• 한국강구조학회 논문집
• /
• 제9권3호통권32호
• /
• pp.431-440
• /
• 1997

본 논문에서는 교량 단면 내의 시간 종속적 온도 분포를 결정하기 위해, 기존의 열 전달 이론 및 태양 에너지 전달에 대한 이론을 바탕으로 기상관측소 및 현장에서 측정한 기상 자료로부터 교량 온도의 예측에 관한 이론적 모델에 대해 기술하였다. 특히 이 모텔에서는 주간에 교량의 온도 상승에 지배적인 영향을 미치는 태양일사(solar radiation)에 대해 태양 에너지 관련 분야의 여러 실험적 연구 결과를 바탕으로 태양일사량의 계산에 대해 기존에 연구되어 있는 식들 중에서 가장 적합한 식을 제시하였다. 이 해석 모델의 타당성은 사당 고가차도의 장기 계측된 온도 측정 결과와 비교 검토되었다. 또한 장기간 측정된 온도 결과로부터 교량 온도 예측에 대한 해석적 기준(analytical criteria)을 제시하기 위해, 교량의 축 방향 신축의 원인이 되는 단면평균온도, 그리고 곡률 변형을 유발하는 단면온도차 등 교량 단면의 온도 분포와 관련된 변수들과 대기온도, 일사량 등 기상 자료와 관련된 변수들 간의 선형 상관관계(linear correlation)에 대해 기술하였다.

• 한국철도학회논문집
• /
• 제20권4호
• /
• pp.474-481
• /
• 2017

국내에서 태양광 발전설비 설계 시 설계 단계에서의 태양광발전소의 발전량 예측은 국내 현장임에도 불구하고 PVsyst, PVWatts 등 해외 발전량 예측 프로그램과 해외 기상 자료를 이용하여 발전량을 예측하는 경우가 대부분을 차지하고 있는 실정이다. 본 논문에서는 기상정보를 활용한 발전량 예측 비교 연구를 위하여 현재 운영중인 2개 지역의 국내 태양광발전소를 대상지로 선정하였다. 발전량 예측 프로그램인 PVsyst를 활용하여 Meteonorm 7.1과 NASA-SSE의 해외 기상정보를 이용한 발전량 예측값과 국내 기상청 (Korea Meteorology Administration) 기상정보를 활용한 발전량 예측 정확성을 비교하였다. 추가적으로, 기상자료 비교 분석을 통한 발전량 예측 개선 방안을 연구하고, 최종적으로 실제 발전량과의 비교 분석을 통해 기후요소가 고려된 태양광 발전량 예측 수정 모델을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.147-147
• /
• 2019

The Numerical Weather Prediction (NWP) models determine the future state of the weather by forcing current weather conditions into the atmospheric models. The NWP models approximate mathematically the physical dynamics by nonlinear differential equations; however these approximations include uncertainties. The errors of the NWP estimations can be related to the initial and boundary conditions and model parameterization. Development in the meteorological forecast models did not solve the issues related to the inevitable biases. In spite of the efforts to incorporate all sources of uncertainty into the forecast, and regardless of the methodologies applied to generate the forecast ensembles, they are still subject to errors and systematic biases. The statistical post-processing increases the accuracy of the forecast data by decreasing the errors. Error prediction of the NWP models which is updating the NWP model outputs or model output statistics is one of the ways to improve the model forecast. The regression methods (including linear, polynomial and scaling regression) are applied to the present study to improve the real time forecast skill. Such post-processing consists of two main steps. Firstly, regression is built between forecast and measurement, available during a certain training period, and secondly, the regression is applied to new forecasts. In this study, the WRF real-time forecast data, in comparison with the observed data, had systematic biases; the errors related to the NWP model forecasts were reflected in the underestimation of the meteorological data forecast by the WRF model. The promising results will indicate that the post-processing techniques applied in this study improved the meteorological forecast data provided by WRF model. A comparison between various bias correction methods will show the strength and weakness of the each methods.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2016년도 추계 학술발표논문집
• /
• pp.44-48
• /
• 2016

Extreme temperature impacts on field crop are of key concern and increasingly assessed, however the studies have seldom taken into account the automatic adaptations such as shifts in planting dates, phenological dynamics and cultivars. In this present study, trial data on rice phenology, agro-meteorological hazards and yields during 1981-2009 at 120 national agro-meteorological experiment stations were used. The detailed data provide us a unique opportunity to quantify extreme temperature impacts on rice yield more precisely and in a setting with automatic adaptations.

• 한국지구과학회지
• /
• 제42권2호
• /
• pp.135-148
• /
• 2021

본 연구는 기상청 현업모델(LDAPS)로부터 예측된 서울의 도시열섬 강도와 지상 기온을 AWS 관측과 비교 평가하였다. 관측된 서울의 열섬 강도는 봄과 겨울동안 증가하며 여름동안 감소한다. 열섬 강도의 시간적 변동 경향은 새벽 시간 최대, 오후에 최소를 보인다. 기상청 국지기상예측시스템(LDAPS)으로부터 예측된 열섬 강도는 여름철 과대모의, 겨울철 과소모의 특징을 보인다. 특히 여름철은 주간에 과대 모의 경향이 증가하며, 겨울은 새벽 시간 과소 모의 오차가 크게 나타난다. LDAPS에서 예측된 지면 기온의 오차는 여름철 감소하며 겨울철 증가한다. 겨울철 열섬 강도의 과소 모의는 도시 기온의 과소 모의와 관련되었으며, 여름철 열섬 강도의 과대 모의는 교외 지역 기온의 과소 모의로부터 기인하는것으로 판단된다. 도시 열섬강도 예측성 개선을 위하여 도시효과를 고려하는 도시캐노피모델을 LDAPS와 결합하여 2017년 여름 기간동안 모의하였다. 도시캐노피모델 적용 후 도시의 지면 기온의 오차는 개선되었다. 특히 오전시간 과소모의되는 기온의 오차 개선 효과가 뚜렷하였다. 도시캐노피모델은 여름동안 과대 모의하는 도시열섬강도를 약화시키는 개선 효과를 보였다.

• 대기
• /
• 제29권3호
• /
• pp.257-267
• /
• 2019

This study is to assess the applicability of the Extreme Forecast Index (EFI) algorithm of the ECMWF seasonal forecast system to the Global Seasonal Forecasting System version 5 (GloSea5), operational seasonal forecast system of the Korea Meteorological Administration (KMA). The EFI is based on the difference between Cumulative Distribution Function (CDF) curves of the model's climate data and the current ensemble forecast distribution, which is essential to diagnose the predictability in the extreme cases. To investigate its applicability, the experiment was conducted during the heat-wave cases (the year of 1994 and 2003) and compared GloSea5 hindcast data based EFI with anomaly data of ERA-Interim. The data also used to determine quantitative estimates of Probability Of Detection (POD), False Alarm Ratio (FAR), and spatial pattern correlation. The results showed that the area of ERA-Interim indicating above 4-degree temperature corresponded to the area of EFI 0.8 and above. POD showed high ratio (0.7 and 0.9, respectively), when ERA-Interim anomaly data were the highest (on Jul. 11, 1994 (> $5^{\circ}C$) and Aug. 8, 2003 (> $7^{\circ}C$), respectively). The spatial pattern showed a high correlation in the range of 0.5~0.9. However, the correlation decreased as the lead time increased. Furthermore, the case of Korea heat wave in 2018 was conducted using GloSea5 forecast data to validate EFI showed successful prediction for two to three weeks lead time. As a result, the EFI forecasts can be used to predict the probability that an extreme weather event of interest might occur. Overall, we expected these results to be available for extreme weather forecasting.

• 한국환경보건학회지
• /
• 제47권6호
• /
• pp.548-557
• /
• 2021

Background: Due to the emergence of new diseases such as COVID-19, an increasing number of people are struggling with stress and depression. Interest is growing in forest-based recreation for physical and mental relief. Objectives: A prediction model equation using meteorological factors and data was developed to predict the quantities of medicinal substances generated in forests (monoterpenes) in real-time. Methods: The concentration of phytoncide and meteorological factors in the forests near Chuncheon in South Korea were measured for nearly two years. Meteorological factors affecting the observation data were acquired through a multiple regression analysis. A model equation was developed by applying a linear regression equation with the main factors. Results: The linear regression analysis revealed a high explanatory power for the coefficients of determination of temperature and humidity in the coniferous forest (R²=0.7028 and R²=0.5859). With a temperature increase of 1℃, the phytoncide concentration increased by 31.7 ng/Sm³. A humidity increase of 1% led to an increase in the coniferous forest by 21.9 ng/Sm³. In the deciduous forest, the coefficients of determination of temperature and humidity had approximately 60% explanatory power (R²=0.6611 and R²=0.5893). A temperature increase of 1℃ led to an increase of approximately 9.6 ng/Sm³, and 1% humidity resulted in a change of approximately 6.9 ng/Sm³. A prediction model equation was suggested based on such meteorological factors and related equations that showed a 30% error with statistical verification. Conclusions: Follow-up research is required to reduce the prediction error. In addition, phytoncide data for each region can be acquired by applying actual regional phytoncide data and the prediction technique proposed in this study.

• 한국멀티미디어학회논문지
• /
• 제23권10호
• /
• pp.1286-1295
• /
• 2020

It has been increasingly difficult to predict the amounts of Acer mono sap to be collected due to droughts and cold waves caused by recent climate changes with few studies conducted on the prediction of its collection volume. This study thus set out to propose a Big Data prediction system based on meteorological information for the collection of Acer mono sap. The proposed system would analyze collected data and provide managers with a statistical chart of prediction values regarding climate factors to affect the amounts of Acer mono sap to be collected, thus enabling efficient work. It was designed based on Hadoop for data collection, treatment and analysis. The study also analyzed and proposed an optimal prediction model for climate conditions to influence the volume of Acer mono sap to be collected by applying a multiple regression analysis model based on Hadoop and Mahout.

• Communications for Statistical Applications and Methods
• /
• 제22권3호
• /
• pp.241-253
• /
• 2015

In this paper we predict the track of typhoons using a Bayesian principal component regression model based on wind field data. Data is obtained at each time point and we applied the Bayesian principal component regression model to conduct the track prediction based on the time point. Based on regression model, we applied to variable selection prior and two kinds of prior distribution; normal and Laplace distribution. We show prediction results based on Bayesian Model Averaging (BMA) estimator and Median Probability Model (MPM) estimator. We analysis 8 typhoons in 2006 using data obtained from previous 6 years (2000-2005). We compare our prediction results with a moving-nest typhoon model (MTM) proposed by the Korea Meteorological Administration. We posit that is possible to predict the track of a typhoon accurately using only a statistical model and without a dynamical model.

• 한국항행학회논문지
• /
• 제22권3호
• /
• pp.233-239
• /
• 2018

태양광 발전은 기상 상태에 따라 간헐적이기 때문에 태양광 발전의 효율과 경제성 향상을 위해 정확한 발전량 예측이 요구된다. 본 연구는 목포 기상대에서 예보하는 기상 데이터와 영암 태양광 발전소의 발전량 데이터를 이용하여 태양광 발전량 단기 딥러닝 예측모델을 제안하였다. 기상청은 기온, 강수량, 풍향, 풍속, 습도, 운량 등의 기상요소를 3일간 예보한다. 그러나 태양광 발전량 예측에 가장 중요한 기상요소인 일조 및 일사 일사량 예보하지 않는다. 제안 모델은 예보 기상요소를 이용하여, 일조 및 일사 일사량을 예측 하였다. 또한 발전량은 기상요소에 예측된 일조 및 일사 기상요소를 추가하여 예측하였다. 제안 모델의 발전량 예측 결과 DNN의 평균 RMSE와 MAE는 0.177과 0.095이며, RNN은 0.116과 0.067이다. 또한, LSTM은 가장 좋은 결과인 0.100과 0.054이다. 향후 본 연구는 다양한 입력요소의 결합으로 보다 향상된 예측결과를 도출할 수 있을 것으로 기대된다.