장기간의 극치 및 평상시 파고는 연안 및 항만구조물의 계획 및 설계에서 매우 중요한 환경인자이다. 그러나, 한국 연안 심해파의 관측 자료가 한정되어 있기 때문에, 심해설계파의 정보는 기상정보로부터 사후추정 한 장기간의 파랑자료를 이용하고 있다. 본 연구에서는 한국해양연구원(2003)에서 제시한 1979년부터 1998년까지의 한국연안 67개 지점의 16방향별 최대 유의파 산출자료를 이용하여 극치분포 분석을 수행하였다. 특성분석에 사용된 극치분포함수는 FT-I과 Weibull 분포이며, 각 분포함수의 매개변수는 Goda(2004)의 방법을 이용하여 추정하였다. 또한 Goda and Gobune(1990)가 제안한 MIR 값을 산정하여 가장 적합한 확률분포형을 결정하였다. 분석결과 FT-I 분포가 886개 지점, Weibull(k=0.75) 분포가 81개 지점 및 Weibull(k=1.00) 분포가 105개 지점의 확률분포형으로 적합한 것으로 판단된다.
장기간의 극치 및 평상시 파고는 연안 및 항만구조물의 계획 및 설계에서 매우 중요한 환경인자이다. 그러나, 한국 연안 심해파의 관측 자료가 한정되어 있기 때문에, 심해설계파의 정보는 기상정보로부터 사후추정 한 장기간의 파랑자료를 이용하고 있다. 본 연구에서는 한국해양연구원(2003)에서 제시한 1979년부터 1998년까지의 한국연안 67개 지점의 16방향별 최대 유의파 산출자료를 이용하여 극치분포 분석을 수행하였다. 특성분석에 사용된 극치분포함수는 FT-I과 Weibull 분포이며, 각 분포함수의 매개변수는 Goda(2004)의 방법을 이용하여 추정하였다. 또한 Goda and Gobune(1990)가 제안한 MIR 값을 산정하여 가장 적합한 확률분포형을 결정하였다. 분석결과 FT-I 분포가 886개 지점, Weibull(k=0.75) 분포가 81개 지점 및 Weibull(k=1.00) 분포가 105개 지점의 확률분포형으로 적합한 것으로 판단된다.
Long term wave climate of both extreme and operational wave height is essential for planning and designing coastal structures. Since the availability of the field wave data for the waters around Korean peninsula is limited to provide a reliable wave statistics, the wave climate information has been ...
Long term wave climate of both extreme and operational wave height is essential for planning and designing coastal structures. Since the availability of the field wave data for the waters around Korean peninsula is limited to provide a reliable wave statistics, the wave climate information has been generated by means of long-term wave hindcasting using available meteorological data. In this paper, a set of deep water wave data obtained from KORDI(2003) were analyzed for extreme wave heights. These wave data at 67 stations off the Korean coast from 1979 to 1998 were arranged in the 16 directions. The probability distributions considered in this research were the FT-I and Weibull distribution. For each of these distributions, the method proposed by Goda(2004) was applied to estimate the parameters. For judgment of best fitting, MIR criterion proposed by Goda and Gobune(1990) was used. FT-I distribution which best fits to the 886 data, while Weibull(k=0.75) 81 data, Weibull(k=1.00) 105 data.
Long term wave climate of both extreme and operational wave height is essential for planning and designing coastal structures. Since the availability of the field wave data for the waters around Korean peninsula is limited to provide a reliable wave statistics, the wave climate information has been generated by means of long-term wave hindcasting using available meteorological data. In this paper, a set of deep water wave data obtained from KORDI(2003) were analyzed for extreme wave heights. These wave data at 67 stations off the Korean coast from 1979 to 1998 were arranged in the 16 directions. The probability distributions considered in this research were the FT-I and Weibull distribution. For each of these distributions, the method proposed by Goda(2004) was applied to estimate the parameters. For judgment of best fitting, MIR criterion proposed by Goda and Gobune(1990) was used. FT-I distribution which best fits to the 886 data, while Weibull(k=0.75) 81 data, Weibull(k=1.00) 105 data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
입력변수의 불확실성 존재는 가치가 없는 것이지만 통계적 방법으로 최적의 매개변수를 도출하는 것은 불확실성 제거 측면에서 의미가 있다. 본 연구에서는 연안구조물의 설계에 있어서 첫 번째 과제인 설계파 산정을 위해 파고를 극치분석하여 최적의 설 계파와 매개변수 추정에 목적이 있다
본 연구에 사용한 파랑 자료는 HYPA 모델로 추산된 1979년부터 1998년까지 20년간의 연도별 최대 자료이다. 이 자료는 태풍시에 크게 저평가되는 경향기 있지만(한국해양연구원, 2005), 본 연구의 목적은 심해파의 극치분석의 방법론에 역점을 두어 가능한 불확실성 제거하는데 있으며, 현재까지 확보된 자료 중에서 한국연안의 심해파의 극치분포 특성을 파악하기에는 가장 적합하다고 판단된다. 현재 제3세대 모델인 WAM 4와 Wave Watch U1 등이 개발되어 사용할 수 있게 되었으며 한국해양연구원에서는『해상파랑 관측 및 조사』사업을 진행 중에 있으며, 2005년에는 개정된 심해 설계파를 발표하였지만 기초자료는 공개되지 않고 있다.
제안 방법
한편 정 등(2004)은 Gumbel, Lognormal, Log-Pearson Type-in 그리고 Weibull 분포형을 이용하여 한국 연안 심해파를 분석한 결과 Gumbel 분포와 Weibull 분포형의 결과가 KS 검정과 F검정에서 가장 적합하다는 결론을 얻은 바 있다. 본 연구에서는 Goda(2000)가 제안하여 일본에서 파랑의 극치 통계분석에 지배적으로 이용되고 있는 FT-I 분포와 4개의 Weibull 분포를 후보로 하여 매개 변수를 추정한 뒤 재현기간별 파고를 산정하였다. 극치분포의 적합성 검정 및 선정은 기존의 방법을 이용하지 않고 극치자료의 특성에 맞추어 Goda(2000)의 MIR(MInimum Ratio of residual correlation coefficient)을 기준으로 판단하였다.
대상 데이터
자료의 축적 및 확보이다. 본 연구에 사용한 파랑 자료는 HYPA 모델로 추산된 1979년부터 1998년까지 20년간의 연도별 최대 자료이다. 이 자료는 태풍시에 크게 저평가되는 경향기 있지만(한국해양연구원, 2005), 본 연구의 목적은 심해파의 극치분석의 방법론에 역점을 두어 가능한 불확실성 제거하는데 있으며, 현재까지 확보된 자료 중에서 한국연안의 심해파의 극치분포 특성을 파악하기에는 가장 적합하다고 판단된다.
한국연안 67개소의 16방향 총 1072개 지점의 20년간 심해 파 자료 MIRS] 누적분포를 Fig. 4에 도시하였다. MIR 값은 1에서 5까지 범위에 속해 있으며 특히 FT-I 분포형의 값이 가장 작은 값의 누적분포를 보이고 있다.
데이터처리
⑦ Monte carlo법의 추출한 표본 각 10, 000조에 대한 계산 결과인 상관계수의 잔차의 평균치 을 계산(Goda, 2000).
본 연구에서는 Goda(2000)가 제안하여 일본에서 파랑의 극치 통계분석에 지배적으로 이용되고 있는 FT-I 분포와 4개의 Weibull 분포를 후보로 하여 매개 변수를 추정한 뒤 재현기간별 파고를 산정하였다. 극치분포의 적합성 검정 및 선정은 기존의 방법을 이용하지 않고 극치자료의 특성에 맞추어 Goda(2000)의 MIR(MInimum Ratio of residual correlation coefficient)을 기준으로 판단하였다.일반적으로 통계분석에서는 적합성 검정은 단지 知과 *사이의 상관계수 r 이 1에 가까운 값을 택하는 경우가 많다.
이론/모형
따라서 충분한 기간의 자료의 확보가 절실히 요구된다. 본 연구에서는 모멘트 법에 의한 Goda(2004)의 방법에 의해 추정하였다.
한편, 해양수산부에서는 2001년부터 매년「해상파랑관측 및 조사』사업을 수행하여 파랑관측 및 산출과업을 시행하고 있으며(해양수산부, 2003). 이 자료는 항만구조물의 설계파를 구하기 위한 심해 설계파는 한국해양연구원(2005)이 제시한 결과를 참고할 수 있게 되었다.
% 검정이나 Kolmogorov-Smirov(KS) 검정 등을 사용하기도 하나, 확률변량이 적은 극치분석에서는 이러한 검정이 반드시 적절하지는 않다. 이와 같은 이유로 본 연구에서는 Goda(2000)가 제안한 MIR을 지표로 정했다.
성능/효과
2참조). 결과적으로 한국 연안 심해파의 경우 상관계수만으로 표본의 적합성을 판단할 수 없으며 표준화된 MIR 값이 판단기준으로 더 적절한 것으로 사료된다. 참고로 정 등(2004)의 분석 결과를 이번 연구와 비교하기 위하여 Table 4에 한국연안 심해 파의 확률분포 적합성 검정 검토결과를 정리하였으며, Table 3는 확률분포형별 약어 및 적합도 검정 방법별 약어이다.
이러한 결과는 한국연안 심해파의 극치분포형을 반드시 FT-I 분포형 이라는 것을 의미 하기 보다는 표본에 따라 적정 분포형을 선택하여야 한다는 것을 보여준다.
후속연구
항만구조물의 설계 파를 구하기 위한 설계 심해파를 한국해양연구원(2005)에서 개정하였으며, 1979년에서 2003년까지의 설계파를 산출하였다. 이러한 자료는 설계파랑의 통계분석에 가장 좋은 자료가 될 것이며 계속해서 연구가 진행되어야할 것으로 사료된다.
참고문헌 (19)
김정대(2003). 한국연안 심해파의 극치분포 특성, 석사학위논문, 원광대학교
일본토목학회(2000). 해안시설설계편람
정신택, 김정대, 조홍연(2004). 한국 연안 심해 설계파고의 극치분포 특성, 한국해안해양공학회지
한국해양연구원(2005). 전해역 심해설계파 추정 보고서 II
해양수산부(2000). 해상파랑관측 및 조사
해양수산부(2003). 해상파랑관측 및 조사
해양수산부(2005). 항만 및 어항 설계기준(상권)
Goda, Y., Konogaya, O., Takeshita, N., Hitomi, H., and Nagai, T., (2000). Population distribution of extreme wave heights estimated through regional analysis, Proc. Coastal Engrg., 1078-1091
Goda, Y., (2000). Random seas and design of maritime structures, World Scientific
Goda, Y. (2004). Spread Parameter of Extreme Height Distribution for Performance-Based Design of Maritime Structure. Journal of Waterway, Port, Coastal and Ocean Engineering, Vol. 130, No 1, 29-38
Goda, Y. and Kobune, K(1990). Distribution function fitting for storm wave data, Proc. 22nd Int. Conf. Coastal Engrg. 18-31
Gumbel, E. J., (1958). Statistics of Extremes, Columbia University Press, New York
Hogg, W. D. and Swail, V. R., (2002). Effects of Distribution and Fitting Techniques on Extreme Value Analysis of Modelled Wave Height, 7th International workshop on Wave Hindcasting and Forecasting Preprints, Banff, Alberta, Canada
Isaacson, M and MacKenzie, N.G., (1981). Long-term Distributions of Ocean Waves, J. Wtrway., Port, Coast., and Oc. Engrg., ASCE, 93-109
Muir, L.R., and El-Shaarawi, A.H., (1986). On the Calculation of Extreme Wave Heights: A Review, Ocean Eng., 13, 93-118
Ochi, M.K., (1982). Stochastic analysis and probabilistic prediction of random seas, Adv. Hydrosci., 13, 218-375
Rao, A.R. and Hamed, K.H., (2000). Flood Frequency Analysis, CRC Press LLC
Shimosako, K., and Takahashi, S., (1999). Application of reliability design method for coastal structures-expected sliding distance method of composite breakwaters. Proc., Coastal Structures, Balkema, Rotterdam, The Netherlands, 363-371
Vledder, G. van, Goda, Y., Hawkes, P., Mansard, E., Martin, M.H., Mathiesen, M., Peltier, E., and Thompson. E., (1993). Case studies of extreme wave analysis: a comparative analysis, Proc. 2nd Int. Symp. Ocean Wave Measurement and Analysis, ASCE, 978-992
※ AI-Helper는 부적절한 답변을 할 수 있습니다.