This study investigates the downward influences of sudden stratospheric warming (SSW) in February 2018 using a subseasonal-to-seasonal forecast model, Global Seasonal forecasting system version 6 (GloSea6). To quantify the influences of SSW on the tropospheric prediction skills, free-evolving (FREE) forecasts are compared to stratospheric nudging (NUDGED) forecasts where zonal-mean flows in the stratosphere are relaxed to the observation. When the models are initialized on 8 February 2018, both FREE and NUDGED forecasts successfully predicted the SSW and its downward influences. However, FREE forecasts initialized on 25 January 2018 failed to predict the SSW and downward propagation of negative Northern Annular Mode (NAM). NUDGED forecasts with SSW nudging qualitatively well predicted the downward propagation of negative NAM. In quantity, NUDGED forecasts exhibit a higher mean squared skill score of 500 hPa geopotential height than FREE forecasts in late February and early March. The surface air temperature and precipitation are also better predicted. Cold and dry anomalies over the Eurasia are particularly well predicted in NUDGED compared to FREE forecasts. These results suggest that a successful prediction of SSW could improve the surface prediction skills on subseasonal-to-seasonal time scale.
This paper focused on forecasting a short-term production of oysters, which have been farmed in Korea, with distinct periodicity of production by year, and different production level by month. To forecast a short-term oyster production, this paper uses monthly data (260 observations) from January 1990 to August 2011, and also adopts several econometrics methods, such as Multiple Regression Analysis Model (MRAM), Seasonal Autoregressive Integrated Moving Average (SARIMA) Model, and Vector Error Correction Model (VECM). As a result, first, the amount of short-term oyster production forecasted by the multiple regression analysis model was 1,337 ton with prediction error of 246 ton. Secondly, the amount of oyster production of the SARIMA I and II models was forecasted as 12,423 ton and 12,442 ton with prediction error of 11,404 ton and 11,423 ton, respectively. Thirdly, the amount of oyster production based on the VECM was estimated as 10,425 ton with prediction errors of 9,406 ton. In conclusion, based on Theil inequality coefficient criterion, short-term prediction of oyster by the VECM exhibited a better fit than ones by the SARIMA I and II models and Multiple Regression Analysis Model.
This study investigates a 12 month-lead predictability of PNU Coupled General Circulation Model (CGCM) V1.1 hindcast, for which an oceanic data assimilated initialization is used to generate ocean initial condition. The CGCM, a participant model of APEC Climate Center (APCC) long-lead multi-model ensemble system, has been initialized at each and every month and performed 12-month-lead hindcast for each month during 1980 to 2011. The 12-month-lead hindcast consisted of 2-5 ensembles and this study verified the ensemble averaged hindcast. As for the sea-surface temperature concerns, it remained high level of confidence especially over the tropical Pacific and the mid-latitude central Pacific with slight declining of temporal correlation coefficients (TCC) as lead month increased. The CGCM revealed trustworthy ENSO prediction skills in most of hindcasts, in particular. For atmospheric variables, like air temperature, precipitation, and geopotential height at 500hPa, reliable prediction results have been shown during entire lead time in most of domain, particularly over the equatorial region. Though the TCCs of hindcasted precipitation are lower than other variables, a skillful precipitation forecasts is also shown over highly variable regions such as ITCZ. This study also revealed that there are seasonal and regional dependencies on predictability for each variable and lead.
Kim, Hera;Son, Seok-Woo;Song, Kanghyun;Kim, Sang-Wook;Kang, Hyun-Suk;Hyun, Yu-Kyung
Journal of the Korean earth science society
/
v.39
no.3
/
pp.211-227
/
2018
This study evaluates the prediction skills of stratospheric polar vortex intensification events (VIEs) in Global Seasonal Forecasting System (GloSea5) model, an operational subseasonal-to-seasonal (S2S) prediction model of Korea Meteorological Administration (KMA). The results show that the prediction limits of VIEs, diagnosed with anomaly correlation coefficient (ACC) and mean squared skill score (MSSS), are 13.6 days and 18.5 days, respectively. These prediction limits are mainly determined by the eddy error, especially the large-scale eddy phase error from the eddies with the zonal wavenumber 1. This might imply that better prediction skills for VIEs can be obtained by improving the model performance in simulating the phase of planetary scale eddy. The stratospheric prediction skills, on the other hand, tend to not affect the tropospheric prediction skills in the analyzed cases. This result may indicate that stratosphere-troposphere dynamic coupling associated with VIEs might not be well predicted by GloSea5 model. However, it is possible that the coupling process, even if well predicted by the model, cannot be recognized by monotonic analyses, because intrinsic modes in the troposphere often have larger variability compared to the stratospheric impact.
Seasonal predictability and variability of tropical storms (TCs) simulated in the Global Seasonal Forecast System version 5 (GloSea5) of the Korea Meteorological Administration (KMA) is assessed in Northern Hemisphere in 1996~2009. In the KMA, the GloSea5-Global Atmosphere version 3.0 (GloSea5-GA3) that was previously operated was switched to the GloSea5-Global Coupled version 2.0 (GloSea5-GC2) with data assimilation system since May 2016. In this study, frequency, track, duration, and strength of the TCs in the North Indian Ocean, Western Pacific, Eastern Pacific, and North Atlantic regions derived from the GloSea5-GC2 and GloSea5-GA3 are examined against the best track data during the research period. In general, the GloSea5 shows a good skill for the prediction of seasonally averaged number of the TCs in the Eastern and Western Pacific regions, but underestimation of those in the North Atlantic region. Both the GloSea5-GA3 and GC2 are not able to predict the recurvature of the TCs in the North Western Pacific Ocean (NWPO), which implies that there is no skill for the prediction of landfalls in the Korean peninsula. The GloSea5-GC2 has higher skills for predictability and variability of the TCs than the GloSea5-GA3, although continuous improvements in the operational system for seasonal forecast are still necessary to simulate TCs more realistically in the future.
The Primary Production of phytoplanktons produces organic matter in high concentration in eutrophicated Hakata Bay, Japan, even during the winter season in spite of low water temperature. Phytoplanktons are considered to have any biological capabilities to keep activities of photosynthesis under the unfavorable conditions, and this affects water quality of the bay. In this study, seasonal variations in primary production efficiency were predicted by using a simple box-type ecosystem model, which introduced the concept of efficiency for absorption of solar radiation energy in relation to growth of phytoplanktons under the low solar radiation intensity. According to the simulation result of primary production, it was organic pollution comes from dissolved organic carbon (DOC) throughout the year, DOC of which is originated from the primary production of phytoplanktons on biological response of the seasonal variation of ambient conditions.
Long-term forecasting of seasonal time series is critical in many applications such as planning business strategies and resolving possible problems of a business company. Unlike the traditional approach that depends solely on dynamic models, Li and Hinich (2002) introduced a combination of stochastic dynamic modeling with filter bank approach for forecasting seasonal patterns using highly coherent(High-C) waveforms. We modify the filter selection and forecasting procedure on wavelet domain to be more feasible and compare the resulting predictor with one that obtained from the wavelet variance estimation method. An improvement over other seasonal pattern extraction and forecasting methods based on such as wavelet scalogram, Holt-Winters, and seasonal autoregressive integrated moving average(SARIMA) is shown in terms of the prediction error. The performance of the proposed method is illustrated by a simulation study and an application to the real stock price data.
The Journal of Korean Institute of Communications and Information Sciences
/
v.25
no.8A
/
pp.1153-1159
/
2000
This paper applies a seasonal ARIMA model to the timely forecasting in a line utilization and its confidence interval on the base of the past data of the lido utilization that QoS of the network is greatly influenced by and proposes the prediction algorithm of threshold violation in line utilization using the seasonal ARIMA model. We can predict the time of threshold violation in line utilization and provide the confidence based on probability. Also, we have evaluated the validity of the proposed model and estimated the value of a proper threshold and a detection probability, it thus appears that we have maximized the performance of this algorithm.
Journal of the Korean Society of Hazard Mitigation
/
v.1
no.2
s.2
/
pp.93-101
/
2001
The objective of this study is to derive a shrinkage correction formula that considers temperature effect and to develop a methodology for the improved prediction of the long-term behavior of the FCM bridges by considering seasonal temperature variations in-situ. Thereby, current formulation were performed by using the actual experimental shrinkage data including seasonal temperature variation. The investigation of the long-term behavior of the FCM bridge was performed on the construction site in order to decide applicability of the shrinkage formula Numerical results by the general method indicates inaccurate values of total strain when considering real strain, whereas the applied method demonstrates a good agreement in the resultant strain. In consequently, the applied method will improve the prediction of the long-term deformation of the FCM Bridges.
Artificial neural network (ANN) is a powerful model to predict time series data and have been frequently adopted to predict groundwater level (GWL). Many researchers have also tried to improve the performance of ANN prediction for GWL in many ways. Dummies are usually used in ANN as input to reflect the seasonal effect on predicted results, which is necessary for improving the predicting performance of ANN. In this study, the effect of Dummy on the prediction performance was analyzed qualitatively and quantitatively using several graphical methods, correlation coefficient and performance index. It was observed that results predicted using dummies for ANN model indicated worse performance than those without dummies.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.