ANFIS 기반의 GloSea5 강수전망 후처리기법 개발 및 평가 = Development and evaluation of postprocessing GloSea5 precipitation forecasts based on ANFIS
저자
발행사항
서울 : 세종대학교 대학원, 2019
학위논문사항
학위논문(석사)-- 세종대학교 대학원 : 건설환경공학 2019.2
발행연도
2019
작성언어
한국어
주제어
DDC
628 판사항(22)
발행국(도시)
서울
형태사항
73p. : 삽도 ; 26cm
일반주기명
지도교수:배덕효
참고문헌: p.66-71
UCI식별코드
I804:11042-200000177182
소장기관
한정된 수자원을 효율적으로 활용하고 홍수나 가뭄 등의 수재해로 인한 피해를 예방하기 위해서는 보다 정확한 수문전망이 요구된다. 수문전망은 기상-수문연계해석을 통해 이루어지며, 수문모델의 입력자료로 수치예보모델의 기상전망자료가 활용된다. 수치예보모델을 통한 기상전망은 모델의 물리조건, 초기 및 경계조건의 영향으로 예측의 불확실성이 큰 한계를 갖는다. 이러한 불확실성을 정량화하고 분석하기 위해 앙상블 예보시스템이 널리 활용 되고 있다. 앙상블 평균이 예보에 활용되나, 앙상블 평균 기반의 기상전망정보 역시 정확도가 낮아 수문전망에 직접적으로 활용하기에는 한계가 있다. 이에 따라 기상전망자료를 활용하기 위해서는 통계적 후처리기법이 요구된다. 이에 본 연구에서는 장기 기상전망자료의 수자원 활용을 위한 통계적 후처리기법을 개발하여 월 강수전망의 정확도를 개선시키고자 한다. 대상유역은 국내 주요 다목적댐인 충주댐 유역을 선정하였으며, 대상 기상전망자료는 기상청 계절예측시스템의 월 강수전망자료를 활용하였다. 가장 대표적인 후처리기법인 분위사상법 기반의 방법과 본 연구에서 개발한 ANFIS (Adaptive Neuro Fuzzy Inference System) 기반의 앙상블 기상 전망 개선 기법 AEWF (ANFIS based Ensemble Weather Forecast)을 충주댐 유역에 대해 적용하고 비교 평가하였다. 분위사상법 기반의 기법으로 QM (Quantile Mapping)과 QDM (Quantile Delta Mapping)을 활용하였으며, 자료의 확률분포형으로 Gumbel, Gamma 분포를 활용하였다. AEWF는 각 앙상블 멤버에 가중치를 부여하는 단계와 편의보정을 위한 단계로 구성된다. 각 기법의 구축에는 1996∼2009년 동안의 과거재현자료(HCST) 및 기상관측자료가 활용되며, 2015∼2016년 동안의 미래전망자료(FCST)를 활용하여 기법을 평가하였다. 평가결과 QM, QDM, AEWF 모두 GloSea5를 개선시키는 것으로 나타났다. 다만 QM, QDM은 과거 관측 및 재현자료의 영향을 받아 평년값에서 벗어나는 예측값의 경우 개선효과가 적은 것으로 나타났다. Gamma 분포의 결과가 Gumbel 분포 보다 개선효과가 우수하였으며, 이는 Gamma 분포가 관측자료와 HCST 자료를 더 적절하게 반영하기 때문으로 판단된다. AEWF는 모든 계절에 대해 개선효과가 우수하였으며, 세 기법 중 예측정확도가 가장 뛰어났다. AEWF의 경우 평년값에서 벗어나는 사상에 대해서도 개선효과가 뛰어났으며, 이는 AEWF의 경우 앙상블 멤버의 예측성능을 고려한 해석이 가능하기 때문으로 판단된다. 따라서 AEWF는 GloSea5 1개월 강수전망의 후처리기법으로 개선효과가 우수하여, 월 전망자료의 수문분야 적용 시 활용성이 높을 것으로 판단된다.
더보기A more accurate hydrological forecast is needed to efficiently utilize of limited water resources and prevent damage from water disasters such as floods and droughts. Hydrological forecasting is done through linkage between meteo and hydrologic analysis and weather forecasting data of numerical forecasting model is used as input data of hydrological model. Weather forecasting through NWP (Numerical Weather Prediction) model has limitation to predict uncertainty due to initial and boundary condition of model. EPS (Ensemble Prediction System) is widely used to quantify and analyze these uncertainties. Although the ensemble average is used for forecasting, the ensemble average is not accurate enough to be used directly for hydrological forecasting. Therefore, statistical post-processing techniques are required to utilize weather forecast data. In this study, statistical post-processing methods are developed for using of hydrological forecasting data to improve the accuracy of monthly precipitation forecasts. The watershed of the Chungju multi-purpose dam in South Korea is selected as a study area. The target weather forecast information is based on the monthly precipitation FCST (forecast) data of GS5 (Global Seasonal forecasting system version 5) of the KMA (Korea Meterological Administration). The QM-based technique, which is the most representative post-processing technique, and the AEWF (ANFIS-based enhancement of Ensemble Weather Forecast) are developed in this study. QM (Quantile Mapping) and QDM (Quantile Delta Mapping) are used as QM-based techniques and Gumbel and Gamma distribution is used as a probability distribution of data. AEWF consists of OWM (Optimal Weighting Method) that assigns weights to each ensemble member and MOS (Model Output Statistics) for bias correction. HCST (hindcast) data and meteorological observed data from 1996 to 2009 are used to construct each technique, and then the technique is evaluated using FCST data for 2015-2016. The results showed that QM, QDM, and AEWF improved the ability of forecast by GS5. However, QM and QDM show little improvement in forecast values deviating from normal values, which is attributed to the past observations and HCST data. The result showed that AEWF has significant improvement during all seasons, and the prediction accuracy is the best among the three methods. The AEWF was also effective in improving the data deviating from normal values, because it is possible to interpret it considering the predictive performance of the ensemble members. Moreover, AEWF showed a considerable improvement for monthly precipiation forecast by GS5 which can be applied for monthly forecast of hydrological fields.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)