• 한국항공운항학회지
• /
• 제25권4호
• /
• pp.124-129
• /
• 2017

Clouds are an important factor in aircraft flight. In particular, a significant impact on small aircraft flying at low altitude. Therefore, we have verified and characterized the low level cloud prediction data of the Unified Model(UM) - based Local Data Assimilation and Prediction System(LDAPS) operated by KMA in order to develop cloud forecasting service and contents important for safety of low-altitude aircraft flight. As a result of the low level cloud test for seven airports in Korea, a high correlation coefficient of 0.4 ~ 0.7 was obtained for 0-36 leading time. Also, we found that the prediction performance does not decrease as the lead time increases. Based on the results of this study, it is expected that model-based forecasting data for low-altitude aviation meteorology services can be produced.

• 한국지구과학회:학술대회논문집
• /
• 한국지구과학회 2005년도 춘계학술발표회 논문집
• /
• pp.182-187
• /
• 2005

호남지방의 집중호우 예측 가능성을 향상시키기 위하여 레이더 자료동화를 이용한 예측가능성 제고, 광주지방의 고층자료를 분석하여 집중호우 발생시의 종관장을 해석하였다. 자료동화 자료로는 진도 S-band 레이더 원시자료를 이용한 고도별 수평 바람장을 산출하여 사용하였다. 또한, PC-cluster를 platform으로 사용하는 호남지방의 고해상도 기상예측시스템을 이용하여, 레이더 수평 바람장 자료의 동화가 집중호우 및 중규모 순환장 예측정확도에 미치는 영향을 살펴보았다.

• 전기학회논문지
• /
• 제65권5호
• /
• pp.851-856
• /
• 2016

Wind speed is heavily fluctuated and quite local than other weather elements. It is difficult to improve the accuracy of prediction only in a numerical prediction model. An MOS (Model Output Statistics) technique is used to correct the systematic errors of the model using a statistical data analysis. The Most of previous MOS has used a linear regression model for weather prediction, but it is hard to manage an irregular nature of prediction of wind speed. In order to solve the problem, a nonlinear regression method using SVR (Support Vector Regression) is introduced for a development of MOS for wind speed prediction. Experiments are performed for KLAPS (Korea Local Analysis and Prediction System) re-analysis data from 2007 to 2013 year for Jeju Island and Busan area in South Korea. The MLR and SVR based linear and nonlinear methods are compared to each other for prediction accuracy of wind speed. Also, the comparison experiments are executed for the variation in the number of UM elements.

• 대기
• /
• 제25권2호
• /
• pp.367-374
• /
• 2015

Korean Peninsula has high potential for occurrence of aviation turbulence. A Korean aviation Turbulence Guidance (KTG) system focused on the Korean Peninsula, named Korean-Peninsula KTG (KP-KTG) system, is developed using the high resolution (horizontal grid spacing of 1.5 km) Local Data Assimilation and Prediction System (LDAPS) of the Korea Meteorological Administration (KMA). The KP-KTG system is constructed first by selection of 15 best diagnostics of aviation turbulence using the method of probability of detection (POD) with pilot reports (PIREPs) and the LDAPS analysis data. The 15 best diagnostics are combined into an ensemble KTG predictor, named KP-KTG, with their weighting scores computed by the values of area under curve (AUC) of each diagnostics. The performance of the KP-KTG, represented by AUC, is larger than 0.84 in the recent two years (June 2012~May 2014), which is very good considering relatively small number of PIREPs. The KP-KTG can provide localized turbulence forecasting in Korean Peninsula, and its skill score is as good as that of the operational-KTG conducting in East Asia.

• 한국지능시스템학회논문지
• /
• 제23권5호
• /
• pp.473-478
• /
• 2013

본 논문에서는 KLAPS(Korea Local Analysis and Prediction System)의 재분석 자료를 이용하여 지능형 뉴로-퍼지 알고리즘 RBFNNs(Polynomial-based Radial Basis Function Neural Networks) 기반 호우특보 판별 모델을 개발한다. 기존의 호우예측 시스템들의 예측능력은 일반적으로 기상데이터의 가공 기법의 영향을 받는다. 본 연구에서는 이를 보완하기 위하여 기상데이터의 전처리를 통한 호우예측 방법을 소개한다. 기상 데이터 전처리 기법은 KLAPS 데이터를 기반으로 지점별 변환, 누적강수량 생성, 시계열 데이터 가공, 호우특보 추출 방식에 의하여 설계된다. 최종적으로, 향후 t(t=1,2,3) 시간 후 6시간 동안 누적강수량에 대해 예측하고 호우특보를 결정하기 위한 정보를 제공한다. 또한 다항식의 형태, 규칙의 개수, 퍼지화 계수와 같은 제안된 모델의 중요 파라미터는 최적화 기법인 차분 진화(Differential Evolution; DE)를 이용하여 최적화한다.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.477-482
• /
• 2015

단기풍속 예측을 위한 진화적 선형 및 비선형 회귀분석 기반의 보정 기법을 비교한다. 모델의 체계적 오류를 교정하기 위한 효율적인 MOS(Model Output Statistics)의 개발이 필요하나, 기존의 선형회귀분석 기반의 보정기법은 다양한 기상요소의 복잡한 비선형 특성을 반영하기 힘들다. 이를 개선하기 위해서 유전 프로그래밍을 사용하여 풍속 예측에 대한 비선형 보정 수식을 생성하는 기법을 제안하고 기본 다중선형회귀분석법 및 Ridge, Lasso 회귀분석법과 비교한다. 더불어, 선형회귀분석법과 진화적 비선형회귀분석 기법의 인자 선택의 차이와 유사성을 비교하고 분석한다. 2007년~2013년의 KLAPS(Korea Local Analysis and Prediction System) 재분석자료를 사용하여 제주도와 부산지역의 격자점에 대한 실험을 수행한다.

• 한국농림기상학회지
• /
• 제14권2호
• /
• pp.53-62
• /
• 2012

고해상도 기상자료 제공과 농림 분야에서의 요구를 충족시키기 위하여 LAPS를 이용하여 경기도 지역을 100m 해상도로 분석하였다. 구축된 시스템은 수치예보과에서 생산되는 6시간 간격 예측자료를 초기추정치로 사용하고, 각 관측자료를 동화하여 지표 온도와 습도 바람을 분석한다. 기존 분석시스템의 기상관측자료의 수집 방식을 개선하여 자료 수집에 소요되는 시간을 성공적으로 단축시킴으로써 약 20분 내에 기온, 상대습도, 풍향, 풍속에 대한 고해상도 분석결과 제공이 가능하게 되었다. 그러나 앞으로 LAPS 분석결과를 이용하여 관측이 가능한 지역 이외에 어느 지역에서든 정확한 농업기상정보를 산출할 수 있게 하려면 다양한 기상자료의 활용과 지표이용도의 개선, 관측지점의 영향반경을 최적화 시키는 과정들이 추가로 연구되어야 할 것이다. 현재 구축된 시스템의 분석결과 정확도는 떨어지지만 LAPS의 내부 알고리즘에 대한 미세한 조정으로 향상이 가능하므로 농업기상요소 생성을 위한 최적화 작업들을 수행한다면 정확도 향상을 꾀할 수 있을 것이다. 또한 다양한 기상요소에 대한 분석이 가능하기 때문에 특별한 기상요소들을 필요로 하는 농림 분야의 요구를 충족 시킬 수 있도록 분석요소의 확장이 가능 할 것이다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1191-1205
• /
• 2022

복잡하고 광범위한 원인을 가진 대기오염물질 중 particulate matter (PM)은 입자의 크기에 따라 분류된다. 그 중 PM_2.5는 그 크기가 매우 작아 사람이 흡입하면 인간의 호흡기나 심혈관에 질병을 유발할 수 있다. 이러한 위험에 대비하기 위해서는 국가 중심의 관리와 사전에 예방할 수 있는 모니터링 및 예측이 중요하다. 본 연구는 고농도 미세먼지의 발생이 잦은 서울시의 PM_2.5를 local data assimilation and prediction system (LDAPS) 기상 관련 인자 15가지와 aerosol optical depth (AOD), 화학인자 4가지를 독립변수로 하여 앙상블 모델 두 가지 random forest (RF)와 extreme gradient boosting (XGB)로 예측하고자 하였다. 예측에 사용된 두 모델의 성능 평가와 인자 중요도 평가를 수행하였으며, 계절별 모델 분석도 수행하였다. 예측 정확도 결과, RF가 R² = 0.85, XGB가 R² = 0.91의 높은 예측 정확도를 보이며 XGB가 RF보다 PM_2.5 예측에 적합한 모델임을 확인하였다. 계절별 모델 분석 결과, 봄에 농도가 높은 관측 값과 비교하여 예측 수행이 잘 되었다고 할 수 있다. 본 연구는 다양한 인자를 이용하여 서울시의 PM_2.5를 예측하였고, 좋은 성능을 보이는 앙상블 기반의 PM_2.5 예측 모델을 구축하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.907-923
• /
• 2020

For the severe haze situation in the Beijing-Tianjin-Hebei region, conventional fine particulate matter (PM2.5) concentration prediction methods based on pollutant data face problems such as incomplete data, which may lead to poor prediction performance. Therefore, this paper proposes a method of predicting the PM2.5 concentration based on image analysis technology that combines image data, which can reflect the original weather conditions, with currently popular machine learning methods. First, based on local parameter estimation, autoregressive (AR) model analysis and local estimation of the increase in image blur, we extract features from the weather images using an approach inspired by free energy and a no-reference robust metric model. Next, we compare the coefficient energy and contrast difference of each pixel in the AR model and then use the percentages to calculate the image sharpness to derive the overall mass fraction. Furthermore, the results are compared. The relationship between residual value and PM2.5 concentration is fitted by generalized Gauss distribution (GGD) model. Finally, nonlinear mapping is performed via the wavelet neural network (WNN) method to obtain the PM2.5 concentration. Experimental results obtained on real data show that the proposed method offers an improved prediction accuracy and lower root mean square error (RMSE).

• 대기
• /
• 제28권3호
• /
• pp.263-272
• /
• 2018

The high-resolution ocean surface wind vector produced by scatterometer was assimilated within the Local Ensemble Transform Kalman Filter (LETKF) in Korea Institute of Atmospheric Prediction Systems (KIAPS). The Advanced Scatterometer (ASCAT) on Metop-A/B wind data was processed in the KIAPS Package for Observation Processing (KPOP), and a module capable of processing surface wind observation was implemented in the LETKF system. The LETKF data assimilation cycle for evaluating the performance improvement due to ASCAT observation was carried out for approximately 20 days from June through July 2017 when Typhoon Nepartak was present. As a result, we have found that the performance of ASCAT wind vector has a clear and beneficial effect on the data assimilation cycle. It has reduced analysis errors of wind, temperature, and humidity, as well as analysis errors of lower troposphere wind. Furthermore, by the assimilation of the ASCAT wind observation, the initial condition of the model described the typhoon structure more accurately and improved the typhoon track prediction skill. Therefore, we can expect the analysis field of LETKF will be improved if the Scatterometer wind observation is added.