초록 ▼

1. 이 범주 예보 경우 예측성 평가측도 선정 가이던스 개발
(1) 이 범주 몬테카를로 모의실험 설계:
- 4 종류 관측발생빈도비율, 5가지 발생확률 분포형태, 2 종류 예측 정확도 고려
(2) 4 종류 예측성 평가측도(HSS, HR, TSS, TS)를 고려
(3) 모의실험 후 예보 결과를 2x2 분할표로 작성하여 최적 예측성평가측도 결정
- 기상예보관 의견 조사, 예보패턴별 최적 예측성평가측도 선정 가이던스 제시
2. 세 범주 예보 경우 예측성 평가측도 선정 가이던스 개발
(1) 세 범주 몬테

1. 이 범주 예보 경우 예측성 평가측도 선정 가이던스 개발
(1) 이 범주 몬테카를로 모의실험 설계:
- 4 종류 관측발생빈도비율, 5가지 발생확률 분포형태, 2 종류 예측 정확도 고려
(2) 4 종류 예측성 평가측도(HSS, HR, TSS, TS)를 고려
(3) 모의실험 후 예보 결과를 2x2 분할표로 작성하여 최적 예측성평가측도 결정
- 기상예보관 의견 조사, 예보패턴별 최적 예측성평가측도 선정 가이던스 제시
2. 세 범주 예보 경우 예측성 평가측도 선정 가이던스 개발
(1) 세 범주 몬테카를로 모의실험 설계
- 2종류 관측 발생빈도분포, 3가지 발생확률분포형태, 2 종류 예측 정확도 고려
- 2 종류의 문턱치 개수(2개, 3개)에 따른 예보생성 알고리즘 고려
(2) 3 종류 예측성 평가측도(HSS, HR, TSS)를 고려
(3) 모의실험 후 예보 결과를 3x3 분할표로 작성하여 최적 예측성평가측도 결정
- 기상예보관 의견 조사, 예보패턴별 최적 예측성평가측도 선정 가이던스 제시

Abstract ▼

(1) This study is performed via the Monte-Carlo simulation which uses artificial data generated by the random variate sampling from statistical distributions.
(2) For this study, binary forecast and ternary forecast are considered.
(3) We consider forecast patterns which consist of four compon

(1) This study is performed via the Monte-Carlo simulation which uses artificial data generated by the random variate sampling from statistical distributions.
(2) For this study, binary forecast and ternary forecast are considered.
(3) We consider forecast patterns which consist of four components (occurrence rates of observations, distribution modes of estimated probabilities, variation modes and number of threshold).
(4) Four skill scores (Heidke skill score, hit rate, true skill statistic, threat score) are considered and compared.
(5) Procedure of Monte Carlo simulation for binary forecast
For each occurrence rate, distribution and variation mode, do following steps.
[Step 1] Generate 10,000 observations which consist of 0 and 1 and sort them.
[Step 2] Generate 10,000 probabilities from each distribution and sort them.
[Step 3] Generate 10,000 variations from normal distribution.
[Step 4] Add the values of [step 3] to probabilities of [step 2]. And then modify the data so that they belong to [0,1].
[Step 5] Merge the data in [Step 1] ~ [Step 4].
[Step 6] With varying threshold from 0 to 1, do followings;
[6.1] Generate binary forecasts using threshold.
[6.2] Generate 2×2 table for each case.
[6.3] Compute skill scores (HSS, HR, TSS, TS).
[Step 7] Find the threshold that has the maximal score for each skill score separately.
[Step 8] Compare the 2x2 tables for each forecast pattern.
[Step 9] Make the guidance on the choice of threshold for each forecast pattern.
(6) Procedure of Monte Carlo simulation for ternary forecast is similar to binary forecast except two or three thresholds, 3 distribution modes, 2 observation modes.
(7) The results of simulation are summarized on 2x2 table or 3x3 table with skill scores and corresponding optimal thresholds.

목차 Contents

• 제출문 ...1
• 보고서 요약서 ...2
• 요약문 ...3
• SUMMARY ...7
• CONTENTS ...10
• 목차 ...11
• List of Figures ...12
• List of Tables ...13
• 제1장 연구개발과제의 개요 ...15
• 1.1 예측성 평가측도 ...15
• 1.2 연구의 필요성과 목적 ...16
• 제2장 국내외 기술개발 현황 ...20
• 제3장 연구개발수행 내용 및 결과 ...21
• 3.1 이 범주 예보 경우 ...21
• 3.1.1. 모의실험 설계 ...22
• 3.1.2 모의실험 결과 분석 및 요약 ...28
• 3.1.3 이 범주 예보에서 예측성평가측도 선정 가이던스 ...51
• 3.1.4 요약 ...55
• 3.2 세 범주 예보 ...56
• 3.2.1 모의실험 설계 ...56
• 3.2.2 모의실험 결과 분석 및 요약 ...61
• 3.2.3 세 범주 예보에서 예측성 평가측도 선정 가이던스 ...75
• 3.2.4 요약 ...77
• 제4장 목표달성도 및 관련분야에의 기여도 ...79
• 제5장 연구개발결과의 활용계획 ...80
• 제6장 연구개발과정에서 수집된 해외과학기술정보 ...81
• 제7장 참고문헌 ...82
• 부 록 ...84