• Korean Journal of Agricultural and Forest Meteorology
• /
• v.25 no.4
• /
• pp.368-375
• /
• 2023

In this study, we examined the error characteristic and bias correction method for one-month temperature forecast data produced through joint development between the Rural Development Administration and the H ong Kong University of Science and Technology. For this purpose, hindcast data from 2013 to 2021, weather observation data, and various environmental information were collected and error characteristics under various environmental conditions were analyzed. In the case of maximum and minimum temperatures, the higher the elevation and latitude, the larger the forecast error. On average, the RMSE of the forecast data corrected by the linear regression model and the XGBoost decreased by 0.203, 0.438 (maximum temperature) and 0.069, 0.390 (minimum temperature), respectively, compared to the uncorrected forecast data. Overall, XGBoost showed better error improvement than the linear regression model. Through this study, it was found that errors in prediction data are affected by topographical conditions, and that machine learning methods such as XGBoost can effectively improve errors by considering various environmental factors.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.26-26
• /
• 2017

우리나라는 하천 및 호수 등 지표수에 대한 수자원 의존도가 매우 높다. 지표수는 태양광에 노출되어 있고, 기온의 영향을 직접 받기 때문에 기후변화에 대해 매우 민감한 수체이다. 기후변화로 인한 이상 저온, 이상 고온, 홍수, 가뭄 등의 자연 현상은 하천, 호수의 물리화학적 및 생태학적 특성을 변화(교란)시키고 있다. 이러한 기상현상에 변동되는 수질특성을 고려하여 기상청 확률기상예보를 구축된 인공신경망 예측모형의 입력인자로 적용하여 수질예보시스템을 개발하고자 하였다. 모형구축은 실제 일어난 기상관측자료와 요인분석을 통해 분류한 수질인자를 반영하여 단위유역별 수질예측을 위한 ANN학습을 실시하였다. 각 단위유역마다 기상요인의 공간적 세밀화 적용을 위해 각각 남강A, 남강B는 산청기상대, 남강C, 남강D는 진주기상대, 남강E는 의령기상대 자료를 이용하였으며, 수질항목은 DO, BOD, COD, TOC, T-P, SS 총 6개로 단위유역 5개에서 총 30개 예측모형 구축을 위한 자료를 수집하였다. 학습된 인공신경망 예측모형에 기상청 확률예보 값을 입력인자로 사용하여 모형평가를 실시하였다. 5개 단위유역 중 상대적으로 유역관리의 시급성을 고려하여 남강댐 하류 단위유역인 남강D, 남강E 인공신경망 모형의 입력자료로 적용하여 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.27-27
• /
• 2017

신뢰성 있는 수개월 선행시간의 댐 유입량 예측은 가뭄 상황으로 진입하는 시점에서 효율적인 댐 운영을 위해 필수적이다. 최근 기후변화로 인한 강수량의 경년 및 계절 내 변동성이 증가됨에 따라서 기존의 과거 통계치를 이용한 댐 운영 의사결정은 많은 도전을 받고 있다. 최근 엘리뇨-남방진동(ENSO) 등의 전구기후지수와 지역수문기후와의 원격상관성을 활용하여 수개월 이후에 대한 수문조건을 통계적으로 예측하기 위한 연구가 시도되고 있다. 또한 매월 제공되는 역학적 예측모형으로부터 생산된 월단위 예측정보를 유량예측을 위한 유역모형에 활용하기 위하여 편이보정 및 상세화 기법이 개발되어 활용되고 있다. 본 연구에서는 댐 유입량 예측을 위해 SWAT 모형을 선정하였고 최장 6개월 선행 강수량 및 기온의 예측을 위해서 하이브리드 계절예측 시스템을 활용하였다. 이 시스템은 전지구역학적 예측모형의 자료를 편이보정을 거쳐 직접적으로 사용하는 단순 편이보정(Simple Bias Correction, SBC) 방법에 회귀모형을 이용하여 통계적인 방법으로 예측자료를 생산하는 전구기후지수 기반의 Climate Index Regression (CIR), 실시간 재분석자료 기반의 Observation-based Moving Window Regression (MWR-Obs), 역학적 예측모형의 예측자료 기반의 Moving Window Regression (MWR) 방법을 통합하여 사용하고 있다. 충주댐을 대상으로 우선 관측자료를 이용하여 SWAT 모형을 검 보정한 후, 관측기간에 대하여 하이브리드 시스템에 의한 예측 기상자료를 적용하여 모의된 댐 유입량과 관측 유입량과의 비교를 통해 예측성을 평가하였다. 본 연구는 다양한 기후정보를 활용하여 댐 유입량 예측에 있어서 예측성을 높이고자 시도되었으며, 도출된 결과는 향후 충주댐 운영에 유용한 정보를 제공할 수 있는 것으로 판단된다.

• Communications for Statistical Applications and Methods
• /
• v.16 no.1
• /
• pp.127-135
• /
• 2009

It is necessary to forecast the amount of the maximum electricity demand for stabilizing the flow of electricity. The time series data was collected from the Korea Energy Research between January 2000 and December 2006. The data showed that they had a strong linear trend and seasonal change. Winters seasonal model, ARMA model were used to examine it. Root mean squared prediction error and mean absolute percentage prediction error were a criteria to select the best model. In addition, a nonstationary generalized extreme value distribution with explanatory variables was fitted to forecast the maximum electricity.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.18 no.4
• /
• pp.199-207
• /
• 2016

This study was conducted to develop a forest fire occurrence model using meteorological characteristics for practical forecasting of forest fire danger rate by reflecting the climate change for the time period of 2000yrs. Forest fire in South Korea is highly influenced by humidity, wind speed, temperature, and precipitation. To effectively forecast forest fire occurrence, we developed a forest fire danger rating model using weather factors associated with forest fire in 2000yrs. Forest fire occurrence patterns were investigated statistically to develop a forest fire danger rating index using times series weather data sets collected from 76 meteorological observation centers. The data sets were used for 11 years from 2000 to 2010. Development of the national forest fire occurrence probability model used a logistic regression analysis with forest fire occurrence data and meteorological variables. Nine probability models for individual nine provinces including Jeju Island have been developed. The results of the statistical analysis show that the logistic models (p<0.05) strongly depends on the effective and relative humidity, temperature, wind speed, and rainfall. The results of verification showed that the probability of randomly selected fires ranges from 0.687 to 0.981, which represent a relatively high accuracy of the developed model. These findings may be beneficial to the policy makers in South Korea for the prevention of forest fires.

• Journal of Korea Water Resources Association
• /
• v.54 no.12
• /
• pp.1243-1254
• /
• 2021

For water resources operation or agricultural water management, it is important to accurately predict evapotranspiration for a long-term future over a seasonal or monthly basis. In this study, reference evapotranspiration forecast (up to 12 months in advance) was performed using statistically predicted monthly temperatures and temperature-based Hamon method for the Han River basin. First, the daily maximum and minimum temperature data for 15 meterological stations in the basin were derived by spatial-temporal downscaling the monthly temperature forecasts. The results of goodness-of-fit test for the downscaled temperature data at each site showed that the percent bias (PBIAS) ranged from 1.3 to 6.9%, the ratio of the root mean square error to the standard deviation of the observations (RSR) ranged from 0.22 to 0.27, the Nash-Sutcliffe efficiency (NSE) ranged from 0.93 to 0.95, and the Pearson correlation coefficient (r) ranged from 0.97 to 0.98 for the monthly average daily maximum temperature. And for the monthly average daily minimum temperature, PBIAS was 7.8 to 44.7%, RSR was 0.21 to 0.25, NSE was 0.94 to 0.96, and r was 0.98 to 0.99. The difference by site was not large, and the downscaled results were similar to the observations. In the results of comparing the forecasted reference evapotranspiration calculated using the downscaled data with the observed values for the entire region, PBIAS was 2.2 to 5.4%, RSR was 0.21 to 0.28, NSE was 0.92 to 0.96, and r was 0.96 to 0.98, indicating a very high fit. Due to the characteristics of the statistical models and uncertainty in the downscaling process, the predicted reference evapotranspiration may slightly deviate from the observed value in some periods when temperatures completely different from the past are observed. However, considering that it is a forecast result for the future period, it will be sufficiently useful as information for the evaluation or operation of water resources in the future.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.124-124
• /
• 2012

기후변화가 수자원에 미치는 영향을 예측하는 데에 널리 사용되는 GCMs (General Circulation Models)는 모의 결과의 시 공간적 해상도가 낮기 때문에 상세화 (Downscaling) 기법을 거쳐 수문 모형에 적용된다. 상세화 기법은 크게 역학적 상세화 (Dynamical downscaling)와 통계적 상세화 (Statistical downscaling)로 구분되며, 종류가 매우 다양하고 각각의 모의 능력에 차이가 있으므로 적절한 기법을 선택할 필요가 있다. 본 연구의 목적은 통계적 상세화 기법 중 인공신경망과 LARS-WG 모형을 활용하여 CGCM3.1 T63의 모의 결과를 상세화하고, 두 모형의 모의 결과를 비교하는 데에 있다. 인공신경망은 비선형함수에 의한 전이함수 모형인 반면 LARS-WG는 추계학적 기상 발생기 모형으로, 각 모형을 이용해 CGCM3.1 T63의 강수량 및 평균기온 모의 결과를 서울 지역에 대해 공간적으로 상세화하였다. 모형의 검 보정은 1971년부터 2000년까지 30년 동안의 서울 관측소 일 기상 자료와 CGCM3.1 T63 (20C3M 시나리오) 모의 결과를 이용하여 수행하였다. 각 기법의 비교 및 평가는 2001년부터 2011년까지 11년 동안의 일 기상 자료와 CGCM3.1 T63 (IPCC SRES A1B 시나리오) 모의 결과를 이용하였다. 분석 결과, 인공신경망 모형은 입력 자료의 형태에 따라 모의 결과가 크게 달라지는 특성을 보였으며, LARS-WG 모형은 강수량을 실제보다 과소 추정하는 경향을 보였다. 본 연구에서는 강수량과 평균기온만을 대상으로 하였으나, 추후에 다른 기상인자를 고려함으로써 모형의 적용성을 보다 종합적으로 판단할 수 있을 것이다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.2 no.3
• /
• pp.73-78
• /
• 2001

BP neural network model and multiple-regression model were composed for forecasting the special-days load. Special-days load was forecasted using that neural network model made use of pattern conversion ratio and multiple-regression made use of weekday-change ratio. This methods identified the suitable as that special-days load of short and long term was forecasted with the weekly average percentage error of 1∼2[%] in the weekly peak load forecasting model using pattern conversion ratio. But this methods were hard with special-days load forecasting of summertime. therefore it was forecasted with the multiple-regression models. This models were used to the weekday-change ratio, and the temperature-humidity and discomfort-index as explanatory variable. This methods identified the suitable as that compared forecasting result of weekday load with forecasting result of special-days load because months average percentage error was alike. And, the fit of the presented forecast models using statistical tests had been proved. Big difficult problem of peak load forecasting had been solved that because identified the fit of the methods of special-days load forecasting in the paper presented.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.179-183
• /
• 2009

본 연구에서는 GCM 기후변화 전망 시나리오를 이용하여 유역단위의 기후변화를 추정하였다. 원시 GCM 시나리오를 지역화 시키기 위해서 인공신경망 모형을 사용하였다. GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수는 인공신경망의 잠재적 예측인자로 사용되었으며, AWS에서 관측된 강수량과 온도는 예측변수로 사용되었다. 원시 GCM 데이터는 CCCma(Canadian Centre for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 인공신경망 학습과정에서 사용된 기준시나리오(reference scenario)자료의 기간은 1997년부터 2000년까지의 데이터를 사용하였다. 인공신경망을 학습을 통하여 결정된 각 층사이의 가중치를 이용하여 이산화탄소 배출농도를 가정하여 생성된 CGCM3.1/T63 SRES B1 기후변화시나리오(project scenario)를 인공신경망의 입력값으로 하여 미래의 기온과 강수변화를 전망하였다. 신경망의 학습효과를 높이기 위하여 기온과 강수에 대한 평균 및 누적기간을 각각 일단위와 월단위로 설정하였다. 본 연구에서 사용된 인공신경망은 3층 퍼셉트론(다층 퍼셉트론)을 사용하였으며, 학습방법으로는 역전파알고리즘(back-propagation algorithm)을 이용하였다. 민감도분석을 통하여 선택된 예측인자는 소양강댐유역(1011, 1012소유역)에서의 인공신경망 예측인자로 활용되었으며, 2001년부터 2100년까지의 일 평균온도와 일 강수량의 변화경향을 추정하였다. 1011유역, 1012유역에서는 여름철의 온도변화경향이 겨울철에 비하여 높게 나타났다. 일 평균온도의 통계분석 결과 평균예측오차가 가장 적게 나타나는 지역은 1001유역으로 -0.08로 평균예측오차가 가장 적게 나타났으며, 인공신경망기법을 이용하여 스케일 상세화된 일 평균온도와 관측된 일 평균온도가 얼마나 잘 일치하는지를 확인할 수 있는 1012유역에서 CORR이 0.74로 가장 높게 나타났다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.14 no.4
• /
• pp.277-282
• /
• 2012

When wind speed exceeds a certain threshold, daily minimum temperature does not drop as predicted by the geospatial model in a cold pooling catchment. A linear regression equation was derived to explain the warming effect of wind speed on daily minimum temperature by analyzing observations at a low lying location within an enclosed catchment. The equation, Y=2X+0.4 ($R^2$=0.76) where Y stands for the warming ($^{\circ}C$) and X for the mean horizontal wind speed (m/s) at 2m height, was combined to an existing model to predict daily minimum temperature across an enclosed catchment on cold pooling days. The adjusted model was applied to 3 locations submerged in a cold air pool to predict daily minimum temperature on 25 cold pooling days with the input of simulated wind speed at each location. Results showed that bias (mean error) was reduced from -1.33 to -0.37 and estimation error (RMSE) from 1.72 to 1.20, respectively, in comparison with those from the unadjusted model.