The prediction of wind field is very important fact in the radioactive and chemical warfare. In spite of advanced numerical weather prediction modelling and computing technology, the high resolution prediction of wind field is limited by the very high integration costs. In this study we coupled the mesoscale numerical model and microscale diagnostic numerical model with minimized integration costs. This coupled model has not only the ability of prediction of high resolution wind field including complex building but also microscale pollutant diffusion fields. For military operation this system can help making a practical and cost-effective decision in a battle field.
Numerical weather prediction (NWP) models play an essential role in predicting weather factors, but using them is challenging due to various factors. To overcome the difficulties of NWP models, deep learning models have been deployed in weather forecasting by several recent studies. This study adapts long short-term memory (LSTM), which demonstrates remarkable performance in time-series prediction. The combination of LSTM model input of meteorological features and activation functions have a significant impact on the performance therefore, the results from 5 combinations of input features and 4 activation functions are analyzed in 9 Automated Surface Observing System (ASOS) stations corresponding to cities/islands/mountains. The optimized LSTM model produces better performance within eight forecast hours than Local Data Assimilation and Prediction System (LDAPS) operated by Korean meteorological administration. Therefore, this study illustrates that this LSTM model can be usefully applied to very short-term weather forecasting, and further studies about CNN-LSTM model with 2-D spatial convolution neural network (CNN) coupled in LSTM are required for improvement.
Daily ahead forecast is necessary for the electricity balance between load and supply due to the variability renewable energy. Numerical weather prediction is usually employed to produce the solar irradiance as well as electric power forecast for more than 12 hours forecast horizon. UM-LDAPS model is the numerical weather prediction operated by Korea Meteorological Administration and it generates the 36 hours forecast of hourly total irradiance 4 times a day. This study attempts to evaluate the model performance against the in situ measurements at 37 ground stations from January to May, 2013. Relative mean bias error, mean absolute error and root mean square error of hourly total irradiance are averaged over all ground stations as being 8.2%, 21.2% and 29.6%, respectively. The behavior of mean bias error appears to be different; positively largest in Chupoongnyeong station but negatively largest in Daegu station. The distinct contrast might be attributed to the limitation of microphysics parameterization for thick and thin clouds in the model.
The objective of this study is to describe the short-range forecast system of the Korea Air Force (KAF) and to verificate its performace in 2009 summer. The KAF weather prediction model system, based on the Weather Research and Forecasting (WRF) model (i.e., the KAF-WRF), is configured with a parent domain overs East Asia and two nested domains with the finest horizontal grid size of 2 km. Each domain covers the Korean peninsula and South Korea, respectively. The model is integrated for 84 hour 4 times a day with the initial and boundary conditions from National Centers for Environmental Prediction (NCEP) Global Forecast System (GFS) data. A quantitative verification system is constructed for the East Asia and Korean peninsula domains. Verification variables for the East Asia domain are 500 hPa temperature, wind and geopotential height fields, and the skill score is calculated using the difference between the analysis data from the NCEP GFS model and the forecast data of the KAF-WRF model results. Accuracy of precipitation for the Korean penisula domain is examined using the contingency table that is made of the KAF-WRF model results and the KMA (Korea Meteorological Administraion) AWS (Automatic Weather Station) data. Using the verification system, the operational model and parallel model with updated version of the WRF model and improved physics process are quantitatively evaluated for the 2009 summer. Over the East Aisa region, the parallel experimental model shows the better performance than the operation model. Errors of the experimental model in 500 hPa geopotential height near the Tibetan plateau are smaller than errors in the operational model. Over the Korean peninsula, verification of precipitation prediction skills shows that the performance of the operational model is better than that of the experimental one in simulating light precipitation. However, performance of experimental one is generally better than that of operational one, in prediction.
The conventional observations of the Korea Meteorological Administration (KMA) and National Centers for Environmental Prediction (NCEP) are compared in the numerical weather forecast system at the Korea Institute of Atmospheric Prediction Systems (KIAPS). The weather forecasting system used in this study is consists of Korea Integrated Model (KIM) as a global numerical weather prediction model, three-dimensional variational method as a data assimilation system, and KIAPS Package for Observation Processing (KPOP) as an observation pre-processing system. As a result, the forecast performance of NCEP observation was better while the number of observation is similar to the KMA observation. In addition, the sensitivity of forecast performance was investigated for each SONDE, SURFACE and AIRCRAFT observations. The differences in AIRCRAFT observation were not sensitive to forecast, but the use of NCEP SONDE and SURFACE observations have shown better forecast performance. It is found that the NCEP observations have more wind observations of the SONDE in the upper atmosphere and more surface pressure observations of the SURFACE in the ocean. The results suggest that evenly distributed observations can lead to improved forecast performance.
최근 스마트 그리드와 관련된 프로젝트가 선진국을 중심으로 활발하게 연구되고 있다. 특히, 전력 문제의 장기적 안정 대책으로 분산전원이 주목받고 있다. 본 논문에서는 분산형 전원의 출력 예측을 위해서 물리모델과 통계모델을 조합하여 예측 정보 오차율을 비교분석할 수 있는 3차원 기상 수치 모델을 제안한다. 제안 모델은 분산형 전원의 예측정보를 향상시킬 수 있어 안정적인 전력계통 연계를 위한 예측시스템을 가능하다. 성능평가 결과, 제안모델은 발전량 예측 정확도가 4.6% 개선되었고, 온도보정 예측 정확도는 3.5% 향상되었다. 마지막으로 일사량 보정 정확도는 1.1% 향상되었다.
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.
The wind power prediction system is composed of a meteorological forecasting module, calculation module of wind power output and HMI(Human Machine Interface) visualization system. The final information from this system is a short-term (6hr ahead) and mid-term (48hr ahead) wind power prediction value. The meteorological forecasting module for wind speed and direction forecasting is a combination of physical and statistical model. In this system, the WRF(Weather Research and Forecasting) model, which is a three-dimensional numerical weather model, is used as the physical model and the GFS(Global Forecasting System) models is used for initial condition forecasting. The 100m resolution terrain data is used to improve the accuracy of this system. In addition, optimization of the physical model carried out using historic weather data in Jeju. The mid-term prediction value from the physical model is used in the statistical method for a short-term prediction. The final power prediction is calculated using an optimal adjustment between the currently observed data and data predicted from the power curve model. The final wind power prediction value is provided to customs using a HMI visualization system. The aim of this study is to further improve the accuracy of this prediction system and develop a practical system for power system operation and the energy market in the Smart-Grid.
International Journal of Advanced Culture Technology
/
제7권4호
/
pp.327-333
/
2019
Wind speed data constitute important weather information for aircrafts flying at low altitudes, such as drones. Currently, the accuracy of low altitude wind predictions is much lower than that of high-altitude wind predictions. Deep neural networks are proposed in this study as a method to improve wind speed forecast information. Deep neural networks mimic the learning process of the interactions among neurons in the brain, and it is used in various fields, such as recognition of image, sound, and texts, image and natural language processing, and pattern recognition in time-series. In this study, the deep neural network model is constructed using the wind prediction values generated by the numerical model as an input to improve the wind speed forecasts. Using the ground wind speed forecast data collected at the Boseong Meteorological Observation Tower, wind speed forecast values obtained by the numerical model are compared with those obtained by the model proposed in this study for the verification of the validity and compatibility of the proposed model.
Numerical Weather Prediction (NWP) models such as the Weather Research and Forecasting (WRF) model are essential for forecasting one-day-ahead solar irradiance. In order to evaluate the performance of the WRF in forecasting solar irradiance over the Korean Peninsula, we compared WRF prediction data from 2008 to 2010 corresponding to weather observation data (OBS) from the Korean Meteorological Administration (KMA). The WRF model showed poor performance at polluted regions such as Seoul and Suwon where the relative Root Mean Square Error (rRMSE) is over 30%. Predictions by the WRF model alone had a large amount of potential error because of the lack of actual aerosol radiative feedbacks. For the purpose of reducing this error induced by atmospheric particles, i.e., aerosols, the WRF model was coupled with the Community Multiscale Air Quality (CMAQ) model. The coupled system makes it possible to estimate the radiative feedbacks of aerosols on the solar irradiance. As a result, the solar irradiance estimated by the coupled system showed a strong dependence on both the aerosol spatial distributions and the associated optical properties. In the NF (No Feedback) case, which refers to the WRF-only stimulated system without aerosol feedbacks, the GHI was overestimated by $50-200W\;m^{-2}$ compared with OBS derived values at each site. In the YF (Yes Feedback) case, in contrast, which refers to the WRF-CMAQ two-way coupled system, the rRMSE was significantly improved by 3.1-3.7% at Suwon and Seoul where the Particulate Matter (PM) concentrations, specifically, those related to the $PM_{10}$ size fraction, were over $100{\mu}g\;m^{-3}$. Thus, the coupled system showed promise for acquiring more accurate solar irradiance forecasts.
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.