• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.201-201
• /
• 2016

The asymptotic extreme value distributions of maxima are a natural choice when designing against future extreme events like flood peaks or wave heights, given a stationary time series. The generalized extreme value distribution (GEV) is often utilised in this context because it is seen as a convenient single expression for extreme event analysis. However, the GEV has a drawback because the location of the distribution bound relative to the data is a discontinuous function of the GEV shape parameter. That is, for annual maxima approximated by the Gumbel distribution, the data is also consistent with a GEV distribution with an upper bound (no lower bound) or a GEV distribution with a lower bound (no upper bound). A more consistent single extreme value expression for design purposes is proposed as the Weibull distribution of smallest extremes, as applied to transformed annual maxima. The Weibull distribution limit holds here for sufficiently large sample sizes, irrespective of the extreme value domain of attraction applicable to the untransformed maxima. The Gumbel, Type 2, and Type 3 extreme value distributions thus become redundant, together with the GEV, because in reality there is only a single asymptotic extreme value distribution required for design purposes - the Weibull distribution of minima as applied to transformed maxima. An illustrative synthetic example is given showing transformed maxima from the normal distribution approaching the Weibull limit much faster than the untransformed sample maxima approach the normal distribution Gumbel limit. Some New Zealand examples are given with the Weibull distribution being applied to reciprocal transformations of annual flood maxima, where the untransformed maxima follow apparently different extreme value distributions.

• 대한토목학회논문집
• /
• 제29권3B호
• /
• pp.259-267
• /
• 2009

GEV분포는 세계 여러 나라에서 홍수와 극한강우 등의 빈도분포로 널리 활용되고 있다. L-모멘트법은 GEV분포의 매개변수 추정을 위해 일반적으로 사용되고 있는 추정법이다. 본 연구에서는 Monte Carlo 실험을 이용하여 GEV분포를 따르는 서로 다른 두 지점의 자료의 교차상관계수를 이용하여 L-모멘트 추정값인 L-변동계수와 L-왜도계수들 간의 교차상관계수를 Simple Power 함수를 이용하여 유도하였다. 실험과정에서 생성된 비현실적이며 실험결과에 큰 영향을 미치는 음수값들을 배재한 GEV+분포를 이용하였다. 결과로, Simple Power 함수가 두지점간 자료의 교차상관과 L-모멘트 추정값들간의 교차상관 계수의 관계를 잘 모사하고 있음을 확인하였다. 다양한 GEV 분포의 매개변수 조합에 대한 Simple Power 함수의 매개변수 추정값과 정확성은 표로 제시하였다. 또한 위 연구결과를 활용할 수 있는 Generalised Least Square(GLS) 지역회귀 기법에 대해 설명하였다. 따라서 본 연구에서 도출된 관계식은 향후 GLS 회귀식을 이용한 GEV 분포의 지역 매개변수를 추정하는데 있어 L-모멘트 추정값들간의 정확한 교차상관관계를 제시할 수 있을 것으로 기대한다.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제7권6호
• /
• pp.1056-1063
• /
• 2015

Waves can be expressed in terms of a spectrum; that is, the energy density distribution of a representative wave can be determined using statistical analysis. The JONSWAP, PM and BM spectra have been widely used for the specific target wave data set during storms. In this case, the extracted wave data are usually discontinuous and independent and cover a very short period of the total data-recording period. Previous studies on the continuous wave spectrum have focused on wave deformation in shallow water conditions and cannot be generalized for deep water conditions. In this study, the Generalized Extreme Value (GEV) function is proposed as a more-optimal function for the fitting of the continuous wave spectral shape based on long-term monitored point wave data in deep waters. The GEV function was found to be able to accurately reproduce the wave spectral shape, except for discontinuous waves of greater than 4 m in height.

• 한국습지학회지
• /
• 제20권4호
• /
• pp.338-344
• /
• 2018

본 연구에서는 기후변화에 따른 극한 강우의 비정상성을 반영하기 위하여 GEV 분포의 3개 매개변수 중 위치매개변수를 공변량으로 적용하여, 지표면 기온(Surface air temperature, SAT) 및 이슬점 온도(Dew point temperature, DPT)을 고려한 비정상성 빈도해석이 실시된다. 부산 지점이 연구대상지점으로 선정되었으며, 5월부터 10월까지의 월 최대 일강수량을 이용하여 분석을 수행하였다. GEV 분포의 위치 매개변수를 위한 가장 적절한 공변량(기온과 이슬점 온도) 함수를 선택하기 위하여 다양한 모델을 구성하였으며, 구성된 모델 중 AIC(Akaike Information Criterion)가 가장 작은 모델을 최적 모델로 선정하였다. 분석 결과, exp(DPT)가 공변량인 비정상성 GEV 분포가 가장 적합한 것으로 나타났다. 선택된 모델을 이용하여 기후변화 시나리오에 따른 확률강우량의 영향을 분석하였으며, 부산지점의 경우 미래 이슬점 온도가 증가함에 따라 확률강우량이 증가할 가능성이 매우 높음을 살펴볼 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제26권3호
• /
• pp.239-259
• /
• 2019

The transmuted generalized extreme value (TGEV) distribution was first introduced by Aryal and Tsokos (Nonlinear Analysis: Theory, Methods & Applications, 71, 401-407, 2009) and applied by Nascimento et al. (Hacettepe Journal of Mathematics and Statistics, 45, 1847-1864, 2016). However, they did not give explicit expressions for all the moments, tail behaviour, quantiles, survival and risk functions and order statistics. The TGEV distribution is a more flexible model than the simple GEV distribution to model extreme or rare events because the right tail of the TGEV is heavier than the GEV. In addition the TGEV distribution can adjusted various forms of asymmetry. In this article, explicit expressions for these measures of the TGEV are obtained. The tail behavior and the survival and risk functions were determined for positive gamma, the moments for nonzero gamma and the moment generating function for zero gamma. The performance of the maximum likelihood estimators (MLEs) of the TGEV parameters were tested through a series of Monte Carlo simulation experiments. In addition, the model was used to fit three real data sets related to financial returns.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.41-41
• /
• 2016

최근 다변량 확률모형을 이용한 빈도해석이 수문자료 등에 적용되면서 다양하게 연구되고 있으며 다변량 확률모형 중 copula 모형은 주변분포형에 대한 제약이 없어 여러 분야에 걸쳐 활발히 연구되고 있다. 강우자료는 기존 일변량 빈도해석을 수행하기 위하여 사용하던 block maxima 방법 대신 최소무강우시간(inter event time)을 통하여 강우사상을 추출하여 표본으로 사용한다. 또한 기후변화로 인한 강우량의 변화등에 대응하기 위하여 비정상성 Generalized Extreme Value(GEV)와 Gumbel 등의 확률분포형에 대한 연구도 많은 부분 이루어져 있다. 본 연구에서는, Archimedean copula 모형을 이용하여 이변량 확률모형을 구축하면서 여기에 사용되는 주변분포형에 정상성/비정상성 분포형을 적용하였다. 모형의 매개변수는 inference function for margin 방법을 이용하였으며 주변분포형으로는 정상성/비정상성 GEV, Gumbel 모형을 적용하였다. 결과로 정상성/비정상성 경향을 나타내는 지점을 구분하고 각 지점에 대한 정상성/비정상성 주변분포형을 적용한 이변량 확률분포형을 구하였다.

• 한국전산구조공학회논문집
• /
• 제27권6호
• /
• pp.493-500
• /
• 2014

본 연구에서는 농업시설물 중 내재해형 비닐하우스와 축사에 대한 화산재 취약도를 평가하였다. 이들 농업시설물에 대한 화산재 취약도를 평가하기 위해 화산재 하중의 확률밀도함수와 대상 시설물 저항성능의 확률밀도함수를 비교하는 해석적 접근법 기반의 FOSM(first-order second-moment) 방법이 이용되었다. 화산재 취약도 평가를 위하여 폭과 높이 그리고 단면 및 재료적 특성이 상이한 6종의 내재해형 비닐하우스와 표준형, 해안형, 산간형으로 구분된 3종의 축사가 사용되었다. 또한 FOSM 방법으로 평가된 내재해형 비닐하우스와 축사의 취약도는 GEV(generalized extreme value) 분포함수의 모수 형태로 최적화된 후 데이터베이스화되었다. 본 연구에서 평가한 화산재 취약도는 백두산 화산분화에 따른 화산재 퇴적에 대한 농업시설물의 위험도 평가를 위하여 활용될 수 있다.

• 한국수자원학회논문집
• /
• 제48권7호
• /
• pp.567-579
• /
• 2015

본 연구에서는 모수(parameter)가 시간에 따라 변화하는 비정상성 확률분포를 훙수빈도분석에 적용하였다. 또한, 비정상성을 가정한 재현기간 및 위험도를 추정하였다. GEV (Generalized Extreme Value) 분포를 사용하여 정상성 및 비정상성 모형 4개를 구축하였으며 비정상성 모형은 위치모수(location parameter)만 선형경향성을 가지는 경우, 규모모수(scale parameter)만 선형경향성을 가지는 경우, 위치 및 규모모수가 모두 선형경향성을 가지는 경우의 3가지로 구분되었다. 구축된 4개의 모형 중 적합모형을 선정하기 위해 상대적 우도비 검정과 Akaike 정보기준을 사용하였으며, 우리나라의 8개 다목적댐(충주댐, 소양강댐, 안동댐, 임하댐, 합천댐, 대청댐, 섬진강댐, 주암댐)으로부터 취득된 과거 관측 댐 유입량을 사용하여 제안된 절차를 적용하고 결과를 비교분석하였다. 적합모형 선정 결과 합천댐과 섬진강댐이 비정상성 GEV 모형에 적합한 것으로 분석되었고, 나머지 6개 지점의 다목적댐들은 정상성 모형에 적합한 것으로 분석되었다. 특히 합천댐과 섬진강댐의 경우 비정상성 가정에서 산정된 재현기간이 정상성 가정에서 산정된 재현기간보다 작게 산정되었음을 알 수 있었다.

• 한국해안·해양공학회논문집
• /
• 제24권2호
• /
• pp.120-127
• /
• 2012

속초 연안에서 관측한 장기간의 파랑자료를 이용하여 다양한 파랑환경 특성을 분석하였다. 파랑환경 분석 결과 발견된 대표적인 특성은 다음과 같다. 파고 및 주기의 평균에 대한 변동계수는 각각 0.11, 0.02 정도로 주기 평균의 변동계수가 매우 낮은 것으로 파악되었다. 또한 변동주기 성분분석결과 1년 주기성분이 우세하였으며, 변동 범위는 0.24 m, 주기는 0.56초로 파악되었다. 계절 변동범위도 연간 변동범위보다 약 2배 정도 크다. 한편 파고 및 주기자료의 확률밀도함수를 추정한 결과, 단주기파의 파고 및 주기는 대수정규분포와 GEV 분포함수와 유사하며, 장 주기파의 경우, 파고는 대수정규분포, 주기는 GEV 분포함수와 유사하지만, KS 검정결과는 모두 기각으로 판정되었다. 파고 및 주기자료는 AR(3) 모형으로 추정된다. 파랑 강도를 분석한 결과는 연속 지속시간의 평균 및 최대지 속시간은 파고의 멱함수(power function) 함수로 감소하였으며, 전체 지속시간은 지수함수 형태로 감소하는 양상을 보였다. 또한 속초연안 환경은 전형적인 파랑 우세환경으로 파악되었다.

• 한국농공학회논문집
• /
• 제54권6호
• /
• pp.133-142
• /
• 2012

The objective of this study was to correct the bias of the Representative Concentration Pathways (RCP)-based future precipitation data using a quantile mapping method. This method was adopted to correct extreme values because it was designed to adjust simulated data using probability distribution function. The Generalized Extreme Value (GEV) distribution was used to fit distribution for precipitation data obtained from the Korea Meteorological Administration (KMA). The resolutions of precipitation data was 12.5 km in space and 3-hour in time. As the results of bias correction over the past 30 years (1976~2005), the annual precipitation was increased 16.3 % overall. And the results for 90 years (divided into 2011~2040, 2041~2070, 2071~2100) were that the future annual precipitation were increased 8.8 %, 9.6 %, 11.3 % respectively. It also had stronger correction effects on high value than low value. It was concluded that a quantile mapping appeared a good method of correcting extreme value.