최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.28 no.4, 2017년, pp.797 - 810
The Korean peninsula is exposed to typhoons every year. Typhoons cause huge socioeconomic damage because tropical cyclones tend to occur with strong winds and heavy precipitation. In order to understand the complex dependence structure between strong winds and heavy precipitation, the copula links a...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
현재 자연재해 경고 시스템은 무슨 한계점이 존재하는가? | 태풍은 강풍과 강우가 동반되는 열대성 저기압으로 사회 경제적으로 막대한 피해를 유발한다. 현재의 자연재해 경고 시스템은 풍속과 강우를 구분하여 위험을 감지토록 설계되어 강풍과 폭우를 동반한 태풍의 위험을 경고하는데 한계점이 존재한다. 코플라모형은 확률변수들 사이의 복잡한 의존성 구조를 파악하기 위해 단변량분포의 집합을 다변량분포로 연결하는 모형으로 강우, 홍수, 가뭄 등의 분야에서 활발하게 연구되고 있다. | |
코플라모형을 통한 자연재해에 대한 위험성 예측으로 인해 어떤 효과를 낼 수 있는가? | 이 분석결과를 통해 강풍과 강수 각각의 모형에 대한 자연재해 위험성 예측이 아닌 두 변수의 상관성이 고려된 코플라모형을 통한 자연재해에 대한 위험성 예측으로 보다 나은 자연재해 경고 시스템 을 수립할수 있다고 본다. 풍속과 강수량 각각의 위험?수준 판단되는 수치보다 낮은 수치라도 복합적인 피해를 고려해서 위험하다고 판단하여 사회·경제적 피해를 더 줄일 수 있다고 본다. 본 연구에서는 제 주도와 부산지역을 연구하였지만, 앞으로 전국 70개 기상관측소를 대상으로 확대하여 분석하고, 이변량 t분포와 비교할 예정이다. | |
코플라모형이란 무엇인가? | 현재의 자연재해 경고 시스템은 풍속과 강우를 구분하여 위험을 감지토록 설계되어 강풍과 폭우를 동반한 태풍의 위험을 경고하는데 한계점이 존재한다. 코플라모형은 확률변수들 사이의 복잡한 의존성 구조를 파악하기 위해 단변량분포의 집합을 다변량분포로 연결하는 모형으로 강우, 홍수, 가뭄 등의 분야에서 활발하게 연구되고 있다. 본 연구에서는 한반도에서 태풍에 가장 많이 노출된 도시인 부산과 제주도의 기상 관측소 (ASOS)에서 수집된 1904년 4월 9일부터 2015년 12월 31일까지 일강수량 (precipitation), 일최대풍속 (maximum wind speed) 자료를 이용하였다. |
Anderson, T. W. and Darling, D. A. (1952). Asymptotic theory of certain "Goodness of Fit" criteria based on stochastic processes. Annals of Mathematical Statistics, 23, 193-212.
Cherubini, U., Luciano, E. and Vecchiato, W. (2004). Copula methods in finance, John Wiley & Sons.
Durante, F. and Salvadori, G. (2010). On the construction of multivariate extreme value models via copulas. Environmetrics, 21, 143-161.
Favre, A. C., Adlouni, S. E., Perreault, L., Thiemonge, N. and Bobee, B. (2004). Multivariate hydrological frequency analysis using copulas. Water Resources Research, 40, W01101, doi:10.1029/2003WR002456.
Genest, C. and Favre, A. C. (2007). Everything you always wanted to know about copula but afraid to ask. Journal of Hydrology, 12, 347-368.
Genest, C., Ghoudi, K. and Rivest, L. P. (1995). A semiparametric estimation procedure of dependence parameters in multivariate families of distributions. Printed in Great Britain, 82, 543-552.
Hofert, M., Kojadinovic, I., Maechler, M. and Yan, J. (2015). Copula: multivariate dependence with copulas, R package version 0.999-14, http:CRAN.R-project.org/packagecopula.
Joe, H. and Xu, J. J. (1996). The estimation method of inference functions for margins for multivariate models, Department of Statistics, University of British Columbia.
Kao, S. C. and Govindaraju, R. S. (2007). A bivariate frequency analysis of extreme rainfall with implications for design. Journal of Geophysical Research, 112, D13119, doi:10.1029/2007JD008522.
Kim, S.D., Ryu, J. S., Oh, K. R. and Jeong, S. M. (2012). An application of copulas-based joint drought index for determining comprehensive drought conditions. Journal of Korean Society of Hazard Mitigation, 12, 223-230.
Kwak, J. W., Kim, D. G., Lee, J. S. and Kim, H. S. (2012). Hydrological drought analysis using copula theory. Journal of the Korea Society of Civil Engineers, 32, 161-168.
Nelsen, R. B. (2006). An introduction to copulas, Springer, New York.
Park, J. B., Kal, B. S. and Heo, J. R. (2015). The study to estimate the fitness of bivariate rainfall frequency analysis considering the interdependence between rainfall and wind speed. Journal of Korean Society of Hazard Mitigation, 15, 103-110.
Renard, B. and Lang, M. (2007). Use of gaussian copula for multivariate extreme value analysis: some case studies in hydrology. Advances in Water Resources, 30, 897-912.
Requena, A. L., Mediero, L. and Garrote, L. (2013). A bivariate return period based on copula for hydrologic dam design: accounting for reservoir routing in risk estimation. Hydrologic Earth System Sciences, 17, 3023-3038.
Salvadori, G. and Friederichs, P. (2010). Multivariate multiparameter extreme value models and return peiods: a copula approach. Water Resources Research, 46, W10501, doi:10.1029/2009WR009040.
Schoelzel, C. and Friederichs, P. (2008). Multivariate non-normally distributed random variables in climateresearch introduction to the copula approach. Nonlinear processes in Geophysics, 15, 761-772.
Shih, J. H. and Louis, T. A. (1995). Inferences on the association parameter in copula models for bivariate survival data. Biometrics, 51, 1384-1399.
Sklar, A. (1959). Fonctions de reparation rma n dimensions et leurs marges. Publication de l'institute de statistique de l'universite de Paris, 8, 229-231.
Smirnov, N. V. (1939). On the estimation of the discrepancy between empirical curves of distribution for two independent samples. Bulletin of Mathematical University of Moscow, 2, 3-16.
Thompson, R. (1966). Bias of the one-sample cramer-von mises test. Journal of the American Statistical Association, 61, 246-247.
Zhang, L. and Singh, W. P. (2006). Bivariate flood frequency analysis using the copula method. Journal of Hydrologic Engineering, 11, 150-164.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.