최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of environmental science international = 한국환경과학회지, v.28 no.1, 2019년, pp.125 - 135
이영미 ((주)에코브레인) , 고철민 ((주)에코브레인) , 신성철 ((주)에코브레인) , 김병식 (강원대학교 도시.환경방재공학전공)
For the purposes of enhancing usability of Numerical Weather Prediction (NWP), the quantitative precipitation prediction scheme by machine learning has been proposed. In this study, heavy rainfall was corrected for by utilizing rainfall predictors from LENS and Radar from 2017 to 2018, as well as ma...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
집중호우의 정의는? | 집중호우란 시간당 30 mm 이상 또는 하루에 80 mm 이상의 비가 내리는 경우나 하루에 연강수량의 10%에 해당하는 비가 내리는 경우로 정의한다(K-Water, 2016). 본 연구에서는 집중호우의 정의를 근거로 서울, 강릉 지역의 AWS 자료에서 2017 ~ 2018년 중 일 누적 강우량이 80 mm 이상인 날을 조사하였고, 5개 호우사례를 선정하였으며, 이에 대한 상세 내용을 Table 2에 제시하였다. | |
머신러닝이 기상예측분야에 적용되는 이유는? | 최근에는 기상 및 기후와 관련된 자료가 방대해지고 이와 같은 자료를 보다 정확한 예측정보로 만들어내기 위한 빅데이터 기반의 다양한 방법론이 개발되고 있다. 또한 수치예보자료의 정량적 강우량 추정 개선을 위한 인공신경망을 활용한 여러 연구가 이루어져 왔고, 이와 같이 머신러닝은 기상예측분야에서 다양하게 적용되고 있으며 특히, 집중호우와 같이 예측오차가 크고 단기간에 정확한 예측이 필요한 현상에 대해 기존의 예측한계를 보완하기 위한 방법으로 널리 사용되고 있다(Hong, 2008, Kang et al., 2011, Sumi et al, 2012, Parmar et al. | |
정확한 강우 및 홍수예측이 필수적인 이유는? | 최근 기후변화에 따라 전 세계적으로 태풍, 호우, 폭염 등 위험기상의 발생이 증가하고 있으며, 이로 인한 사회 · 경제적 피해도 증대되고 있다. 최근 4년간(2011 ~ 2014년) 우리나라에서 자연재해로 인해 발생한 연평균 재산 피해액은 약 5조 5천억 원으로 추정되며, 이는 2001 ~ 2010년(약 2조 7천억 원) 대비 약 2배, 1991 ~ 2000년(약 7천억 원) 대비 약 7배 이상 증가한 수치이다. |
Hong, W. C., 2008, Rainfall forecasting by technological machine learning models, AMC, 200, 41-57.
Hwang, D. I., Lee, J. H., Seo, D. I., Nah, H. J., Seo, Y. K., 2015, Short-term and 1-hour rain forecast improvement using extrapolation prediction techniques, Proceedings of the Autumn Meeting of Korean Meteorological Society, 260-261.
Kang, B. S., Lee, B. K., 2011, Application of artificial neural network to improve quantitative precipitation forecasts of meso-scale numerical weather prediction, JKWRA, 44(2), 97-107.
Ke, G., Meng, Q., Finely, T., Wang, T., Chen, W., Ma, W., Ye, Q., Liu, T. Y., 2017, LightGBM: A Highly efficient gradient boosting decision tree, 31st conference on neural information processing systems, 3149-3157.
Kim, B. S., Kim, B. K., Kim, H. S., 2008, Flood simulation using the gauge-adjusted radar rainfall and physics-based distributed hydrologic model, hydrol. Process., 22, 4400-4414.
Korea Meteorological Administration, 2017, Meteorological Technology & policy, 10(1).
K-Water, 2016, https://www.water.or.kr/encyclopedia/encyclopedia/encyclopediaview.do?seq527&p_group_seq526&menu_mode4¤tPageNo1&search_Hangulindex&search_Engindex&TERM_SEQNO4485&HANGULTERM&ENGTERM&COMM_CODE&ATTFILE_SEQNO&languegeh&searchTextconcentrationrainfall.
Met Office, 2017, Flood Guidance Statement User Guide.
Ministry of Public Safety and Security, 2015, Statistical yearbook of natural disaster.
Moore, R. J., Cole, S. J., Dunn, S., Ghimire, S., Golding, B. W., Pierce, C. E., Roberts, N. M., Speight, L., 2015, Surface water flood forecasting for urban communities, Aberdeen, CREW, 32. (CREW Report CRW2012_03, CEH Project no. C04830).
Parmar, A., Mistree, K., Sompura, M., 2017, Machine learning techniques for rainfall prediction: A Review, Conference: 2017 international conference on innovations in information embedded and communication systems.
Sumi, S. M., Zaman, M. F., Hirose, H., 2012, A Rainfall forecasting method using machine laerning models and its application to the Fukuoka city case, Int. J. Appl. Math. Comput. Sci., 22(4), 841-854.
WMO (World Meteorological Organization), 2011, Manual on flood forecasting and warning, WMO-No.1072, Geneva, Switzerland.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.