This study examined the impact of assimilating the bending angle (BA) obtained via the global navigation satellite system radio occultation (GNSS RO) of the three new satellites (KOMPSAT-5, FY-3C, and FY-3D) on analyses and forecasts of a numerical weather prediction model. Numerical data assimilation experiments were performed using a three-dimensional variational data assimilation system in the Korean Integrated Model (KIM) at a 25-km horizontal resolution for August 2019. Three experiments were designed to select the height and quality control thresholds using the data. A comparison of the data with an analysis of the European Centre for Medium-Range Weather Forecasts (ECMWF) integrated forecast system showed a clear positive impact of BA assimilation in the Southern Hemisphere tropospheric temperature and stratospheric wind compared with that without the assimilation of the three new satellites. The impact of new data in the upper atmosphere was compared with observations using the infrared atmospheric sounding interferometer (IASI). Overall, high volume GNSS RO data helps reduce the RMSE quantitatively in analytical and predictive fields. The analysis and forecasting performance of the upper temperature and wind were improved in the Southern and Northern Hemispheres.
Aircraft observations constitute one of the major sources of temperature observations which provide three-dimensional information. But it is well known that the aircraft temperature data have warm bias against sonde observation data, and therefore, the correction of aircraft temperature bias is important to improve the model performance. In this study, the algorithm of the bias correction modified from operational KMA (Korea Meteorological Administration) global model is adopted in the preprocessing of aircraft observations, and the effect of the bias correction of aircraft temperature is investigated by conducting the two experiments. The assimilation with the bias correction showed better consistency in the analysis-forecast cycle in terms of the differences between observations (radiosonde and GPSRO (Global Positioning System Radio Occultation)) and 6h forecast. This resulted in an improved forecasting skill level of the mid-level temperature and geopotential height in terms of the root-mean-square error. It was noted that the benefits of the correction of aircraft temperature bias was the upper-level temperature in the midlatitudes, and this affected various parameters (winds, geopotential height) via the model dynamics.
Climate change has resulted in increased frequency and intensity of heat waves, which poses a significant threat to the health and safety of construction workers, particularly those engaged in labor-intensive and heat-stress vulnerable working environments. To address this challenge, this study aimed to propose an interpretable machine learning approach for forecasting personal heat strain by considering the cumulative effect of heat exposure as a situational variable, which has not been taken into account in the existing approach. As a result, the proposed model, which incorporated the cumulative working time along with environmental and personal variables, was found to have superior forecast performance and explanatory power. Specifically, the proposed Multi-Layer Perceptron (MLP) model achieved a Mean Absolute Error (MAE) of 0.034 (℃) and an R-squared of 99.3% (0.933). Feature importance analysis revealed that the cumulative working time, as a situational variable, had the most significant impact on personal heat strain. These findings highlight the importance of systematic management of personal heat strain at construction sites by comprehensively considering the cumulative working time as a situational variable as well as environmental and personal variables. This study provided a valuable contribution to the construction industry by offering a reliable and accurate heat strain forecasting model, enhancing the health and safety of construction workers.
Wind power energy is one of the favorable and fast growing renewable energies. It is most important for exact analysis of wind to evaluate and forecast the wind power energy. The purpose of this study is to improve the performance of numerical atmospheric model by data assimilation over a complex coastal area. The benefit of the profiler is its high temporal resolution and dense observation data at the lower troposphere. Three wind profiler sites used in this study are inhomogeneously situated near south-western coastal area of Korean Peninsula. The method of the data assimilation for using the profiler to the model simulation is the three-dimensional variational data assimilation (3DVAR). The experiment of two cases, with/without assimilation, were conducted for how to effect on model results with wind profiler data. It was found that the assimilated case shows the more reasonable results than the other case compared with vertical observation and surface Automatic Weather Station(AWS) data. Although the effect of sonde data was better than profiler at a higher altitude, the profiler data improves the model performance at lower atmosphere. Comparison with the results of 4 June and 5 June suggests that the efficiency with hourly assimilated profiler data is strongly influenced by synoptic conditions. The reduction rate of Normalized Mean Error(NME), mean bias normalized by averaged wind speed of observation, on 4 June was 28% which was larger than 13% of 5 June. In order to examine the difference in wind power energy, the wind power density(WPD) was calculated and compared.
해운경기와 밀접한 관계를 갖는 세계 경기가 유럽재정위기와 같은 일련의 사건으로 침체국면에서 벗어나지 못하고 있어 장기적인 해운시황에 대한 우려가 커지고 있으며, BDI 건화물선 종합운임지수가 1000포인트에도 도달하지 못해 해운기업의 어려움을 가중시키고 있다. 본고는 해운경기의 불황탈피가 2013년에 가능한가를 파악하기 위해 BDI를 예측하는데 목적을 둔다. 해상운임에 영향을 미치는 변수들로 구성된 다변량모형 대신 BDI로만 구성된 단일변량모형인 자기회귀-이동평균모형과 장기순환과정을 보여주는 Hodrick-Prescott 필터 기법을 이용하여 2013년의 BDI를 예측한다. 3개의 ARIMA모형과 2개의 개입-ARIMA 모형을 이용하여 2013년에도 지속적으로 BDI가 하락하는 760과 670사이에서 움직인다는 것을 보인다. HP기법을 통한 예측은 750에서 556사이의 변동을 예상하여 ARIMA모형보다 해운경기를 더 비관적이라는 것도 밝힌다. 또한 5개의 ARIMA모형의 예측오류가 RW모형보다 낮을 뿐만 아니라 그 크기가 대단히 작아 예측치가 크게 빗나갈 가능성이 낮다는 것도 보인다.
Intermittent demand is a demand with a pattern in which zero demands occur frequently and non-zero demands occur sporadically. This type of demand mainly appears in spare parts with very low demand. Croston's method, which is an initiative intermittent demand forecasting method, estimates the average demand by separately estimating the size of non-zero demands and the interval between non-zero demands. Such smoothing type of forecasting methods can be suitable for mid-term or long-term demand forecasting because those provides the same demand forecasts during the forecasting horizon. However, the smoothing type of forecasting methods aims at short-term forecasting, so the estimated average forecast is a factor to decrease accuracy. In this paper, we propose a forecasting method to improve short-term accuracy by improving Croston's method for intermittent demand forecasting. The proposed forecasting method estimates both the non-zero demand size and the zero demands' interval separately, as in Croston's method, but the forecast at a future period adjusted by binomial weight according to occurrence probability. This serves to improve the accuracy of short-term forecasts. In this paper, we first prove the unbiasedness of the proposed method as an important attribute in forecasting. The performance of the proposed method is compared with those of five existing forecasting methods via eight evaluation criteria. The simulation results show that the proposed forecasting method is superior to other methods in terms of all evaluation criteria in short-term forecasting regardless of average size and dispersion parameter of demands. However, the larger the average demand size and dispersion are, that is, the closer to continuous demand, the less the performance gap with other forecasting methods.
본 연구의 목적은 현재 국내 홍수예경보 시스템의 유출량 계산모형으로 이용되고 있는 단일 홍수사상을 모의할 수 있는 유역저류함수모형을 추계통력학적 상태.공간형태의 모형으로 개선.발전시키고 실시간 홍수예보에 대한 모형의 적용성을 검토하는데 있다. 모형의 적용대상 유역은 개진을 유역출구로 하는 낙동강 회천유역(747.5$\textrm{km}^2$)이며, 매개변수의 적절성 및 모형의 적용성을 평가하기 위해서 1983년부터 1986년 사이에 발생한 8개의 단일 홍수사상을 선정하였다. 본 연구에 사용된 모형의 매개변수는 실무에서 사용하고 있는 값을 사용하였다. 그 결과 기존 모형의 적용성은 선택된 사상에 따라 많은 차이를 나타내는데 비해 본 연구에서 개발한 모형에 의한 결과는 모형의 효율성 계수가 0.90이상으로 정확한 값을 제시하였다. 따라서 홍수시 모형과 관측시스템의 오차를 고려할 수 있는 본 연구의 모형은 회천유역의 실시간 홍수예보 모형으로서 유용한 것으로 판단된다.
We investigated the impact of domain size on the simulated summer precipitation over the Korean Peninsula using the Weather Research and Forecasting (WRF) model. Two different domains are integrated up to 72-hours from 29 June 2017 to 28 July 2017 when the Changma front is active. The domain sizes are adopted from previous RDAPS (Regional Data Assimilation and Prediction System) and current LDAPS (Local Data Assimilation and Prediction System) operated by the Korea Meteorological Administration, while other model configurations are fixed identically. We found that the larger domain size showed better prediction skills, especially in precipitation forecast performance. This performance improvement is particularly noticeable over the central region of the Korean Peninsula. Comparisons of physical aspects of each variable revealed that the inflow of moisture flux from the East China Sea was well reproduced in the experiment with a large model domain due to a more realistic North Pacific high compared to the small domain experiment. These results suggest that the North Pacific anticyclone could be an important factor for the precipitation forecast during the summer-time over the Korean Peninsula.
최근 전력수요를 예측하기 위해 통계기반 시계열 분석 기법을 대체하기 위해 딥러닝 기법을 활용한 연구가 활발히 진행되고 있다. 딥러닝 기반 전력수요 예측 연구 결과를 분석한 결과, LSTM 기반 예측 모델의 성능이 우수한 것으로 규명되었으나 장기간의 지역 범위 전력수요 예측에 대해 LSTM 기반 모델의 성능이 충분하지 않음을 확인할 수 있다. 본 연구에서는 기온 데이터를 반영하여 24시간 이전에 전력수요를 예측하는 WaveNet 기반 딥러닝 모델을 개발하여, 실제 사용하고 있는 통계적 시계열 예측 기법의 정확도(MAPE 값 2%)보다 우수한 예측 성능을 달성하는 모델을 개발하고자 한다. 먼저 WaveNet의 핵심 구조인 팽창인과 1차원 합성곱 신경망 구조를 소개하고, 전력수요와 기온 데이터를 입력값으로 모델에 주입하기 위한 데이터 전처리 과정을 제시한다. 다음으로, 개선된 WaveNet 모델을 학습하고 검증하는 방법을 제시한다. 성능 비교 결과, WaveNet 기반 모델에 기온 데이터를 반영한 방법은 전체 검증데이터에 대해 MAPE 값 1.33%를 달성하였고, 동일한 구조의 모델에서 기온 데이터를 반영하지 않는 것(MAPE 값 2.31%)보다 우수한 전력수요 예측 결과를 나타내고 있음을 확인할 수 있다.
We developed the Aviation Convective Index (ACI) for predicting deep convective area using the operational global Numerical Weather Prediction model of the Korea Meteorological Administration. Seasonally optimized ACI (ACISnOpt) was developed to consider seasonal variabilities on deep convections in Korea. Yearly optimized ACI (ACIYrOpt) in Part 1 showed that seasonally averaged values of Area Under the ROC Curve (AUC) and True Skill Statistics (TSS) were decreased by 0.420% and 5.797%, respectively, due to the significant degradation in winter season. In Part 2, we developed new membership function (MF) and weight combination of input variables in the ACI algorithm, which were optimized in each season. Finally, the seasonally optimized ACI (ACISnOpt) showed better performance skills with the significant improvements in AUC and TSS by 0.983% and 25.641% respectively, compared with those from the ACIYrOpt. To confirm the improvements in new algorithm, we also conducted two case studies in winter and spring with observed Convectively-Induced Turbulence (CIT) events from the aircraft data. In these cases, the ACISnOpt predicted a better spatial distribution and intensity of deep convection. Enhancements in the forecast fields from the ACIYrOpt to ACISnOpt in the selected cases explained well the changes in overall performance skills of the probability of detection for both "yes" and "no" occurrences of deep convection during 1-yr period of the data. These results imply that the ACI forecast should be optimized seasonally to take into account the variabilities in the background conditions for deep convections in Korea.
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.