• 한국해양학회지
• /
• 제6권2호
• /
• pp.92-98
• /
• 1971

본고는 지난 12년동안 한국연안에 내습한 태풍 및 각 검조소에 출현한 매년의 최고 이상고조와 1970.8.29∼9.2에 있었던 태풍 빌리호 내습시 남 서해안의 각 검조소에서 얻은 자료에 의하여 해면변화에 대한 사례조사를 시도한 것이다. 한국연안은 매년 빈번한 기상교란 (태풍, 저기압등) 에 의하여 이상고조 또는 기상해일현상이 발생, 항만이나 연안지대에서는 적지 않은 피해를 받고 있으나 이에 관한 조사는 전혀 없었으며, 이후 연안지대의 고도이용이나 연안방재를 위하여 먼저 정확한 사례조사가 필요하다고 본다.

• 한국해안해양공학회지
• /
• 제2권2호
• /
• pp.104-111
• /
• 1990

부산연안에서 태풍으로 인한 수위변화특성을 파악하고 수위예측을 위하여 태중 Thelma 통과 기간증 한국남해안에 위치한 6개 검조소의 조위관측자료와 기상자료를 분석하였다. 수치모델에 있어서는 해면기압의 공간분포로 인한 수위변화를 고려하였다. 폭풍해일(storm surge)의 계산결과 부산연안의 최대수위편차의 출현시각과 수위편차곡선은 가덕도의 조위실측치로부터 구한 수위편차곡선과의 상당히 유사한 결과를 나타냈다. 그러나 부산검조소 위치에서 조위실측치로부터 구한 수위편차곡선은 검조소가 수로에 위치한 관계로 일반적인 해일 곡선을 나타내지 못한다. 본 계산결과에 의하면 낙동강 하구역에서는 지형적인 영향으로 최대 2.5m 이상의 수위편차가 나타났으며, 그 밖의 해안에서는 약 60cm 전후의 수위편차가 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1605-1609
• /
• 2010

CGCM3.1 SRES B1 시나리오의 2D 변수들을 입력값으로 인공신경망 모형을 이용한 스케일 상세화기법으로 강부식(2009)은 소양강댐 유역의 월 누적강수 경향분석을 실시하였다. 원시 GCM 시나리오를 스케일 상세화 시키기 위한 기법의 하나로 인공신경망 모형을 사용할 수 있는데, 이 경우 GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면 근처에서의 일평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수를 잠재적인 예측인자로 사용하여 신경망을 구성하게 된다. 입력변수세트의 구성은 인공신경망의 계산 효율을 좌우하는 중요한 요소라 할 수 있다. 본 연구에서는 변수의 물리적 특성을 고려하여 순차적인 변수선택을 통한 신경망 입력변수 세트를 구성하고 입력세트 간의 학습성과 비교를 통하여, 최적 입력변수 선정 및 신경망의 학습효과를 높일 수 있는 방법에 대해 연구하였다. 물리적 상관성이 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 하여 순차적인 케이스를 학습해본 결과 huss와 ps를 입력변수로 하는 케이스에 대해서 적은 오차와 높은 상관성을 보였다, 또한, 신경망의 학습 효과를 높이기 위해 홍수기와 비홍수기로 구분하여 학습한 결과 홍수기와 비홍수기로 구분하여 신경망을 구성하였을 경우가 향상된 모의값을 나타내었다. 기후변화모의자료는 CCCma(Canadian Center for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 관측값으로는 AWS에서 제공된 일 누적강수를 사용하였다. 인공신경망의 학습기간은 1997년부터 2000년이며, 검증기간은 2001년부터 2004년으로 구성하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2009년도 공동학술대회
• /
• pp.449-451
• /
• 2009

지구온난화에 따른 해수면 상승과 태풍 강도의 증가는 연안역에 밀집한 주거 및 산업공간을 위협하는 요소로 최근 그 연구가 활발하게 진행되어 오고 있다. 본 연구에서는 안전한 해상교통 및 폭풍해일과 파랑예측을 위해서 반드시 필요한 해상풍에 대한 연구이다. 해상풍은 연안역에서의 자연재해를 유발하는 여러 요소 중에서 중요한 연구과제이나, 현재 가상수치모델에 의한 해상풍 및 해면기압은 시 공간적으로 불충분하다. 따라서, 중규모 기상 모형인 Weather Research and Forecasting(WRF)을 사용하여 우리나라 주변해역을 모두 포함하며, 약 9km 격자로 매일 두 번씩 72시간을 예보하는 해상풍을 산출하는 시스템을 구축하였다. 이어도 해양과학기지와 황해중부부이에서 실측한 해상풍과 검증한 결과 상당히 유의할 만한 결과를 얻었으며, 자료동화을 이용하여 향후에는 보다 정확한 해상풍을 산출할 계획이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.457-457
• /
• 2012

말라리아는 매개체에 의한 전염병으로써 국내에서는 이미 1970년대에 사라진 것으로 알려져 있다. 하지만 1990년대에 재발생하여 2000년대 초반까지 경기도와 강원도 북부지역에서 환자가 증가하는 양상을 보였다. 사람에게서 발병하는 말라리아는 4종으로 알려져 있으나 우리나라의 경우 이 중 오로지 삼일열 원충감염에 의한 것으로 밝혀졌다(질병관리 본부, 2010). 기후변화는 질병의 발생에 영향을 미칠 수 있는 중요한 요인 중 하나로써 매개체에 의한 질병의 경우 기후요소는 매개체의 번식과 활동에 적지않은 영향을 미친다. 특히 말라리아의 경우 병원균을 가진 개체수와 모기에 물리는 횟수, 감염된 모기의 수, 그 모기에 사람이 물리는 횟수와 관계가 있으나 기온과 강수량, 습도의 변화 등 기후 및 수문학적 요소와도 밀접한 관계를 가지는 것으로 밝혀졌다(Lindsay & Birley, 1996; 박윤형 외, 2006; 신호성, 2011 재인용). 본 연구의 목적은 한반도 기후-수문학적 환경특성 및 변화를 파악하고 지역적 말라리아 발생과의 상관관계를 도출하며 이를 기반으로 하여 말라리아 발생의 변동을 예측하는 것이다. 분석에 사용된 데이터는 말라리아 발생자료의 경우, 질병관리 본부에서 제공하는 2001년 1월~2011년 12월 까지의 약 16000건의 발병자료가 포함 되었고 분석의 시간 단위는 2WEEKS 이며 전국 251개의 시군구에서 발생한 전염병을 합산하였다. 기상자료의 경우 기상청 기후자료 관리 시스템에서 제공하는 동일 기간대의 평균기온, 최고(최저)기온, 강수량, 신적설, 평균 해면기압, 평균 이슬점 온도, 평균 상대습도, 평균풍속, 평균운량, 일조시간 자료를 활용하였다. 본 연구에 사용된 AWS(Automatic Weather Station)자료의 경우 기본적으로 point 형태의 관측자료이고, 분석기간 동안의 개수에서도 차이가 있기 때문에 공간 내삽기법인 kriging을 활용하여 행정구역과 zonal하는 방법으로 재가공 하였다. 지역의 수문학적 특성의 경우 10*10 DEM을 기반으로 ESRI ArcGIS 소프트웨어의 ArcHydro 기능을 이용 하여 유역을 생성하는 방법을 채택하였다. 본 연구에서는 통계적 모형을 기본으로 기후 및 수문 특성과 말라리아 발생간의 상관관계를 분석하였으며 시계열 자료의 특성상 포아송 분포의 Generalized Estimation Equation 과 Generalized Linear Model을 이용한다(Baccini 외, 2008; 신호성, 2011). 또한 말라리아 잠복시간의 지연효과 및 전염병의 계절 영향을 반영하기 위하여 Fourier transform 을 적용 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.156-156
• /
• 2016

2016년 2월 5일, 짐바브웨는 극심한 가뭄으로 인해 인구의 4분의 1이상이 식량난을 겪고 있다며 '국가 재난 사태'를 선포하였다. 한때 아프리카 곡창지대로 불리던 짐바브웨가 극심한 가뭄을 겪게 된 데에는 2015/16년 슈퍼엘니뇨의 영향이 크게 한 몫을 하였는데, 이는 남반구의 여름인 11월부터 이듬해 3월까지인 짐바브웨의 우기가 2015/16년 슈퍼엘니뇨 강도가 절정에 달했던 시기(10월에서 2월)와 겹쳐져 짐바브웨의 강수량이 슈퍼 엘니뇨의 영향을 받게 되었기 때문이다. 게다가 4월부터는 엘니뇨의 영향을 받은 우기가 끝나고 건기가 시작되기 때문에 앞으로 가뭄이 얼마나 더 악화될지 우려되는 상황이다. 짐바브웨의 기후를 살펴보면, 증발량이 강수량보다 많은 건조기후 중에서도 비교적 그 정도가 약한 기후인 반건조 지대에 속한다. 하지만 연강수량 변동에 따라서, 비가 내리는 해에는 토양 수분이 과잉되고 비가 적게 내리는 해에는 심한 물 부족 현상이 일어나게 되기 때문에, 건기가 시작되는 4월부터 짐바브웨 강수 예측은 가뭄이 얼마나 지속될지를 파악하는 데에 아주 중요한 요소가 될 수 있다. 따라서 본 연구에서는 강수 예측 결과를 중심으로 2016년 짐바브웨의 가뭄이 얼마나 지속되고, 또 가뭄의 강도는 어떻게 될지 알아보는 것에 목적을 두고, GCM을 이용하여 2016년 3월에서 10월까지 장기예측을 수행하였다. 경계 자료로는 ECMWF (European Centre for Medium Range Weather Forecasts)에서 제공하는 Sea Ice자료와, NOAA OI (National Oceanic and Atmospheric Administration Optimum Interpolation) Weekly SST자료를 사용하였고 엘니뇨의 영향을 고려하기 위해 IRI (International Research Institute)의 ENSO forecast를 참고하여 SST아노말리에 월별 가중치를 적용하였다. 초기 입력 자료로는 1월 21-30일 10일간의 ECMWF의 재분석 자료를 이용하여 총 10개 멤버의 앙상블 예측을 수행하였고, 8개월(3-10월) 기간에 대해 약 한 달간의 spin-up time을 주었다. 예측 자료를 모델 climatology와 비교하여 월 평균 강수 전망을 분석하였고, 기온과 해면기압의 월 평균자료도 추가 분석하였다. 또한 짐바브웨 지역의 강수 관측 자료와 모델 예측 자료를 이용하여 특정 도시들의 1년 누적강수를 예측 및 분석하였고, 최종적으로 이 결과를 통해 짐바브웨의 가뭄지속가능성을 살펴보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.1068-1072
• /
• 2005

조석이란, 해면의 완만한 주기적 승강을 말하며, 보통 그 승강은 1일 약 2회이나, 곳에 따라서는 1일 1회의 곳도 있다. 조석에 있어서는 이 밖에 수일의 주기를 갖는 약간 불규칙한 승강, 반년, 또는 1년을 주기로 하는 다소 규칙적인 승강까지 포함하여 취급한다. 그러나, 각 항만마다 갖는 특정적인 주기인 수분내지 수십분의 주기의 승강은 조석으로 취급하지 않는다. 조석은 해양의 제현상 중에서 예측가능성이 가장 큰 현장으로 이는 조석이 천체의 운행과 연관되기 때문이다. 조석이란 지구로부터 일정한 거리에서 각 고유의 속도를 가지는 적도상을 운행하는 무수의 가상천체에 기인하는 규칙적인 개개의 조석을 합성한 것이며 이 개개의 조석을 분조(Constituent)라 한다. 여기에서 사용되는 신경망 모형은 입력과 출력으로 구성되는 블랙박스 모형으로서 하나의 시스템을 병렬적으로 비선형적으로 구축할 수 있다는 장점 때문에 과거 하천유역의 강우-유출과정에서의 경우 유출현상을 해석하고 유출과정을 모형화 하기 위해 사용하였다. 본 연구에서는 기존의 조위 예측방법인 조화분석법이 아닌 인공신경망을 이용하여 조위예측을 실시하였다. 학습이라는 최적화 과정을 통해 구조와 기능이 복잡한 자연현상을 그대로 받아들여 축적시킴으로써 이를 지식으로 현상에 대한 재현능력이 뛰어나고, 또한 신경회로망의 연상기억능력에 적용하여 수학적으로 표현이 불가능한 불확실한 조위곡선에 적용하기에 유리한 장점을 가지고 있다. 본 연구의 목적은 과거 조위이론을 통해 이루었던 조위예측을 우리가 알기 쉬운 여러 기후인자(해면기압, 풍향, 풍속, 음력 등)에 따른 조위곡선을 예측하기 위해 신경망 모형을 이용하여 여수지역의 조위에 적용하여 비교 분석하고자 한다. May가 제안한 공식을 더 확장하여 적용할 수 있는 실험 공식으로 개선하였으며 다양한 조건에 대한 실험을 수행하여 보다 정밀한 공식으로 개선할 수 있었다.$10,924m^3/s$ 및 $10,075m^3/s$로서 실험 I의 $2,757m^3/s$에 비해 통수능이 많이 개선되었음을 알 수 있다.함을 알 수 있다. 상수관로 설계 기준에서는 관로내 수압을 $1.5\~4.0kg/cm^2$으로 나타내고 있는데 $6kg/cm^2$보다 과수압을 나타내는 경우가 $100\%$로 밸브를 개방하였을 때보다 $60\%,\;80\%$ 개방하였을 때가 더 빈번히 발생하고 있으므로 대상지역의 밸브 개폐는 $100\%$ 개방하는 것이 선계기준에 적합한 것으로 나타났다. 밸브 개폐에 따른 수압 변화를 모의한 결과 밸브 개폐도를 적절히 유지하여 필요수량의 확보 및 누수방지대책에 활용할 수 있을 것으로 판단된다.8R(mm)(r^2=0.84)$로 지수적으로 증가하는 경향을 나타내었다. 유거수량은 토성별로 양토를 1.0으로 기준할 때 사양토가 0.86으로 가장 작았고, 식양토 1.09, 식토 1.15로 평가되어 침투수에 비해 토성별 차이가 크게 나타났다. 이는 토성이 세립질일 수록 유거수의 저항이 작기 때문으로 생각된다. 경사에 따라서는 경사도가 증가할수록 증가하였으며 $10\% 경사일 때를 기준으로 $Ro(mm)=Ro_{10}{\times}0.797{\times}e^{-0.021s(\%)}$로 나타났다.천성 승모판 폐쇄 부전등을 초래하는 심각한 선

• 항공우주기술
• /
• 제9권2호
• /
• pp.98-104
• /
• 2010

대기 중의 수증기는 가스터빈엔진의 주요성능에 많은 영향을 끼친다. 습공기의 영향은 기온 및 기압이 높은 여름철 해면 고도, 높은 비행 마하수 그리고 낮은 엔진 회전수에서 이 더욱 두드러진다. 이러한 습공기 유입에 따른 가스터빈 엔진의 성능변화의 정도를 살펴보고자 가스터빈 시뮬레이션 프로그램(GSP)과 200lbf 급 초소형 터보제트 엔진의 고공환경 성능시험을 통해 습도가 엔진성능에 미치는 영향에 대하여 알아보았다. 고공환경 엔진시험을 통해, 건공기 유입에 비해 습공기 유입 시 순추력에서 2.826% 낮게, 비연료소모율에서 1.325% 높게 측정되었다.

• 한국해안·해양공학회논문집
• /
• 제26권1호
• /
• pp.41-48
• /
• 2014

태풍 볼라벤의 폭풍해일을 분석하기 위해 단순한 해석적 모형들을 사용하여 서해안 발생한 폭풍해일의 주요 원인을 조사하였다. 여기서 사용된 단순한 해석적 모형은 볼라벤의 실제 현상을 정확하게 재현할 수는 없으나, 폭풍해일에 내재된 주요 물리현상의 설명에는 충분하였다. 수심이 상대적으로 깊은 섬에 발생한 폭풍해일은 태풍에 동반된 바람보다는 저기압에 의한 해면상승이 주도적으로 작용하였다. 천해인 연안지역에서는 저조시에 1 m 이상의 해일고가 관측되었고 이는 주로 바람에 의해 발생된 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• 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.