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
- 저고도 비행안전을 위한 기상부문 연구를 위해서 우선은 저고도 비행 안전에 영향을 미치는 기상 요인을 식별할 필요가 있다. 본 연구는 저고도 비행안전에 심대한 영향을 미치는 기상요인을 확인하기 위해 비행 전 또는 준비단계와 비행 중 단계로 구분하여 저고도 항공기 조종사들을 대상으로 설문조사를 실시했다. 조사 결과, 시정, 운량․운고, 풍향․풍속이 중요한 기상 항목이라는 의견을 도출하였으며, 국내에서 다수의 저고도항공기 운항이 이루어지고 있는 태안비행장을 기준으로 인접한 서산공항과 군산공항의 공항예보(TAF: Terminal Aerodrome Forecast)와 정시관측보고(METAR: METeorological Aerodrome Report)를 비교하여 정확도를 산출하였다.
가설 설정
- H0(귀무가설): 예보데이터와 관측데이터의 분포는 같다.
- H1(대립가설): 예보데이터와 관측데이터의 분포는 같지 않다.
제안 방법
- RMSE의 경우도 데이터 변수 단위는 동일하며, RMSE는 통상적으로 가중치를 준 값이기 때문에 직관적인 단위 표현으로 비교하지 않고, 값 자체로 해석하였다. 예를 들어 서산과 군산의 IMC 상황의 관측수가 같다면(비교기준이 같을 경우) IMC 상황에서 서산보다 군산의 RMSE가 조금 더 크기 때문에 군산이 큰 오차값을 조금 더 많이 가짐을 추리할 수 있으나, 해당 상황의 경우 상황이 똑같은 관측수를 가지지 않으므로 비교에 어려움이 있다.
- 공항에서 발표되는 공항예보(TAF)와 정시관측보고(METAR)의 경우, 관측 자료에 대한 공간적 유효범위는 5SM로써 태안비행장과의 공간적 유효범위를 초과하나, 공항 이외의 비행장에서 비행하는 저고도항공기 조종사의 경우 훈련공역의 기상예보를 파악할 수 있는 방법은 인근 비행장의 TAF를 확인하는 것이 유일한 방법이며, 소규모의 비행장 별 기상장비 설치 및 인력배치 등의 한계로 인해 서해안에 인접한 공항으로서 지형적인 특성이나 기타 기상 환경이 유사한 인접 공항인 서산공항과 군산공항의 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 약 5년간의 TAF와 METAR를 비교하여 정확도를 산출하였다.
- 수치형 변수 중 풍속에 대해 실측값보다 예보값이 높게 나오는 경우나, 시정 및 운고에 대해 실측값보다 예보값이 낮게 나오는 경우 실제 비행에는 전혀 문제가 되지 않는다. 그러나 풍향의 경우에는 높고 낮음의 분포가 아닌 방향에 대한 절대오차값을 측정하였기 때문에 월별, 계절별 특성을 확인하기 위해 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 약 5년간 시간별 데이터를 사용하여 월별 풍향에 대한 절대오차를 산출하였다.
- 그러나 비행장 또는 특정 지역의 항공 기상예보를 확인할 수 없는 여건으로 인해 인근 공항의 공항예보를 기준으로 비행 여부를 결정하고 있다. 따라서 태안비행장을 기준하여 인근 공항과의 예보값과 실측값에 대한 오차를 산출 후 동일 공항 내에서 측정한 오차값과 비교 및 검증하였다. 정확도 검증 및 비교를 위한 데이터는 2017년 12월 1일부터 2018년 11월 30일까지 1년간 서산공항, 군산공항의 TAF와 태안 비행장 AMOS 시간별 데이터를 사용하여 정확도 결과를 도출하였다.
- 정확도 검증 기준은 TAF에서 최종 예보되는 시간으로부터 6시간 후의 예보값과 그 시간에 발효되는 METAR의 실측값을 비교하였으며, BECMG의 경우 마지막 발효되는 시간을 기준으로 비교하였다. 또한 기상변화로 인해 SPECI가 발효될 경우, SPECI 예보값과 동일한 시간에 발효되는 METAR의 실측값을 비교하였다. 절대오차의 경우, 5년 평균의 수치를 산출하였으며, 풍향의 경우, 예를 들어 예보값이 350도이고 실측값이 010도인 경우 │350-010│=│340│, 해당식으로 340을 산출하고 360-340=020도를 산출하여 두 가지 중 작은 값을 채택하는 방법을 사용하였다.
- 본 논문에서는 저고도항공기 운항이 많이 이루어지고 있는 태안비행장과 인접한 서산공항, 군산공항의 공항예보(TAF)와 정시관측보고(METAR)를 비교, 정확도를 산출하였다.
- 본론에 수록된 내용은 서해안 인접공항을 중심으로 저고도 항공기상 예측값과 실측값의 정확도 분석과 저고도항공기 기상정보 서비스 구현방안에 대한 내용으로, 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 약 5년간의 서산공항과 군산공항의 TAF와 METAR를 비교하여 정확도를 분석한 후, 분석된 정확도를 검증 및 비교하기 위해 서산공항과 군산공항의 TAF와 태안비행장 공항기상관측 장비(AMOS: Aerodrome Meteorological Observation System)의 정확도를 분석 및 비교하였다.
- 수치형 변수인 시정, 운고, 풍향․풍속은 MAE(Mean Absolute Error)와 RMSE(Root Mean Square Error) 두 가지를 오차의 척도로 정확도를 평가하였으며, 범주형 변수인 운량은 정확도(accuracy)를 계산하여 정확도를 평가하였다.
- 』라고 말하고 있다. 전문가 의견 등을 종합하여 풍향에 대한 월별, 계절별 분석 결과는 국내 계절풍, 특히 겨울로 넘어가는 기간 동안 발생하는 절대 오차값과 해상에 인접한 공항의 경우 육상과 해상에서 발생하는 비열의 차이, 윈드시어 등이 전체적인 풍향의 절대 오차값을 증가시키는 주된 원인으로 분석하였다.
- 또한 기상변화로 인해 SPECI가 발효될 경우, SPECI 예보값과 동일한 시간에 발효되는 METAR의 실측값을 비교하였다. 절대오차의 경우, 5년 평균의 수치를 산출하였으며, 풍향의 경우, 예를 들어 예보값이 350도이고 실측값이 010도인 경우 │350-010│=│340│, 해당식으로 340을 산출하고 360-340=020도를 산출하여 두 가지 중 작은 값을 채택하는 방법을 사용하였다.
- 정확도 검증 기준은 TAF에서 최종 예보되는 시간으로부터 6시간 후의 예보값과 그 시간에 발효되는 METAR의 실측값을 비교하였으며, BECMG의 경우 마지막 발효되는 시간을 기준으로 비교하였다. 또한 기상변화로 인해 SPECI가 발효될 경우, SPECI 예보값과 동일한 시간에 발효되는 METAR의 실측값을 비교하였다.
- 크루스칼 왈리스검정은 Wilcoxon rank-sum test의 확장판으로 모든 값에 대해 순위를 정하고, 집단별로 순위의 합을 구해 검정통계량을 계산한다[7]. 크루스칼 왈리스 검정을 사용하여 다음과 같은 귀무가설과 대립가설을 정립하여 검증한다.
- 항공기상에서 기상 변수인 시정, 풍향, 풍속, 운량, 운고 항목에 대해 예보값과 실제 실측값과의 정확도를 비교하였다. 실측값 비교를 위해서 수치형 변수인 시정, 풍향, 풍속, 운고에 대해서는 MAE와 RMSE 두 가지를 오차의 척도로 사용하였다.
대상 데이터
- MAE 정확도 값 및 절대오차 비교뿐 아니라, 실제 예보값과 실측값이 차이가 있는지를 알아보기 위하여 해당 분포의 분산을 통해 변수별로 모수 검정인 일원 배치 분산분석(One-way ANOVA)으로 접근하였다. 데이터는 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 약 5년간 시간별 데이터와 군산공항, 서산공항의 TAF, METAR를 사용하여 정확도 결과를 도출하였다.
- 표의 ‘IMC Condition’이라고 표기한 부분은 시정이 3마일(5,000미터) 미만, 운고가 3,000ft 미만인 IMC 상황에서의 산출한 정확도를 의미한다. 변수의 단위는 TAF 기준과 동일 기준으로 풍향은 360도로, 풍속 단위는 kts로 0부터 최대99kts(49m/s) 표출되며, 시정은 m로 최대 9,999m까지 기록되고, 운고는 ft(ft) 단위를 사용하였다. 전체적으로 MAE 값의 의미는 시간별로 보았을 때, 예보값과 실측값 오차 차이는 평균 풍향 42.
- Table 9는 수치형 변수인 풍향, 풍속, 운고, 시정의 MAE값을 나타낸다. 본 논문 4.1장에서 분석된 수치형 변수 오차 정확도와 동일하게 변수의 단위는 TAF 기준과 동일 기준으로 풍향은 360도로, 풍속 단위는 kts로 0부터 최대 99kts(49m/s) 표출되며, 운고는 ft(ft) 단위, 시정은 m를 사용하였다.
- 월별, 계절별 오차 확인을 위해 전체 평균 절대오차값을 기준으로 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 5년간의 동일공항 내 TAF와 METAR 절대오차값과 2017년 12월 1일부터 2018년 11월 30일까지 1년간 서산공항, 군산공항의 TAF와 태안비행장 AMOS 시간별 데이터의 절대오차값을 비교하였다.
- 따라서 태안비행장을 기준하여 인근 공항과의 예보값과 실측값에 대한 오차를 산출 후 동일 공항 내에서 측정한 오차값과 비교 및 검증하였다. 정확도 검증 및 비교를 위한 데이터는 2017년 12월 1일부터 2018년 11월 30일까지 1년간 서산공항, 군산공항의 TAF와 태안 비행장 AMOS 시간별 데이터를 사용하여 정확도 결과를 도출하였다. Table 9는 수치형 변수인 풍향, 풍속, 운고, 시정의 MAE값을 나타낸다.
- 정확도 산출을 위한 데이터는 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 약 5년간 시간별 데이터를 사용하여 정확도 결과를 도출하였다. Table 1과 Table 2는 수치형 변수인 풍향, 풍속, 시정, 운고의 MAE와 RMSE값을 나타낸다.
데이터처리
- MAE 정확도 값 및 절대오차 비교뿐 아니라, 실제 예보값과 실측값이 차이가 있는지를 알아보기 위하여 해당 분포의 분산을 통해 변수별로 모수 검정인 일원 배치 분산분석(One-way ANOVA)으로 접근하였다. 데이터는 2014년 1월 1일 06시부터 2018년 12월 2일 23시까지 약 5년간 시간별 데이터와 군산공항, 서산공항의 TAF, METAR를 사용하여 정확도 결과를 도출하였다.
- 2e-16으로 표기하므로, 다음의 결과는 변수들이 정규성 분포를 띄고 있지 않음을 의미하고 있다. 따라서 모수검정을 할 수가 없기 때문에 비모수 검정인 크루스칼 왈리스 검정(Kruskal-Wallis test)을 시행하였다. 크루스칼 왈리스검정은 Wilcoxon rank-sum test의 확장판으로 모든 값에 대해 순위를 정하고, 집단별로 순위의 합을 구해 검정통계량을 계산한다[7].
- 수치형 변수인 풍향․풍속, 운고, 시정의 경우, MAE 및 RMSE 정확도 분석 결과에서 도출된 각 항목별 절대오차를 근거하여 예보값과 실측값의 차이를 알아보기 위하여 변수별로 모수 검정인 일원배치 분산분석으로 접근하였으며, 정규성 가정과 등분산성 가정의 만족 유무를 판단하기 위해 샤피로-윌크 검정을 수행하여 수치형 변수에 대해 정규성 분포를 띄고 있지 않음을 확인하였다. 모수 검정이 불가하다는 판단 후 비모수 검정인 크루스칼-왈리스 검정을 시행하여 귀무가설(예보데이터와 관측데이터의 분포는 같다.)과 대립가설(예보데이터와 관측데이터의 분포는 같지 않다.)을 정립하여 검증하였다. 수치형 변수들의 절대 오차값을 기준하여 백분율로 정확도를 산출할 수는 없었지만, 정규성 분포에 대한 검증과 비모수 검정을 통해 예보값과 실측값의 분포가 같지 않음을 검증함으로써 저고도 항공기상 예보가 부정확하다는 것을 확인하였다.
- 수치형 변수 오차 정확도를 확인하기 위해 MAE와 RMSE를 척도로 정확도를 평가했으며, 이는 다음의 식과 같이 정의된다.
- 수치형 변수는 MAE 및 RMSE 정확도 분석 결과에서 도출된 각 항목별 절대오차를 근거로 예보값과 실측값의 차이 분석을 위해 변수별로 모수 검정인 일원배치 분산분석(one-way ANOVA)을 활용하였다. 정규성 및 등분산성 가정의 만족 유무를 판단하기 위해 샤피로-윌크 검정(Shapiro-Wilk test)을 시행하여 수치형 변수에 대해 정규성 분포를 띄고 있지 않음을 확인하였으며, 비모수 검정인 크루스칼-왈리스 검정(KruskalWallis test)을 시행하여 귀무가설 ‘예보데이터와 관측 데이터의 분포는 같다.
- 수치형 변수인 풍향․풍속, 운고, 시정의 경우, MAE 및 RMSE 정확도 분석 결과에서 도출된 각 항목별 절대오차를 근거하여 예보값과 실측값의 차이를 알아보기 위하여 변수별로 모수 검정인 일원배치 분산분석으로 접근하였으며, 정규성 가정과 등분산성 가정의 만족 유무를 판단하기 위해 샤피로-윌크 검정을 수행하여 수치형 변수에 대해 정규성 분포를 띄고 있지 않음을 확인하였다. 모수 검정이 불가하다는 판단 후 비모수 검정인 크루스칼-왈리스 검정을 시행하여 귀무가설(예보데이터와 관측데이터의 분포는 같다.
- 정규성 및 등분산성 가정의 만족 유무를 판단하기 위해 샤피로-윌크 검정(Shapiro-Wilk test)을 시행하여 수치형 변수에 대해 정규성 분포를 띄고 있지 않음을 확인하였으며, 비모수 검정인 크루스칼-왈리스 검정(KruskalWallis test)을 시행하여 귀무가설 ‘예보데이터와 관측 데이터의 분포는 같다.
- 정확도 분석은 수치형 변수인 풍향․풍속, 운고, 시정에 대해서는 MAE(mean absolute error)와 RMSE(root mean square error) 두 가지를 오차의 척도로 정확도를 평가하였다. 분석 결과, 전체적으로 예보값과 실측값 오차 차이는 평균 풍향 42.
- 따라서 모수검정을 할 수가 없기 때문에 비모수 검정인 크루스칼 왈리스 검정(Kruskal-Wallis test)을 시행하였다. 크루스칼 왈리스검정은 Wilcoxon rank-sum test의 확장판으로 모든 값에 대해 순위를 정하고, 집단별로 순위의 합을 구해 검정통계량을 계산한다[7]. 크루스칼 왈리스 검정을 사용하여 다음과 같은 귀무가설과 대립가설을 정립하여 검증한다.
이론/모형
- 항공기상에서 기상 변수인 시정, 풍향, 풍속, 운량, 운고 항목에 대해 예보값과 실제 실측값과의 정확도를 비교하였다. 실측값 비교를 위해서 수치형 변수인 시정, 풍향, 풍속, 운고에 대해서는 MAE와 RMSE 두 가지를 오차의 척도로 사용하였다.
성능/효과
- 범주형 변수인 운량은 정확도(Accuracy)를 계산하여 비교한 결과 약 25%의 정확도를 확인할 수 있었다. 결론적으로 저고도 항공기상의 경우 비모수 검정과 정확도를 근거로 TAF의 예보값과 TAF가 발효된 시점에서 METAR의 실측값은 많은 오차를 보이고 있다는 것을 검증하였다.
- 4는 월별 운고에 대한 절대오차 비교를 보여주고 있으며, 동일공항 내 TAF와 METAR 절대오차값과 유사한 패턴을 보이고 있다. 단, 운고의 경우, BKN 이상의 운량에서만 측정이 가능하기 때문에 BKN 이하의 운량이 많은 가을철에는 절대오차값이 급격히 감소하는 것으로 분석하였다.
- 05보다 작으므로 귀무가설을 기각한다. 따라서 대립가설대로 예보값과 실측값의 분포가 같지 않음을 증명하였다. 이를 데이터 분포를 시각화하면 다음 Table 7 및 Table 8과 같다.
- 범주형 변수인 운량은 정확도(Accuracy)를 계산하여 비교한 결과 약 25%의 정확도를 확인할 수 있었다. 결론적으로 저고도 항공기상의 경우 비모수 검정과 정확도를 근거로 TAF의 예보값과 TAF가 발효된 시점에서 METAR의 실측값은 많은 오차를 보이고 있다는 것을 검증하였다.
- 정확도 분석은 수치형 변수인 풍향․풍속, 운고, 시정에 대해서는 MAE(mean absolute error)와 RMSE(root mean square error) 두 가지를 오차의 척도로 정확도를 평가하였다. 분석 결과, 전체적으로 예보값과 실측값 오차 차이는 평균 풍향 42.03도, 풍속 3.62kts, 시정 2,197.6미터, 운고 약 445ft 정도의 절대오차를 가지며, 서산의 IMC 상황일 경우는 평균 풍향 43.52도, 풍속 4.12kts, 시정 2,767.46미터, 운고 약 246ft, 군산의 IMC 상황일 경우는 평균 풍향 45.78도, 풍속 3.66kts, 시정 2,595.63미터, 운고 약 235ft 정도의 절대오차를 보이고 있었다. 또한 월별, 계절별로 구분하여 오차 산출 결과, 월별 오차의 경우 2월(52.
- 서산공항 및 군산공항의 TAF와 인근 비행장인 태안 비행장의 AMOS자료를 비교하여 MAE 정확도 절대오차를 바탕으로 분석 결과, 동일 공항 내에서의 분석 결과와 동일하게 예보값과 실측값의 분포가 같지 않음을 추정할 수 있다.
- 서산공항 및 군산공항의 TAF와 인근 비행장인 태안 비행장의 AMOS자료를 비교하여 MAE 정확도 절대오차를 바탕으로 분석 결과, 동일 공항 내에서의 분석 결과와 동일하게 예보값과 실측값의 분포가 같지 않음을 추정할 수 있다.
- )을 정립하여 검증하였다. 수치형 변수들의 절대 오차값을 기준하여 백분율로 정확도를 산출할 수는 없었지만, 정규성 분포에 대한 검증과 비모수 검정을 통해 예보값과 실측값의 분포가 같지 않음을 검증함으로써 저고도 항공기상 예보가 부정확하다는 것을 확인하였다.
- 지금까지의 분석 결과를 종합하면, 서산공항과 군산공항의 TAF와 METAR를 비교한 결과, 수치형 변수인 풍향․풍속, 운고, 시정에 대해서는 MAE와 RMSE 두 가지를 오차의 척도로 정확도를 평가하여 각 항목에 대한 절대오차를 산출하였으며, 정규성 가정과 등분산성 가정의 만족 유무를 판단하기 위해 샤피로-윌크 검정(Shapiro-Wilk test)을 수행하여 수치형 변수에 대해 정규성 분포를 띄고 있지 않음을 확인하였다. 이후 비모수 검정인 크루스칼-왈리스 검정(Kruskal-Wallis test)을 시행하여 대립가설인 예보데이터와 관측데이터의 분포는 같지 않음을 검증하였으며, 인근 비행장의 AMOS와 비교, 검정 결과 유사한 절대오차를 보이고 있었다.
- 변수의 단위는 TAF 기준과 동일 기준으로 풍향은 360도로, 풍속 단위는 kts로 0부터 최대99kts(49m/s) 표출되며, 시정은 m로 최대 9,999m까지 기록되고, 운고는 ft(ft) 단위를 사용하였다. 전체적으로 MAE 값의 의미는 시간별로 보았을 때, 예보값과 실측값 오차 차이는 평균 풍향 42.03도, 풍속 3.62kts, 시정 2,197.6미터, 운고 약 445ft정도의 절대오차를 가지며, 서산의 IMC 상황일 경우는 평균 풍향 43.52도, 풍속 4.12kts, 시정 2,767.46미터, 운고 약 246ft, 군산의 IMC 상황일 경우는 평균 풍향 45.78도, 풍속 3.66kts, 시정 2,595.63미터, 운고 약 235ft 정도의 절대오차를 가짐으로 해석할 수 있다.
- 정확도 검증 및 비교를 위해 2017년 12월 1일부터 2018년 11월 30일까지 1년간 서산공항, 군산공항의 TAF와 태안비행장 AMOS 시간별 데이터를 사용하여 정확도 분석 결과 동일 공항의 TAF와 METAR 데이터 비교로 산출된 정확도와 인근 공항 TAF와 태안비행장의 AMOS 데이터 비교로 산출된 정확도는 유사한 절대오차를 가지는 것으로 분석되었다. 서산공항 및 군산공항의 TAF와 인근 비행장인 태안비행장의 AMOS자료를 비교하여 MAE 정확도 절대오차를 바탕으로 분석 결과, 동일 공항내에서의 분석 결과와 동일하게 예보값과 실측값의 분포가 같지 않음을 추정할 수 있다.
- 본 연구는 저고도 비행안전에 심대한 영향을 미치는 기상요인을 확인하기 위해 비행 전 또는 준비단계와 비행 중 단계로 구분하여 저고도 항공기 조종사들을 대상으로 설문조사를 실시했다. 조사 결과, 시정, 운량․운고, 풍향․풍속이 중요한 기상 항목이라는 의견을 도출하였으며, 국내에서 다수의 저고도항공기 운항이 이루어지고 있는 태안비행장을 기준으로 인접한 서산공항과 군산공항의 공항예보(TAF: Terminal Aerodrome Forecast)와 정시관측보고(METAR: METeorological Aerodrome Report)를 비교하여 정확도를 산출하였다.
- 지금까지의 분석 결과를 종합하면, 서산공항과 군산공항의 TAF와 METAR를 비교한 결과, 수치형 변수인 풍향․풍속, 운고, 시정에 대해서는 MAE와 RMSE 두 가지를 오차의 척도로 정확도를 평가하여 각 항목에 대한 절대오차를 산출하였으며, 정규성 가정과 등분산성 가정의 만족 유무를 판단하기 위해 샤피로-윌크 검정(Shapiro-Wilk test)을 수행하여 수치형 변수에 대해 정규성 분포를 띄고 있지 않음을 확인하였다. 이후 비모수 검정인 크루스칼-왈리스 검정(Kruskal-Wallis test)을 시행하여 대립가설인 예보데이터와 관측데이터의 분포는 같지 않음을 검증하였으며, 인근 비행장의 AMOS와 비교, 검정 결과 유사한 절대오차를 보이고 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.