for statistical processing are measured at Maldo island in the Kokunnsan-gundo, Jeonbuk Province using the Automatic Weather System (AWS) of the Korea Meteorological Administration. The synthetic wind generated using the hidden Markov model will be validated by comparing statistical variables, wind energy density, seasonal mean speed, and prevailing wind direction with measurement data.

• Korean Journal of Remote Sensing
• /
• v.32 no.2
• /
• pp.185-194
• /
• 2016

The effect of artificial changes in geographical features on local wind was analyzed at the construction site of bridge and fill-up bank in the southern part of Haui-do. Geographic Information System (GIS) data and Computational Fluid Dynamics (CFD) model were used in this study. Three-dimensional numerical topography based on the GIS data for the target area was constructed for the surface boundary input data of the CFD model. The wind observations at an Automatic Weather Station (AWS) located in Haui-do were used to set-up the model inflows. The seasonal simulations were conducted. The differences in surface wind speed between after and before artificial changes in geographical features were analyzed. The surface wind speed decreases 5 to 20% at the south-western part and below 2% of the spatial average for salt field. There was also marked the effect of artificial changes in geographical features on local wind in the westerly wind case for the target area.

• 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.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.211-231
• /
• 2002

본 연구의 목적은 VECM(Vector Error Correction Model)과 인공지능모형(Artificial Neural Networks)을 이용하여 우리나라 증권시장과 거시경제 변수들과의 장기적 관계에 대한 설명력을 비교해보고자 함에 있다. VECM이 APT(Arbitrage Pricing Theory)에 기초를 둔 선형동학모형이라고 한다면, 인공지능모형은 비모수적 비선형모형이라는 점에서, 두 방법론의 분석결과를 직접 비판하는 것은 의미있는 연구라고 할 수 있다. 인공지능모형을 주로 활용하는 선행연구들에 의하면, 증권시장은 시장의 특이패턴들로 인해 계량경제학적 접근인 선형 모형보다는 인공지능모형을 통해 증권시장의 움직임을 설명하고 예측하는 것이 더 바람직할 수도 있다는 것이다. 따라서, 본 연구에서는 VECM분석에서 자료의 안정성을 검증하고, 공적분 백터를 발견한 이후, 장기적 균형관계의 실증적 분석을 하였다. 그리고, 인공지능모형에서는 delta rule과 Sigmoid 함수를 이용한 GRNN(General Regression Neural Net)과 Back-Propagation등의 방법들을 활용하였다. 이러한 분석결과, Back-Propagation 모형이 다른 모든 모형들보다도 더 우수한 설명력을 보여주고 있었다. 이러한 결과들은 인공지능모형이 동태적인 선형 모형보다도 더 우수한 설명력을 제공할 수 있는 가능성을 보여주고 있었다.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.29 no.4
• /
• pp.180-188
• /
• 2017

Recently, as the strength of winds and waves increases due to the climate change, abnormal waves such as swells have been also increased, which results in the increase of downtime events of loading/unloading in a harbour. To reduce the downtime events, breakwaters were constructed in a harbour to improve the tranquility. However, it is also important and useful for efficient port operation by predicting accurately and also quickly the downtime events when the harbour operation is in a limiting condition. In this study, numerical simulations were carried out to calculate the wave conditions based on the forecasted wind data in offshore area/outside harbour and also the long-term observation was carried out to obtain the wave data in a harbour. A forecasting method was designed using an auto-regressive (AR) and artificial neural networks (ANN) models in order to establish the relationship between the wave conditions calculated by wave model (SWAN) in offshore area and observed ones in a harbour. To evaluate the applicability of the proposed method, this method was applied to predict wave heights in a harbour and to forecast the downtime events in Pohang New Harbour with highly complex topography were compared. From the verification study, it was observed that the ANN model was more accurate than the AR model.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.337-340
• /
• 2006

태풍의 경우, 주요 자연재해 중의 하나로 태풍의 상황을 정확하게 파악하는 것은 기상예측의 정도를 높이고, 재해를 방지하는데 중요한 역할을 할 수 있다. 일반적으로 태풍의 동향을 감시하는데 있어, 히마와리 등의 기상위성이 주로 활용되고 있다. 근년 인공위성의 원격탐사를 이용하여 광범위의 해양에 대한 해상풍과 파랑의 관측이 가능하게 되었다. 본 연구에서는, QuickSCAT위성에 의한 해상풍 관측의 현상을 조사하고, 위성으로부터 얻어진 2000년의 데이터를 사용해서 한반도 주변해역에 대한 해상풍의 월변동 특성을 조사하고, 2000년 7월에 한반도에 영향을 준 태풍 카이탁내의 해상풍을 검토하였다. 추가로 RSMC 동경 태풍 센터에서 발행하는 태풍자료를 이용하여, 태풍 비교를 수행하였다. 풍속은 제주도 주변해역, 특히 제주도 동쪽해역에서의 풍속이 연중 강하며, 9월에서 2월 기간에는 북풍 계열의 바람이 우세하고, 6월-8월에는 남풍계열의 바람이 지배적이다. 봄의 기간인 3월-5월에는 북풍에서 남풍으로 바뀌는 과정으로 다양한 방향의 바람이 혼재한다. 태풍 카이탁의 해상풍 조사를 통하여, 위험반원의 형상이 보다 복잡하며 그 범위가 크다는 점이 확인되었다.

• 한국해양학회지
• /
• v.24 no.3
• /
• pp.121-131
• /
• 1989

Cold water observed at sea surface near the southeastern coast of Korea in summers 1982 and 1983 was studied by using data of hydrography, sea level, wind and satellite image. In summer season when water column shows 3-layered structure a "full" upwelling occurs by southwesterly transient wind continuing for several days. During upwelling event, surface water of high temperature moved offshore, middle water of low temperature outcropped to the sea surface, and sea level was lowered, however, equilibrium depth of surface layer was not changed. It may be concluded that cold water at the surface originates from middle layer and strong surface front is a result of surfacing of seasonal thermocline. In order to see the relationship between position of surface front and wind input, a model of Csanady (1982) was applied in a rigid lid approximation. The results show that frontal position can be determined by wind input and water structure near the southeastern coast of Korea. Cold water in summer can appear at the sea surface only when there is wind larger than a minimum wind impulse of order $10m^2/sec$.

• Proceedings of the KSRS Conference
• /
• 2000.04a
• /
• pp.91-95
• /
• 2000

위성영상을 이용한 해안선의 추출은 연안 지형의 변화감지의 조간대의 DEM 생성 등 지구과학적인 활용 외에도 지형도와 해도의 수정에도 활용될 수 있다. 바람이 세거나 파랑이 높을 때 돌아오는 레이다의 신호는 육지와 구별이 어렵고 또한 speckle 잡음으로 인하여 SAR를 이용한 해안선 추출은 광학자료에서 사용하는 thresholding 방법이나 간단한 edge detector 등의 방법을 적용하여 좋은 결과를 얻는데 어려움이 있다. 본 연구에서는 SAR 자료를 이용하여 빠르고 정확하게 해안선을 추출할 수 있는 ratio에 기초한 해안선 추출 방법인 MSP-PoA(Maximum Stregth Edged Pruning Ratio of Average)을 경남 낙동강 하구지역의 인공해안선에 대해 적용하여 결과를 분석하였다. 그 결과는 매우 만족할 만 하나, 육지와 해수의 점이적인 특성을 나타내는 조간대가 분포하는 전남 곰소만 지역에서는 SAR intensity의 변화가 크지 않아서 만족할 만한 결과를 얻을 수 없었다. 이러한 지역에 대해서는 SAR의 위상정보를 이용하는 interferogram의 정확도를 정량적으로 평가하는데 사용되는 coherence map을 구하여 해안선을 추출하고자 한다.

• Journal of Wind Energy
• /
• v.14 no.1
• /
• pp.37-43
• /
• 2023

In this study, synthetic time series wind data was generated numerically using a second-order Markov chain. One year of wind data in 2020 measured by the AWS on Wido Island was used to investigate the statistics for measured wind data. Both the transition probability matrix and the cumulative transition probability matrix for annual hourly mean wind speed were obtained through statistical analysis. Probability density distribution along the wind speed and autocorrelation according to time were compared with the first- and the second-order Markov chains with various lengths of time series wind data. Probability density distributions for measured wind data and synthetic wind data using the first- and the second-order Markov chains were also compared to each other. For the case of the second-order Markov chain, some improvement of the autocorrelation was verified. It turns out that the autocorrelation converges to zero according to increasing the wind speed when the data size is sufficiently large. The generation of artificial wind data is expected to be useful as input data for virtual digital twin wind turbines.