선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- RDAPS 모형의 예측 시계열의 예측시간 단위는 3시간으로 수공학분야에 바로 적용하기에는 문제가 있다. 본 연구에서는 이런 문제를 해결하고자 RDAPS 모형의 예측값을 일강수량으로 변환하는 연구를 진행하였으며, 다양한 변환방법들의 정확도를 비교하였다.
제안 방법
- Table 2는 본 연구에 사용된 기상청 산하의 관측소의 제원을 나타낸 것이며 14개의 기상청 관측지점을 금강유역에 대하여 티센망법을 이용하여 면적평균강수량을 계산하였다. RDAPS 결과값의 경우 격자를 유역에 투영하여 면적평균강수량을 산정하였다.
- RDAPS 예측값을 일단위로 변환하였다. 일단위 변환방법으로 총 9가지 방법을 적용하였다.
- 단기 예측 시계열 개선을 위해 2005～2007년까지 자료를 이용하여 자료의 특성에 따른 총 9개의 시계열 변환 방법을 적용해 보았다. 예측값과 관측값의 연 총강수량, 연총강수량의 절대상대오차, 월별 총강수량의 상대오차를 비교하였다.
- 우리나라의 기상청 (KMA, Korea Meteorological Administration)에서는 기상수치예보모델을 적용하여 수치예보를 하며, 전지구 모형으로 Global Data Assimilation and Prediction System (GDAPS)와 지역모형인 RDAPS를 사용하고 있다. 또한 정량적인 수치예보를 위해 해상도가 높은 RDAPS 모델의 결과값을 사용한다. RDAPS는 미국 PSU/NCAR (Pennsylvania State University/National Center for Atmosphere Research)에서 개발한 MM (Mesoscale Model)을 기반으로 1970년대 태풍 모델인 MM1 (Mesoscale Model version 1), 중규모 모델인 MM4 (Mesoscale Model version 4)와 MM5 (Mesoscale Model version 5)로 개발되었다.
- 일단위 변환방법으로 총 9가지 방법을 적용하였다. 실험유역을 금강유역으로 하였으며, 2005～2007년까지 RDAPS 예측값과 기상청 14지점의 관측값으로 사용하여 변환 방법에 따른 정확도를 비교하였다.
- 연총강수량의 정확도와 절대상대오차평균의 정확도가 차이나는 이유를 확인고자 월별 상대오차를 도시하였으며, box-plot을 통하여 월별 상대오차의 분포를 표시하였다. Fig.
- 단기 예측 시계열 개선을 위해 2005～2007년까지 자료를 이용하여 자료의 특성에 따른 총 9개의 시계열 변환 방법을 적용해 보았다. 예측값과 관측값의 연 총강수량, 연총강수량의 절대상대오차, 월별 총강수량의 상대오차를 비교하였다.
- 이 장에서는 2005년～2007년까지의 자료를 이용하여 각 소유역에서 계산된 면적평균강수량을 합하여 금강유역 전체에 대한 단기 시계열 예측에 대하여 비교하였다. Fig.
- 총량적으로는 case-7이 잘 맞으나 상대오차를 비교해본 결과 case-5가 더 잘 맞는 것으로 나타났다. 이런 차이의 원인을 확인하고자 월별 상대오차를 도시하여 분석하였다. 분석결과 case-7이 전체적으로 잘 예측하나, 예측값이 안 맞을 경우 관측값과의 차이가 너무나 커 이러한 결과를 나타내는 것으로 확인되었다.
- RDAPS 예측값을 일단위로 변환하였다. 일단위 변환방법으로 총 9가지 방법을 적용하였다. 실험유역을 금강유역으로 하였으며, 2005～2007년까지 RDAPS 예측값과 기상청 14지점의 관측값으로 사용하여 변환 방법에 따른 정확도를 비교하였다.
- 대상유역인 금강유역은 총 57개의 강우관측소가 있지만 비교적 정확한 관측값을 보유한 기상청 산하의 14개 지점의 관측 강우량을 사용하였다. 일반적으로 RDAPS 예측값의 정확도를 비교할 시 격자점과 거리가 가장 가까운 관측소의 관측값을 이용하나 본 연구에서는 한 유역을 설정하여 유역의 유출모형에 입력되는 자료의 형태인 면적평균강수량 (MAP)을 계산하여 단기 예측시계열의 정확도를 비교하였다. 금강 유역은 총 14개 소유역으로 이루어져 있으며 Fig.
- 일강우의 기록시작시간과 기록마감시간은 09시로 RDAPS 자료의 생성시간인 00UTC (09시)와 같다. 현재 사용되고 있는 일 강우자료의 통일성을 위해 RDAPS 자료로부터 생성되는 일 강우자료의 시간은 00UTC로 통일하였다. 시계열 개선을 위한 변환 case로는 총 9개의 case를 적용하였다.
대상 데이터
- 대상유역인 금강유역은 총 57개의 강우관측소가 있지만 비교적 정확한 관측값을 보유한 기상청 산하의 14개 지점의 관측 강우량을 사용하였다. 일반적으로 RDAPS 예측값의 정확도를 비교할 시 격자점과 거리가 가장 가까운 관측소의 관측값을 이용하나 본 연구에서는 한 유역을 설정하여 유역의 유출모형에 입력되는 자료의 형태인 면적평균강수량 (MAP)을 계산하여 단기 예측시계열의 정확도를 비교하였다.
- 현재 사용되고 있는 일 강우자료의 통일성을 위해 RDAPS 자료로부터 생성되는 일 강우자료의 시간은 00UTC로 통일하였다. 시계열 개선을 위한 변환 case로는 총 9개의 case를 적용하였다.
데이터처리
- 비교방법으로는 예측연강수량의 총량과 예측월강수량의 절대상대오차평균을 적용하였다. 예측연강수량의 총량으로 비교해본 결과 case-7이 관측강수량과 근사한 값을 예측하는 것으로 나타났다.
이론/모형
- 10은 금강유역의 소유역 현황을 나타낸 그림으로 RDAPS 결과값 격자를 금강유역에 투영한 그림이다. Table 2는 본 연구에 사용된 기상청 산하의 관측소의 제원을 나타낸 것이며 14개의 기상청 관측지점을 금강유역에 대하여 티센망법을 이용하여 면적평균강수량을 계산하였다. RDAPS 결과값의 경우 격자를 유역에 투영하여 면적평균강수량을 산정하였다.
성능/효과
- 이런 특징을 좀 더 자세히 확인하고자 월별 상대오차를 box-plot으로 도시해본 결과 case-7이 방법들과 비교하여 상대오차의 분포가 넓어서 절대상대오차평균이 큰 값을 보이는 것으로 확인되었다. Case-7이 다른 방법들과 비교하여 상대오차가 0에 가까이 분포하는 것을 확인하였으며, 이 결과를 통하여 금강유역에서는 case-7이 정확한 것을 확인할 수 있었다. 또한 연구 결과 RDAPS 예측값은 전체적으로 과소추정되는 경향이 있는 것으로 확인되었고, 실제 수공시설물 운영 등과 같은 분야 에 사용되기 위해서는 과소추정되는 값을 보정하는 연구가 차후에 진행되어야 할 것으로 판단된다.
- 예측연강수량의 총량으로 비교해본 결과 case-7이 관측강수량과 근사한 값을 예측하는 것으로 나타났다. 또한 모형의 입력자료와 예측값간의 시간간격이 일정간격 이상일 때 예측정확도가 더 높은 것으로 확인되었다. 예측월강수량의 절대상대오차평균을 기준으로 비교해본 결과 case-5가 case-7과 비교하여 보다 높은 정확도를 보이는 것으로 나타났다.
- 11을 보면 case-7 (C7)～9 (C9)가 case-1 (C1)～2 (C2)보다 관측값과 비슷한 결과가 나오는 것을 확인할 수 있다. 모형의 입력자료와 예측값 간의 시간간격이 커질수록 모형의 예측 정확도가 낮아 질것이라 예상했지만 시간간격이 일정간격 이상일 때 예측정확도가 더 높은 것으로 확인되었다.
- 이런 차이의 원인을 확인하고자 월별 상대오차를 도시하여 분석하였다. 분석결과 case-7이 전체적으로 잘 예측하나, 예측값이 안 맞을 경우 관측값과의 차이가 너무나 커 이러한 결과를 나타내는 것으로 확인되었다. 이런 특징을 좀 더 자세히 확인하고자 월별 상대오차를 box-plot으로 도시해본 결과 case-7이 방법들과 비교하여 상대오차의 분포가 넓어서 절대상대오차평균이 큰 값을 보이는 것으로 확인되었다.
- 비교방법으로는 예측연강수량의 총량과 예측월강수량의 절대상대오차평균을 적용하였다. 예측연강수량의 총량으로 비교해본 결과 case-7이 관측강수량과 근사한 값을 예측하는 것으로 나타났다. 또한 모형의 입력자료와 예측값간의 시간간격이 일정간격 이상일 때 예측정확도가 더 높은 것으로 확인되었다.
- 또한 모형의 입력자료와 예측값간의 시간간격이 일정간격 이상일 때 예측정확도가 더 높은 것으로 확인되었다. 예측월강수량의 절대상대오차평균을 기준으로 비교해본 결과 case-5가 case-7과 비교하여 보다 높은 정확도를 보이는 것으로 나타났다. 총량적으로는 case-7이 잘 맞으나 상대오차를 비교해본 결과 case-5가 더 잘 맞는 것으로 나타났다.
- 분석결과 case-7이 전체적으로 잘 예측하나, 예측값이 안 맞을 경우 관측값과의 차이가 너무나 커 이러한 결과를 나타내는 것으로 확인되었다. 이런 특징을 좀 더 자세히 확인하고자 월별 상대오차를 box-plot으로 도시해본 결과 case-7이 방법들과 비교하여 상대오차의 분포가 넓어서 절대상대오차평균이 큰 값을 보이는 것으로 확인되었다. Case-7이 다른 방법들과 비교하여 상대오차가 0에 가까이 분포하는 것을 확인하였으며, 이 결과를 통하여 금강유역에서는 case-7이 정확한 것을 확인할 수 있었다.
- 11과는 다른 결과가 나타났다. 총강수량을 비교하였을 경우 case-7 (C7)이 다른 case들에 비하여 높은 정확도를 보였으나, 월별 절대상대오차를 평균하여 비교해 본 결과 2006년을 제외한 2005년, 2007년에서는 case-5 (C5), case-7 (C7), case-8 (C8)이 비교적 높은 정확도를 보이는 것으로 나타났다. 총강수량적인 측면으로 보았을 때, case-7 (C7)이 가장 높은 정확도를 보였으나 절대상대오차의 평균으로 보았을 때는 case-7 (C7)보다 case-5 (C5)가 더 높은 정확도를 보이는 것을 확인할 수 있다.
- 총강수량을 비교하였을 경우 case-7 (C7)이 다른 case들에 비하여 높은 정확도를 보였으나, 월별 절대상대오차를 평균하여 비교해 본 결과 2006년을 제외한 2005년, 2007년에서는 case-5 (C5), case-7 (C7), case-8 (C8)이 비교적 높은 정확도를 보이는 것으로 나타났다. 총강수량적인 측면으로 보았을 때, case-7 (C7)이 가장 높은 정확도를 보였으나 절대상대오차의 평균으로 보았을 때는 case-7 (C7)보다 case-5 (C5)가 더 높은 정확도를 보이는 것을 확인할 수 있다.
후속연구
- Case-7이 다른 방법들과 비교하여 상대오차가 0에 가까이 분포하는 것을 확인하였으며, 이 결과를 통하여 금강유역에서는 case-7이 정확한 것을 확인할 수 있었다. 또한 연구 결과 RDAPS 예측값은 전체적으로 과소추정되는 경향이 있는 것으로 확인되었고, 실제 수공시설물 운영 등과 같은 분야 에 사용되기 위해서는 과소추정되는 값을 보정하는 연구가 차후에 진행되어야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.