본 연구에서는 너울성파랑을 정의하기 위한 첫 단계로 확률모의실험을 통해 파랑스펙트럼 첨두모수 $Q_p$, 주파수폭대역 모수${\varepsilon}$, 파랑스펙트럼 폭 모수 ${\nu}$의 특성들을 분석하였다. 이를 위해 유의파고 및 첨두주기의 결합확률 밀도함수를 새롭게 유도한 후, MCMC(Markov Chain Monte Carlo)기법을 이 함수에 적용하여 가상의 유의파고 및 첨두주기를 생성하였다. 그리고, 이 때 생성된 파랑자료들을 파랑스펙트럼모형에 적용하여 각각에 대한 파랑스펙트럼 형상모수들을 산정한 다음, 각각의 파랑자료들과 파랑스펙트럼 형상모수들의 상관관계 계수를 산정하는 방법으로 각 파랑스펙트럼 형상모수의 특성들을 조사하였다. 본 연구의 결과에 의하면, 파랑스펙트럼 형상모수 중 파랑스펙트럼 첨두모수가 유의파고 및 첨두주기에 관계없이 파랑스펙트럼의 뾰족한 정도를 잘 나타내고 있었는데, 이러한 특성은 후포 및 울릉도 파랑관측자료에서도 동일하게 나타나고 있는 것으로 확인되었다. 너울성파랑 정의를 위한 대표적인 파랑스펙트럼 형상모수로 파랑스펙트럼 첨두모수를 사용하는 것이 가장 적절한 것으로 보인다.
본 연구에서는 너울성파랑을 정의하기 위한 첫 단계로 확률모의실험을 통해 파랑스펙트럼 첨두모수 $Q_p$, 주파수폭대역 모수 ${\varepsilon}$, 파랑스펙트럼 폭 모수 ${\nu}$의 특성들을 분석하였다. 이를 위해 유의파고 및 첨두주기의 결합확률 밀도함수를 새롭게 유도한 후, MCMC(Markov Chain Monte Carlo)기법을 이 함수에 적용하여 가상의 유의파고 및 첨두주기를 생성하였다. 그리고, 이 때 생성된 파랑자료들을 파랑스펙트럼모형에 적용하여 각각에 대한 파랑스펙트럼 형상모수들을 산정한 다음, 각각의 파랑자료들과 파랑스펙트럼 형상모수들의 상관관계 계수를 산정하는 방법으로 각 파랑스펙트럼 형상모수의 특성들을 조사하였다. 본 연구의 결과에 의하면, 파랑스펙트럼 형상모수 중 파랑스펙트럼 첨두모수가 유의파고 및 첨두주기에 관계없이 파랑스펙트럼의 뾰족한 정도를 잘 나타내고 있었는데, 이러한 특성은 후포 및 울릉도 파랑관측자료에서도 동일하게 나타나고 있는 것으로 확인되었다. 너울성파랑 정의를 위한 대표적인 파랑스펙트럼 형상모수로 파랑스펙트럼 첨두모수를 사용하는 것이 가장 적절한 것으로 보인다.
In the present study, the characteristics of spectral peakedness parameter $Q_p$, bandwidth parameter ${\varepsilon}$, and spectral width parameter ${\nu}$ were analyzed as a first step to define the swell waves quantitatively. For the analysis, the joint probability...
In the present study, the characteristics of spectral peakedness parameter $Q_p$, bandwidth parameter ${\varepsilon}$, and spectral width parameter ${\nu}$ were analyzed as a first step to define the swell waves quantitatively. For the analysis, the joint probability density function of significant wave heights and peak periods were newly developed. The MCMC(Markov Chain Monte Carlo) simulations have been performed to generate the significant wave heights and peak periods from the developed probability density functions. Applying the simulated significant wave heights and peak periods to the theoretical wave spectrum models, the spectral shapes parameters were obtained and analyzed. Among the spectral shape parameters, only the spectral peakedness parameter $Q_p$, is shown to be independent with the significant wave height and peak wave period. It also best represents the peakedness of the spectral shape, and henceforth $Q_p$ should be used to define the swell waves with a wave period. For the field verification of the results, wave data obtained from Hupo port and Ulleungdo were analyzed and results showed the same trend with the MCMC simulation results.
In the present study, the characteristics of spectral peakedness parameter $Q_p$, bandwidth parameter ${\varepsilon}$, and spectral width parameter ${\nu}$ were analyzed as a first step to define the swell waves quantitatively. For the analysis, the joint probability density function of significant wave heights and peak periods were newly developed. The MCMC(Markov Chain Monte Carlo) simulations have been performed to generate the significant wave heights and peak periods from the developed probability density functions. Applying the simulated significant wave heights and peak periods to the theoretical wave spectrum models, the spectral shapes parameters were obtained and analyzed. Among the spectral shape parameters, only the spectral peakedness parameter $Q_p$, is shown to be independent with the significant wave height and peak wave period. It also best represents the peakedness of the spectral shape, and henceforth $Q_p$ should be used to define the swell waves with a wave period. For the field verification of the results, wave data obtained from Hupo port and Ulleungdo were analyzed and results showed the same trend with the MCMC simulation results.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 파랑스펙트럼 주파수 폭대역 모수(bandwidth parameter) ε, 파랑스펙트럼 폭 모수(spectral width parameter) ν와 같은 모수들을 도입하여 파랑스펙트럼의 형상을 정량화한 바 있다. 본 연구에서는 이들 파랑스펙트럼 모수 들 중에 너울성 파랑을 정의하기에 가장 적합한 모수가 무엇인지를 판단한 후, 선택된 파랑스펙트럼 모수와 첨두주기로 너울성파랑을 진단하는 방법을 제안하고자 한다.
본 연구에서는 주기와 파랑스펙트럼 형상에 기반하여 너울성파랑을 정의하기 위한 기초단계로, 확률모의실험 및 현장 관측을 통해 취득한 파랑자료에 대해서 기존에 제시되어 있는 파랑스펙트럼 형상모수들의 특성을 조사하였다.
본 연구에서는 파랑스펙트럼 형상모수 특성에 관해 보다 일반적인 결론을 얻기 위해 실제 파랑관측 자료에 대해서도 파랑스펙트럼 형상모수를 산정하고, 이들과 유의파고 및 첨두주기의 상관관계를 파악하였다. 이를 위해 본 연구에서는 초음파식 파고계인 AWAC를 이용하여 후포항 및 울릉도에서 측정된 파랑자료를 분석하였다.
본 연구에서는 파랑스펙트럼 형상모수 특성에 관해 보다 일반적인 결론을 얻기 위해 실제 파랑관측 자료에 대해서도 파랑스펙트럼 형상모수를 산정하고, 이들과 유의파고 및 첨두주기의 상관관계를 파악하였다. 이를 위해 본 연구에서는 초음파식 파고계인 AWAC를 이용하여 후포항 및 울릉도에서 측정된 파랑자료를 분석하였다. 본 파랑관측 장비는 초음파로 수위를 측정하여 파랑관측을 수행하기 때문에 해저면에 설치하더라도 고주파수 영역의 파랑 에너지도 관측 가능하다는 장점이 있다.
파랑스펙트럼의 형상은 비선형 파랑작용, 바람에 의한 파랑에너지 생성등과 같이 다양한 파랑변형 현상의 영향을 받기 때문에 해석적인 방법으로 이의 특성들을 조사하는 것에는 다소 한계가 있다. 이에 본 연구에서는 귀납적인 방법인 확률모의실험을 통해 파랑스펙트럼의 형상 모수의 특성을 분석하였다. 본 연구의 확률모의 실험에서는 유의파고와 첨두주기의 결합 확률밀도함수를 산정한 후, MCMC기법을 적용하여 가상의 파랑자료들을 생성하여 분석하였다.
그리고 너울성파랑은 비교적 유의파고 및 첨두주기가 클 뿐만 아니라, 뾰족한 형태의 파랑스펙트럼 및 완만한 파형경사로 인해 이에 의한 연안재해 강도가 더욱 크게 나타나는 특성이 있다. 이에 본 연구에서는 파랑스펙트럼 형상모수의 독립성 관점에서 파랑스펙트럼 형상모수들의 특징들을 조사하였다.
이와 같은 확률모의실험을 실시하기 위해서는 유의파고 및 첨두주기에 대한 확률밀도함수를 먼저 구할 필요가 있는데, 본 연구에서는 실제 현상에 보다 가까운 파랑자료를 생성하기 위해 유의파고 및 첨두주기의 결합 확률밀도함수를 구한 다음, 이를 바탕으로 확률모의실험을 실시하였다. 본 연구의 확률모의실험을 위한 결합 확률밀도함수는 경북 울진군에 위치한 후포항에서 관측된 파랑자료를 분석하여 산정되었는데, 본 연구의
본 연구에서는 보다 일반적인 적용을 위해, Log-normal함수의 일반형인 Box-Cox변환을 첨두주기에 대해 실시하여 첨두주기에 대한 확률밀도분포를 구하였다. 후포항 파랑관측자료의 첨두주기에 대한 확률밀도분포는 본 논문의 부록에 제시하였다. 첨두주기와 마찬가지로 유의파고에 대한 첨두주기의 조건부확률밀도 함수 역시 Box-Cox변환된 첨두주기로 나타내었는데, 이를 식 (14), (15)와 함께 적용한 결과를 식 (16)에 나타내었다.
가설 설정
Step 1. 유의파고 및 첨두주기의 초기값 (Hs,0, Tp,0)을 가정 한다.
제안 방법
JONSWAP 파랑스펙트럼을 기반으로 파랑스펙트럼 자료를 생성해낸 후, 이를 통해 파랑스펙트럼의 형상모수와 유의파고 및 첨두주기와의 상관관계를 조사하였다. JONSWAP 파랑스펙트럼은 Hasselmann et al.
확률모의실험은 특정 확률밀도함수 및 파랑스펙트럼 모형을 기반으로 실시되며, 사용된 파랑스펙트럼은 실측자료와의 비교에서 정확성이 검증되었기 때문에 확률모의실험을 통해 얻은 결론도 신뢰성이 높다고 판단된다. 또한 분석결과를 실해역 측정파랑자료에 적용하여 적용성을 검증하였다.
본 연구의 확률모의 실험에서는 유의파고와 첨두주기의 결합 확률밀도함수를 산정한 후, MCMC기법을 적용하여 가상의 파랑자료들을 생성하여 분석하였다. 또한 확률모의실험 결과로부터 얻은 파랑스펙트럼 형상모수들의 특성들이 실제 파랑관측 자료에서도 구현되는지를 확인하였다.
먼저 Bretschneider 파랑스펙트럼에 유의파고 및 첨두주기를 대입하여 파랑스펙트럼의 형상모수의 특성을 조사하였다. Bretschneider 파랑스펙트럼 식은 아래와 같다.
예를 들면 우리나라 속초 지역은 하계의 파형경사가 가장 낮은 것으로 나타나고 있다. 물론 하계시의 속초 파랑관측자료의 주기 또한 작기 때문에 파형경사만 보고 이를 너울성파랑이라고 진단하지는 않겠지만, 오류 발생가능성이 다분히 높은 편이다 이에 본 연구에서는 파형경사 대신에 파랑스펙트럼의 형상과 주기를 이용한 너울성파랑의 정의를 시도하였다.
본 연구에서는 MCMC기법을 이용해 가상의 유의파고 및 첨두주기 자료들을 생성하였다. 사용된 확률분포함수는 이변량함수형태로 주어져 있어 Gibbs sampling 기법을 채택하였다.
1996). 본 연구에서는 각각에 대한 확률밀도함수를 구한 다음, 이를 이용해 유의파고 및 첨두주기의 결합 확률밀도함수를 최종적으로 구하였다.
한편, 식 (11)에서 µ, σ등이 유의파고에 대한 함수로 주어져 있으나 전체적인 분포형태는 Log-normal함수를 따르고 있다. 본 연구에서는 보다 일반적인 적용을 위해, Log-normal함수의 일반형인 Box-Cox변환을 첨두주기에 대해 실시하여 첨두주기에 대한 확률밀도분포를 구하였다. 후포항 파랑관측자료의 첨두주기에 대한 확률밀도분포는 본 논문의 부록에 제시하였다.
본 연구에서는 확률모의실험에 앞서 후포 파랑관측자료의 분석을 통해 유의파고 및 첨두주기의 결합 확률밀도함수를 산정하였다. 유의파고 및 첨두주기의 결합 확률밀도함수 는 유의파고의 확률밀도분포 함수 와 유의파고에 대한 첨두주기의 조건부 확률밀도함수 의 곱으로 나타낼 수 있다(Marthiesen and Bitner-Gregersen, 1990; Ochi, et al.
이에 본 연구에서는 귀납적인 방법인 확률모의실험을 통해 파랑스펙트럼의 형상 모수의 특성을 분석하였다. 본 연구의 확률모의 실험에서는 유의파고와 첨두주기의 결합 확률밀도함수를 산정한 후, MCMC기법을 적용하여 가상의 파랑자료들을 생성하여 분석하였다. 또한 확률모의실험 결과로부터 얻은 파랑스펙트럼 형상모수들의 특성들이 실제 파랑관측 자료에서도 구현되는지를 확인하였다.
본 절에서는 앞에서 생성한 유의파고 및 첨두주기를 Btetschneider 및 JONSWAP 파랑스펙트럼 모형에 적용하여 각 파랑스펙트럼 모형에 따른 파랑스펙트럼의 형상모수들을 생성한 다음, 파랑스펙트럼 모형에 따른 파랑스펙트럼의 형상모수들과 유의파고 및 첨두주기의 상관관계를 조사하였다
확률모의실험은 주어진 확률밀도함수로부터 가상의 자료를 생성해내는 통계 기법으로, 본 연구에서는 이를 통해 가상의 유의파고 및 첨두주기 자료들을 생성해내었다. 이 때 생성된 파랑자료들을 Bretschneider, JONSWAP 파랑스펙트럼 모형에 적용하여 각 파랑스펙트럼 모형에 따른 파랑스펙트럼 형상모수들의 특성을 조사하였다.
이 후, 본 연구에서는 유의파고에 대한 첨두주기의 조건부확률밀도함수를 산정하였다. 유의파고에 대한 첨두주기의 조건부확률밀도 함수의 사례는 많지 않은 편인데, Marthiesen and Bitner-Gregersen(1990), Ochi et al.
또한 파랑스펙트럼을 분석하기 위한 양질의 파랑관측자료를 구하는 것도 용이하지 않은 실정이다. 이러한 이유로 본 연구에서는 확률모의실험을 통해 가상의 파랑자료를 생성한 다음, 이를 통해 파랑스펙트럼의 형상모수의 특성들을 파악하였다. 확률모의실험은 특정 확률밀도함수 및 파랑스펙트럼 모형을 기반으로 실시되며, 사용된 파랑스펙트럼은 실측자료와의 비교에서 정확성이 검증되었기 때문에 확률모의실험을 통해 얻은 결론도 신뢰성이 높다고 판단된다.
이에 본 연구에서는 평균 3.3, 표준편차 0.79를 가지는 정규분포함수를 사용한 확률모의실험을 통해 γ값을 추가로 생성하고, 이를 바탕으로 파랑스펙트럼 자료를 생성하였다.
전술한 바와 같이 양질의 파랑관측자료를 확보하는 것이 용이하지 않아 본 연구에서는 확률모의실험을 통해 가상의 파랑관측자료를 생성하고, 이로부터 파랑스펙트럼 형상모수들의 특성을 파악하였다. 확률모의실험은 주어진 확률밀도함수로부터 가상의 자료를 생성해내는 통계 기법으로, 본 연구에서는 이를 통해 가상의 유의파고 및 첨두주기 자료들을 생성해내었다.
파랑스펙트럼 형상모수의 실해역 파랑에 의한 특성을 이해하기 위해 후포항 및 울릉도 파랑관측 자료를 사용하여 동일한 분석을 실시하였다. 후포항 및 울릉도 파랑관측자료는 각각 동해 천해역 및 심해역에서 관측된 파랑자료이지만, 이들 파랑관측 자료의 파랑스펙트럼 형상모수의 특성은 확률모의 실험의 결과와 대체로 일치함을 알 수 있었다.
이론/모형
본 연구에서는 MCMC기법을 이용해 가상의 유의파고 및 첨두주기 자료들을 생성하였다. 사용된 확률분포함수는 이변량함수형태로 주어져 있어 Gibbs sampling 기법을 채택하였다. Gibbs sampling 을 이용하여 파랑자료를 생성하는 절차는 다음과 같다.
여기서 c1, c2, d1, d2, d3는 계수를 나타내며 파랑관측자료로부터 최소자승법(least-square method)을 이용하여 산정하였다. 한편, 식 (11)에서 µ, σ등이 유의파고에 대한 함수로 주어져 있으나 전체적인 분포형태는 Log-normal함수를 따르고 있다.
이를 위한 첫 단계로 유의파고에 대한 확률밀도함수를 먼저 구하였는데, 본 연구에서는 후포항 파랑관측 결과 얻은 유의파고를 Generalized Gamma 분포함수에 적용하였다. Generalized Gamma 확률밀도분포함수는 Rayleigh 확률밀도분포함수의 일반형으로 유의파고에 보다 적합한 것으로 알려져 있다(Chun et al.
파랑스펙트럼은 비선형파랑작용, 쇄파, 바람에 의한 파랑에 너지 생성등과 같이 다양한 파랑현상에 의해 결정되기 때문에 이를 해석적인 방법으로 분석하는 것에는 한계가 있다. 이에 본 연구에서는 Rye(1977)가 시도한 귀납적인 방법으로 파랑스펙트럼 형상모수의 특성들을 조사하였다.
따라서 본 연구의 확률모의실험이 특정 지역에 대한 확률밀도함수에 기반하고 있지만, 일반성에 크게 벗어난다고 볼 수 없다. 한편 본 연구에서는 확률모의실험의 기법으로 이변량(bivariate)함수에 적합한 MCMC (Markov Chain Monte Carlo)기법을 채택하였다. MCMC기법은 특정 확률밀도함수로부터 표본을 추출하는 통계기법 중 하나로, Markov 연쇄 반응에 기반하고 있으며, 변수의 예측 및 물량 계산을 위한 베이즈추론(Bayesian inference) 분야에 활발하게 사용되고 있다(Chib, 2004).
성능/효과
3에서 볼 수 있듯이 본 연구에서 새롭게 제시하는 식 (17)을 이용한 확률모의실험 결과와 파랑관측 자료가 매우 잘 일치하는 것을 알 수 있다. 또한 본 연구에서 생성한 유의파고와 첨두주기의 평균은 각각 0.94 m와 7.59 s 이며 실측 파랑관측 자료의 유의파고와 첨두주기의 평균 0.97 m 및 7.32 s와 매우 근사함을 확인할 수 있다. 이는 본 연구에서 제시한 확률분포함수를 이용한 MCMC의 확률모의실험이 성공적으로 수행된 것으로 판단된다.
2에서 등고선은 결합 확률밀도함수의 등분포를 나타내며, 숫자는 유의파고와 첨두주기 자료의 결합출현빈도를 나타내고 있다. 본 연구에서 제시하는 결합 확률밀도함수가 실제 파랑의 유의파고와 첨두주기의 분포 경향을 잘 나타내는 것을 알 수 있다.
본 연구의 확률모의실험 및 파랑관측자료 분석한 결과로부터, 기존 파랑스펙트럼의 형상모수 중 Qp가 유의파고 및 첨두주기에 관계없이 파랑스펙트럼의 뾰족한 정도를 가장 잘 나타내고 있다고 결론내릴 수 있다. 이는 너울성파랑을 정량적으로 정의하기 위해 파랑의 주기 외에 Qp와 같은 파랑스펙트럼의 형상에 대한 정의가 필요함을 나타낸다.
본 연구의 확률밀도함수의 적합여부를 보기 위해 K-S(KolmogorovSmirnov) 및 χ2 검정을 실시한 바 유의 수준 0.05에서 적합한 것으로 나타났다.
이러한 특성은 Table 1에서 제시된 바와 같이 상관계수의 값이 0에 근사한 값으로 나타나 정량적으로 확인되고 있다. 본 확률모의실험에서 유의파고 및 첨두주기의 값이 다르기 때문에 동일한 파랑스펙트럼 모형을 적용하더라도 파랑스펙트럼은 동일하지 않지만, 파랑스펙트럼 모형이 동일하기 때문에 이들의 파랑스펙트럼의 형상 자체가 바뀌었다고 볼 수 없는데, Qp가 이를 잘 반영하고 있는 것으로 파악된다.
32 s와 매우 근사함을 확인할 수 있다. 이는 본 연구에서 제시한 확률분포함수를 이용한 MCMC의 확률모의실험이 성공적으로 수행된 것으로 판단된다.
이러한 이유로 본 연구에서는 확률모의실험을 통해 가상의 파랑자료를 생성한 다음, 이를 통해 파랑스펙트럼의 형상모수의 특성들을 파악하였다. 확률모의실험은 특정 확률밀도함수 및 파랑스펙트럼 모형을 기반으로 실시되며, 사용된 파랑스펙트럼은 실측자료와의 비교에서 정확성이 검증되었기 때문에 확률모의실험을 통해 얻은 결론도 신뢰성이 높다고 판단된다. 또한 분석결과를 실해역 측정파랑자료에 적용하여 적용성을 검증하였다.
파랑스펙트럼 형상모수의 실해역 파랑에 의한 특성을 이해하기 위해 후포항 및 울릉도 파랑관측 자료를 사용하여 동일한 분석을 실시하였다. 후포항 및 울릉도 파랑관측자료는 각각 동해 천해역 및 심해역에서 관측된 파랑자료이지만, 이들 파랑관측 자료의 파랑스펙트럼 형상모수의 특성은 확률모의 실험의 결과와 대체로 일치함을 알 수 있었다.
후속연구
그러나 본 연구의 확률모의실험을 통해 생성된 파랑자료는 파랑스펙트럼이 아닌 유의파고 및 첨두주기이기 때문에 본 연구의 확률모의실험 결과 얻은 파랑스펙트럼의 형상 자체에 파랑스펙트럼의 지역적 특성이 반영되지 있지 않는다. 그리고 본 연구의 확률밀도함수는 후포지역에 대해서만 적용이 가능한 것이 아니라, 파랑스펙트럼 모형의 모수들을 달리하면, 다른 지역에도 적용이 가능하다. 따라서 본 연구의 확률모의실험이 특정 지역에 대한 확률밀도함수에 기반하고 있지만, 일반성에 크게 벗어난다고 볼 수 없다.
이는 너울성파랑을 정량적으로 정의하기 위해 파랑의 주기 외에 Qp와 같은 파랑스펙트럼의 형상에 대한 정의가 필요함을 나타낸다. 따라서 본 연구의 후속 연구에서는 첨두주기와 Qp를 이용한 너울성파랑 분류 기준을 제시할 예정이다.
확률모의실험이 특정 확률밀도함수에 기반하고 있어 본 연구의 연구방법이 일반적이지 못한 측면이 있다. 그러나 본 연구의 확률모의실험을 통해 생성된 파랑자료는 파랑스펙트럼이 아닌 유의파고 및 첨두주기이기 때문에 본 연구의 확률모의실험 결과 얻은 파랑스펙트럼의 형상 자체에 파랑스펙트럼의 지역적 특성이 반영되지 있지 않는다.
질의응답
핵심어
질문
논문에서 추출한 답변
파랑스펙트럼으로 너울성파랑을 정의할 때의 문제점은?
02 이하인 파를 너울성파랑으로 정의하였다. 이처럼 주기와 파형경사를 이용해 너울성파랑을 많이 정의하는데, 파형경사 값은 파고와 파장의 비로 이루어져 있어, 파장이 크더라도 파고도 클 경우, 이를 너울성파랑으로 판단하기 힘든 경우가 있다. 예를 들면 우리나라 속초 지역은 하계의 파형경사가 가장 낮은 것으로 나타나고 있다.
너울성파랑이란?
너울성파랑은 파랑생성해역(wave generating area)에서 벗어나 연안역으로 전달되는 파랑을 말하는 것으로, 파의 주기가 비교적 길며, 파형경사는 완만한 반면에 파랑스펙트럼의 형상은 뾰족한 것으로 알려져 있다(Goda, 2000; Sorensen, 1993). 너울성파랑의 파고는 태풍파랑의 파고보다는 작은 편이지만, 현지 기상상태에 관계없이 발생하기 때문에 이에 의한 해난사고를 예측하기 힘든 특성이 있다.
너울성파랑의 파고의 특징은?
너울성파랑은 파랑생성해역(wave generating area)에서 벗어나 연안역으로 전달되는 파랑을 말하는 것으로, 파의 주기가 비교적 길며, 파형경사는 완만한 반면에 파랑스펙트럼의 형상은 뾰족한 것으로 알려져 있다(Goda, 2000; Sorensen, 1993). 너울성파랑의 파고는 태풍파랑의 파고보다는 작은 편이지만, 현지 기상상태에 관계없이 발생하기 때문에 이에 의한 해난사고를 예측하기 힘든 특성이 있다. 이에 대한 예로 2012년 7월에 발생한 해난사고를 들 수 있는데, 당시 하계임에도 불구하고, 태풍 카눈의 소멸에 따른 저기압골로 인해 동해지역에 너울성파랑이 발생해 낙산해수욕장에서만 7명이 조난당한 바 있다.
참고문헌 (16)
Cartwright, D.E. and Longuet-Higgins, M.S. (1956). The statistical distribution of the maxima of a random function. Proc. Royal Soc. London, Ser. A. 237, 212-232.
Chib, S. (2004). Markov Chain Monte Carlo technology, In Handbook of Computational Statistics, eds by J.E. Gentle, W. Haerdle, and Y. Mori, Springer-Verlag.
Chun, J., Ahn, K., and Yoon, J.-T. (2007). Wave simulation on Youngil bay by WAM extended to shallow water, Journal of Korean Society of Coastal and Ocean Engineers 19(6), 511-520.(in Korean)
Goda, Y. (1970). Numerical experiments on wave statistics with spectral simulation. Report Port Harbour Res. Inst. 9(3), 3-57.
Goda, Y. (2000). Random seas and design of maritime structures. World Scientific Pub. Co. Ltd.
Handong Global University Institute of Construction and Envrionmental Research (2000). A study on the causes of beach erosion of Songdo beach and the establishment of countermeasure against it, Pohang. (한동대학교 건설환경연구소 (2000). 송도백사장 유실 원인규명 및 대책수립 연구, 포항시.)
Longuet-Higgins, M.S. (1983). On the joint distribution of wave periods and amplitudes in a random wave fields. Proc. Royal Soc. Londong, Ser. A. 398, 241-258.
Marthiesen, J. and Bitner-Gregeresen, E. (1990). Joint distribution for significant wave height and zero-crossing period. Applied Ocean Research 12(2), 93-103.
Ochi, M.K., Passailiao, E.L., and Malakar, S.B. (1996). Joint probability distribution of significant wave height and averaged period. University of Florida, Report UFL/COEL/TR-110.
Ochi, M.K. (1998). Ocean waves : the stochastic approach, Cambridge University Press.
Oh, S.-H., Jeong, W.-M., Lee, D.Y., and Kim, S.I. (2010). Analysis of th reason for occurrence of large-height swell-like waves in the east coast of Korea. Journal of Korean Society of Coastal and Ocean Engineers 22(2), 101-111.(in Korean)
Rye, H. (1977). The stability of some currently used wave parameters, Coastal Engineering 1, 17-30.
Sorensen, R.M. (1993). Basic wave mechanics: for coastal and ocean engineers, Wiley-Intersciences.
Utsunomiya, Y., Okada, H., Eguchi, I., Takayama, T., and Nihei, F. (2009). A study on the prediction and monitoring system of swell waves, Coastal Research Center, No.9, 81-84. (宇都宮好博, 岡田弘三, 江口一平, 高山知司, 二章, (2009). (うねり性波浪) 豫測.監視システムの討, 沿岸技術究センタ論文集 No.9, 81-84.)
Yoon, J.-T., Park, S.M., Ahn, K., and Chun, J. (2012). Probability density function of the residual tide level using Box-Cox transformation, 2012 conference of KAOSTS. (in Korean)
Wilson, B.W. (1965). Numerical prediction of ocean waves in the North Atlantic for December 1959, Dtsch. Hydrogr. Z. 18, 114-130.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.