• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1321-1326
• /
• 2009

강우는 수자원 확보 측면에서 근원이 되는 요소이다. 그러므로 정확한 확률강우량 산정은 미래의 가용 수자원량을 예측하는데 있어 중요한 사항중 하나이며 무엇보다 신중한 결정이 요구된다. 또한 하천의 범람에 의한 침수를 예방하는 수공구조물 등의 설계에 있어서는 신뢰할 수 있는 확률강우량 산정이 선행되어야 한다. 본 연구에서는 최근 우리나라 극치강우확률분포로서 많은 연구가 이루어지고 있는 GEV 분포(GEV-O)를 기반으로 위치 매개변수에 시간의 함수를 고려한 개선된 GEV 분포(GEV-A)를 이용하여 서울지점에 적용함으로서 GEV-O 분포에 의한 확률강우량과 GEV-A 분포로 산정된 확률강우량을 비교 검토하였다. 먼저 임의의 난수 발생을 통해 최우도추정법과 확률가중모멘트법으로 매개변수를 추정한 GEV-O 분포와 최우도추정법으로 매개변수를 추정한 GEV-A 분포의 상대평균제곱근오차 (R-RMSE)를 계산하여 비교함으로서 GEV-A 분포의 효율성을 판단하였다. 사례연구는 1961년부터 2008년까지 서울강우관측소에서 측정된 연최대 1일 강우량으로 하였으며 $X^2$-검정, PPCC-검정으로 적합도 검정을 실시하였다. 강우빈도분석 결과 GEV-A 분포가 GEV-O 분포로 산정된 결과 보다 대체로 재현기간 200년 이상일 경우, 과다 산정되는 경향을 보였다. 추후 개선된 GEV 분포를 서울 인근 지점에 적용함으로서 지역빈도해석(Regional Frequency Analysis)을 실행하기 위한 연구가 진행되어야 할 것이다. 또한 확률홍수량 산정 등에도 개선된 GEV 분포를 이용함으로서 보다 정확하고 신뢰성 있는 확률수문량을 예측하여야 할 것이다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.3B
• /
• pp.259-267
• /
• 2009

Generalized Extreme Value (GEV) distribution is recommended for flood frequency and extreme rainfall distribution in many country. L-moment method is the most common estimation procedure for the GEV distribution. In this study, the relationships between the cross-site correlations between extreme events and the cross-correlation of estimators of L-moment ratios (L-moment Coefficient of Variation (L-CV) and L-moment Coefficient of Skewness (L-CS)) for data generated from GEV distribution were derived by Monte Carlo simulation. Those relationships were fit to the simple power function. In this Monte Carlo simulation, GEV+ distribution were employed wherein unrealistic negative values were excluded. The simple power models provide accurate description of the relationships between cross-correlation of data and cross-correlation of L-moment ratios. Estimated parameters and accuracies of the power functions were reported for different GEV distribution parameters combinations. Moreover, this study provided a description about regional regression approach using Generalized Least Square (GLS) regression method which require the cross-site correlation among L-moment estimators. The relationships derived in this study allow regional GLS regression analyses of both L-CV and L-CS estimators that correctly incorporate the cross-correlation among GEV L-moment estimators.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.321-325
• /
• 2007

3개의 매개변수(location, scale, shape)로 이루어진 GEV와 GLO 분포는, 미국의 공식적인 홍수빈도 분포인 Log Pearson Type III와 함께 수문분야에서 중요한 위치를 차지하고 있다. 본 연구에서는 Monte Carlo 실험을 이용하여 GEV와 GLO 분포에서 서로 다른 두 지점의 유출량 자료를 생성하여 L-CV(L-moment Coefficient of Variation; $\tau_2$)와 L-CS(L-moment Coefficient of Skewness; $\tau_3$)를 추정하였으며, L-moment 추정값들 간의 교차상관$(\tau_2-\tau_2,\;\tau_3-\tau_3,\;\tau_2-\tau_3)$과 유출량 자료간의 교차상관의 관계를 Simple Power 함수를 이용하여 유도하였다. 실험 과정에서 GEV와 GLO 분포가 비현실적인 음수 유출량을 생성하여, 실험 결과에 큰 영향이 있음을 확인하여, 두 분포에서 생성된 유출량 자료에서 음수값을 제외한 GEV+와 GLO+ 분포를 이용하여 관계식을 유도하고 이를 GEV와 GLO 분포의 결과와도 비교하였다. 본 연구에서 도출된 관계식은 향후 Generalized Least Square 회귀식을 이용하여 홍수분포의 지역 매개변수를 추정하기 위해 활용성이 클 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.323-323
• /
• 2018

최근 기후변화에 대한 관심이 증대됨에 따라 미래 기후모델자료를 기반으로 연구가 다양하게 진행되고 있다. 기후변화가 적용된 자료는 미래 수자원관리, 방재를 위한 수공구조물의 설계 등 다양한 방식으로 실무에 적용되고 있다. 하지만 기후모델로부터 모의된 결과는 어느 정도 관측자료와 차이가 발생하게 되며, 이러한 계통적 오차는 모델 내부에서 해결하기가 쉽지 않다. 그렇기 때문에 기후모델로부터 모의된 결과를 보정하기 위해 편의보정 기법을 활용한다. 그리고 미래 기후모델자료는 불확실성을 내재하고 있기 때문에 다양한 편의보정 기법을 적용하여 불확실성의 범위를 확인해 보았다. 사용된 편의보정 기법으로는 Quantile Mapping(QM), Quantile Delta Mapping(QDM), Detrended Quantile Mapping(DQM), Delta Change Method(DCM)을 이용하였다. 편의보정에 적용한 확률분포형은 일반극치분포(GEV분포), Type-1 극치분포(Gumbel분포)를 사용하였다. GEV분포를 기본으로 하여 조건적으로 GEV분포를 사용할 수 없는 경우, Gumbel분포를 사용하였다. 본 연구에서는 독일의 전지구기후모델(Global Climate Model, GCM)인 MPI-ESM-LR에 RCP 8.5 사나리오를 강제장으로 하여 지역기후모델(Regional Climate Model, RCM)인 WRF를 이용하여 동역학적으로 다운스케일한 강우자료를 사용하였다. 강우자료 중에서 강릉, 인천, 부산, 목포지점에 해당하는 자료를 추출하여 연 최대 강우강도 시계열을 산정하고 4가지 편의보정 기법을 이용하여 편의보정을 하였다. 편의보정 수행된 연 최대 강우강도 시계열을 scale-invariance 기법으로 다운스케일하여 미래 IDF곡선을 유도한 뒤, 편의보정별로 유도한 IDF곡선의 비교를 통해 편의보정기법이 미래 IDF곡선에 미치는 영향을 분석하였다.

• Communications for Statistical Applications and Methods
• /
• v.16 no.3
• /
• pp.463-477
• /
• 2009

Parameter estimation methods such as maximum likelihood estimation method, probability weighted moments method, regression method have been popularly applied to various extreme value models in numerous literature. Among three methods above, the performance of regression method has not been rigorously investigated yet. In this paper the regression method is compared with the other methods via Monte Carlo simulation studies for estimation of parameters of the Generalized Extreme Value(GEV) distribution and the Generalized Pareto(GP) distribution. Our simulation results indicate that the regression method tends to outperform other methods under small samples by providing smaller biases and root mean square errors for estimation of location parameter of the GEV model. For the scale parameter estimation of the GP model under small samples, the regression method tends to report smaller biases than the other methods. The regression method tends to be superior to other methods for the shape parameter estimation of the GEV model and GP model when the shape parameter is -0.4 under small and moderately large samples.

• Journal of Korea Water Resources Association
• /
• v.44 no.2
• /
• pp.85-96
• /
• 2011

Probability plotting position is generally used for the graphical analysis of the annual maximum quantile and the estimation of exceedance probability to display the fitness between sample and an appropriate probability distribution. In addition, it is used to apply a specific goodness of fit test. Plotting position formula to define the probability plotting position has been studied in many researches. Especially, the GEV distribution which is an important probability distribution to analyze the frequency of hydrologic data was popular. In this study, the theoretical reduced variates are derived using the mean value of order statistics to derived an appropriate plotting position formula for the GEV distribution. In addition, various forms of plotting position formula considering various sample sizes and coefficients of skewness related with shape parameters are applied. The parameters of plotting position formulas are estimated using the genetic algorithm. The accuracy of derived plotting position formula is estimated by the errors between the theoretical reduced variates and those by various plotting position formulas including the derived ones in this study. As a result, the errors by derived plotting position formula is the smallest at the range of shape parameter with -0.25~0.10.

• Journal of Wetlands Research
• /
• v.20 no.4
• /
• pp.338-344
• /
• 2018

In this study, the surface air temperature (SAT) and the dew-point temperature (DPT) are applied as the covariance of the location parameter among three parameters of GEV distribution to reflect the non-stationarity of extreme rainfall due to climate change. Busan station is selected as the study site and the monthly maximum daily rainfall depth from May to October is used for analysis. Various models are constructed to select the most appropriate co-variate(SAT and DPT) function for location parameter of GEV distribution, and the model with the smallest AIC(Akaike Information Criterion) is selected as the optimal model. As a result, it is found that the non-stationary GEV distribution with co-variate of exp(DPT) is the best. The selected model is used to analyze the effect of climate change scenarios on extreme rainfall quantile. It is confirmed that the design rainfall depth is highly likely to increase as the future DPT increases.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.335-335
• /
• 2018

최근 이상기후현상으로 지구상의 여러 지역에서 극치 수문 사상의 발생 빈도와 강도가 날로 증가하고 있는 추세이다. 이에 대해 수공구조물의 설계를 위한 극치강우사상의 빈도해석에 있어서 적절한 확률분포모형의 적용은 매우 중요하다. 이에 수문통계분야에서는 generalized extreme value(GEV), generalized logistic(GLO), Gumbel(GUM) 모형과 같은 극치 분포를 이용한 수문통계적 특성에 대한 접근이 주로 이루어지고 있다. 하지만 우리나라 강우 사상의 경우 GEV 분포와 GUM 분포가 비교적 적합한 것으로 알려져 있지만 하나의 형상매개변수를 가지고 있어 분포 모형이 표현할 수 있는 통계적 특성에 한계를 가지고 있다. 기존의 GEV나 GUM분포로는 적절히 재현되지 않는 자료들을 분석하기 위해서 두 개의 형상매개변수를 가지는 분포형에 대한 연구가 진행되고 있다. 이에 본 연구에서는 두 개의 형상매개변수를 가지는 Burr XII 분포형의 우리나라 극한 강우자료에 대한 적용성을 평가하였다. Burr XII 분포형은 gamma나 exponential 분포 모형처럼 양의 확률변수만을 가지고, Cauchy나 Pareto 분포 모형처럼 두꺼운 꼬리(heavy-tailed distribution) 형상을 나타내기 때문에 비교적 큰 확률변수가 빈번히 나타나는 극치사상에도 적합한 것으로 알려져 있다. 이를 위해 Burr XII 분포 모형을 이용하여 우리나라 강우자료에 대해 지점빈도해석 및 지역빈도해석을 수행하고 우리나라 강우자료에 비교적 적합하다고 알려진 분포인 GEV, GLO, GUM 분포형을 통해 산정된 결과와 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.209-213
• /
• 2008

재현기간이 수백년 이상인 이상홍수의 초과확률을 추정하기 위해서는 재현기간 이상의 홍수자료를 이용해 내삽(interpolation)을 해야 하지만 현재 우리나라의 체계적(systematic) 관측자료 기간은 이에 훨씬 미치지 못한다. 따라서, 역사 자료(historical data)를 이용해 자료 길이를 확장하는 방법, 홍수자료에 비해 비교적긴 강우자료와 유출 모형에 의한 합성자료를 이용하는 방법 등이 사용되어 왔다. 본 연구에서는 역사 자료와 체계적 관측자료를 효율적으로 결합할 수 있는 EMA(Expected Moment Algorithm) 기법을 연구하였다. EMA는 Cohn 등(1997)에 의해 제안된 방법으로 미국의 공식 분포인 LP3(Log-Pearson type 3) 분포를 대상으로 반복 계산을 통해 매개변수를 추정하는 기법으로서 본 연구에서는 LP3 분포 대신에 최근 국내 홍수빈도해석 시 많이 쓰이고 있는 GEV(Generalized Extreme Value) 분포를 대상으로 EMA 절차를 이론적으로 유도하였다.