• 대기
• /
• 제28권2호
• /
• pp.211-222
• /
• 2018

Cloud droplet activation process is well described by $K{\ddot{o}}hler$ theory and several parameterizations based on $K{\ddot{o}}hler$ theory are used in a wide range of models to represent this process. Here, we test the two different method of calculating the solute effect in the $K{\ddot{o}}hler$ equation, i.e., osmotic coefficient method (OSM) and ${\kappa}-K{\ddot{o}}hler$ method (KK). To do that, each method is implemented in the cloud droplet activation parameterization module of WRF-CHEM (Weather Research and Forecasting model coupled with Chemistry) model. It is assumed that aerosols are composed of five major components (i.e., sulfate, organic matter, black carbon, mineral dust, and sea salt). Both methods calculate similar representative hygroscopicity parameter values of 0.2~0.3 over the land, and 0.6~0.7 over the ocean, which are close to estimated values in previous studies. Simulated precipitation, and meteorological variables (i.e., specific heat and temperature) show good agreement with reanalysis. Spatial patterns of precipitation and liquid water path from model results and satellite data show similarity in general, but on regional scale spatial patterns and intensity show some discrepancy. However, meteorological variables, precipitation, and liquid water path do not show significant differences between OSM and KK simulations. So we suggest that the relatively simple KK method can be a good alternative to the OSM method that requires various information of density, molecular weight and dissociation number of each individual species in calculating the solute effect.

• 한국수자원학회논문집
• /
• 제55권7호
• /
• pp.495-504
• /
• 2022

최근 인공지능의 발전으로 시계열 자료 분석에 효과적인 Long Short-Term Memory (LSTM) 모델이 댐유입량 예측의 정확도를 높이는 데 활용되고 있다. 본 연구에서는 그 중 LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence (s2s) 구조에 Attention 기법을 LSTM 모델에 첨가하여 소양강댐 유역의 유입량을 예측하였다. 분석 데이터는 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 자료를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 일반적으로 더 좋은 성능을 보였으며, attention 첨가 모델이 첨두값도 더 잘 예측하는 모습을 보였다. 그리고 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량에는 어려움이 있었다. 이를 통해 시간 단위 예측의 어려움에도 불구하고, LSTM-s2s에 attention까지 첨가한 모델이 기존 LSTM-s2s의 예측 성능을 향상할 수 있음을 알 수 있었다.

• 자원ㆍ환경경제연구
• /
• 제26권4호
• /
• pp.519-547
• /
• 2017

본 연구는 지역 단위 도시가스 수요예측모형을 이용하여 전국 도시가스수요예측의 정확도를 향상할 수 있는지 여부를 살펴봤다. 지역별 수요예측모형을 구축하게 된 배경은 용도별 도시가스 수요의 행태가 분화되는 상황에서 자료의 제한으로 용도별 수요예측모형을 구축하기 어렵다는 것에 있다. 지역별 수요예측모형은 전국수요를 수도권과 지방으로 구분하여 별도의 예측모형을 구성하는 것으로, 시간변동계수를 갖는 공적분모형을 이용하였다. 지역모형에서 전국 도시가스수요예측은 지역별 수요전망치를 합산하여 산출하였다. 2013~2016년의 4년간 예측력 평가결과, 지역별 모형을 통한 전국 도시가스수요 예측이 전국단위 예측모형에 비하여 예측력이 전반적으로 우수한 것으로 나타났다. 지역모형에서는 수도권과 지방권 모형을 별도로 구축함으로써 해당 지역 수요의 특성을 반영한 예측모형이 가능했다. 수도권수요는 가정용수요 비중이 높아 기온에 보다 민감하게 반응하고, 전력수요와 경쟁관계가 있다. 이에 반해 지방권은 산업용수요 비중이 높아 전반적인 경기상황에 따른 수요변동이 크고, 수도권과 달리 벙커씨유와 LPG와 같은 산업용 연료와 대체관계를 보였다. 상기 결과는 성숙기에 접어든 도시가스산업에서 지역별 수요에 대한 세부적인 분석을 통해 전국 단위 수요예측의 정확도를 향상시킬 수 있다는 것을 보여주고, 이와 더불어 용도별 도시가수요 분석에도 유용한 정보를 제공할 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제54권9호
• /
• pp.731-745
• /
• 2021

본 연구에서는 글로벌 기후지수 및 한강권역의 기상자료를 예측인자로 하는 통계적 다중회귀모형을 구성하여 한강권역의 월 평균기온에 대한 장기예측을 수행하였다. 예측대상인 월 평균기온과 선행기간별 예측인자와의 원격상관성 분석을 기반으로 최적의 예측인자를 선별하였으며, 선별된 예측인자를 조합하고 과거기간에 대한 교차검증을 통하여 최대 12개월까지 선행예측이 가능한 다중회귀모형 기반의 예측모형을 구성하였다. 과거 1992년 1월부터 2020년 12월을 대상으로 월 평균기온에 대한 예측성을 분석한 결과, PBIAS는 -1.4 ~ -0.7%, RSR은 0.15 ~ 0.16, NSE는 0.98, r은 0.99로 높은 적합성을 나타내었다. 각 월별 관측치가 예측범위에 포함될 확률은 평균 약 64.4%로 나타났으며, 월별로는 9월, 12월, 2월, 1월의 예측성이 상대적으로 높고, 4월, 8월, 3월의 예측성이 낮은 것으로 분석되었다. 평년 대비 유난히 낮거나 높은 기온을 보였던 일부 기간을 제외하고 대체로 예측치의 범위 또는 예측치의 중앙값 등이 관측치와 잘 부합하는 것으로 나타났다. 본 연구에서 도출되는 정량적 기온예측정보는 미래기간(선행 1 ~ 12개월)의 기온에 대한 변화뿐만 아니라, 기온과 상관도가 높은 증발산량을 비롯한 수문생태환경에 대한 변화를 전망하는 경우에도 유용하게 활용될 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.401-401
• /
• 2011

본 연구는 Bayesian MCMC(Markov Chain Monte Carlo)를 이용한 비정상성 빈도해석 모형에 외부기상인자를 결합하여 계절단위의 강수량을 예측하는데 목적을 두고 있으며, 그 중에서도 홍수 위험도와 관련하여 유용하게 이용될 수 있는 여름강수량을 예측 대상으로 하였다. 비정상성 빈도해석 모형을 기반으로 외부 기상인자에 의한 변동성을 고려하기 위해서는 대상 수문량을 한정할 필요가 있으며 극대치강수량과 연관성이 높은 장마전선, 태풍 등의 기상인자는 공간적 변동성 및 복합적인 특성들로 인해 예측인자를 구성하는 기상인자로 사용하기에는 무리가 있다. 따라서 본 연구에서는 계절단위의 수문량으로 여름강수량을 대상으로 하였으며, 이에 영향을 미치는 외부 기상인자로서 SST(sea surface temperature)와 OLR(outgoing longwave radiation)을 도입하였으며, 낙동강유역 여름강수량과의 공간 상관성이 높은 지역의 이전 겨울 SST와 6월 OLR을 예측인자로 활용한 7~9월 여름강수량 예측모형을 구성하였다. 모형의 검증은 결과를 알고 있는 2010년 여름 강수량을 대상으로 수행하였으며, 모형의 적용은 현재시점에서 관측된 2010년 겨울 SST와, 과거 관측 자료를 토대로 가정된 2011년 6월 OLR을 이용하여 2011년 여름 강수량을 예측하였다. 결과적으로 모형 매개변수들의 사후분포로부터 불확실성 구간을 포함한 예측결과를 구할 수 있었다.

• 한국자원공학회지
• /
• 제55권6호
• /
• pp.649-659
• /
• 2018

본 연구는 매립장 매립가스 발전소를 대상으로 발전소 운영 데이터들을 수집 후, 딥러닝(Deep Learning) 기법을 적용하여 향후 메탄가스 농도를 예측하였다. 2017년 1월부터 11월까지 88일치에 대해서 23개 포집공에서 메탄가스 농도, 이산화탄소 농도, 황화수소 농도, 산소 농도, 밸브 개방정도, 기온, 습도 데이터를 수집하였다. 수집 데이터로 딥러닝 모델을 학습한 후 실제 데이터와 비교하였다. 추정 결과 23개 포집공 모두에서 매우 정확한 추정결과를 보였다.

• Asia-Pacific Journal of Atmospheric Sciences
• /
• 제54권4호
• /
• pp.575-585
• /
• 2018

In the case study of this paper, sensitivity experiments are carried out using the mesoscale non-hydrostatic Weather Research and Forecasting (WRF) model to investigate the impact of tropical cyclone (TC) Soudelor (2003) on the East Asian subtropical upper-level jet (EASJ) before TC Soudelor transformed into an extratropical cyclone. The physical mechanism for changes in the EASJ intensity and position caused by TC Soudelor is explored. Results indicate that TC Soudelor would warm the air in the middle and upper troposphere over the Japan Sea and the adjacent areas through stimulating northward propagating teleconnection pattern as well as releasing large amounts of latent heat, which led to increase (decrease) the meridional air temperature gradient to the south (north) below the EASJ axis. As a result, the geopotential height abnormally increased in the upper troposphere, resulting in an anomalous anticyclonic circulation belt along the EASJ axis. Correspondingly, the westerly winds to the north (south) of the EASJ axis intensified (weakened) and the EASJ axis shifted northward by one degree. The case study also suggests that before the extratropical cyclone transition of TC Soudelor, the TC activities had exerted significant impacts on the EASJ through thermodynamic processes.

• Communications for Statistical Applications and Methods
• /
• 제29권6호
• /
• pp.709-719
• /
• 2022

Recently, as the importance of environmental protection has emerged, interest in new and renewable energy is also increasing worldwide. In particular, the solar energy sector accounts for the highest production rate among new and renewable energy in Korea due to its infinite resources, easy installation and maintenance, and eco-friendly characteristics such as low noise emission levels and less pollutants during power generation. However, although climate prediction is essential since solar power is affected by weather and climate change, solar radiation, which is closely related to solar power, is not currently forecasted by the Korea Meteorological Administration. Solar radiation prediction can be the basis for establishing a reasonable new and renewable energy operation plan, and it is very important because it can be used not only in solar power but also in other fields such as power consumption prediction. Therefore, this study was conducted for the purpose of improving the accuracy of solar radiation. Solar radiation was predicted by a total of three weather variables, temperature, humidity, and cloudiness, and solar radiation outside the atmosphere, and the results were compared using various models. The CatBoost model was best obtained by fitting and comparing the Boosting series (XGB, CatBoost) and RNN series (Simple RNN, LSTM, GRU) models. In addition, the results were further improved through Time series cross-validation.

• 식물병연구
• /
• 제10권3호
• /
• pp.167-174
• /
• 2004

세균성벼알마름병(RGBR)의 발생예찰 모델을 만들기 위하여 출수기가 다른 오대벼 등 21개 품종을 1998년 5월 30일과 6월 15일에 이앙하여 벼 출수기와 이병수율을 조사하고 출수기 전후의 미기상과 병 발생과의 관계를 SAS 프로그램을 이용하여 분석하였다. 세균성벼알름병은 출수기가 7월 29일부터 8월 19일 사이의 품종에서 대부분 발생하였고 8월 22일 이후에 출수한 품종에서는 전혀 발생하지 않았다. 벼 출수기를 기준으로 출수기 3일 전부터 7일(r=-0.871**), 10일(r=-0.863**)의 일교차와 15일(r=0.8709**)과 출수기부터 7일(r=0.862**), 10일(r=0.860**), 15일(r =0.844**) 동안의 상대습도와 높은 상관관계를 보였다. 결정계수($R^2$)와 수정된 결정계수($R^2$$_{adj}$), 잔차평균제곱(MSE)를 이용하여 예찰모델을 구한 결과, 출수 전 3일부터 7일 동안의 평균기온, 최저기온, 평균상대습도(RHavr), 최저상대습도(RHmin), 강우일수, 풍속의 6개 변수를 이용한 RGBR =92.83 - 2.437avr + 1.887min - 1.04RHavr + 0.37RHmin + 0.43RD - 3.68WS($R^2$=0.824)의 회귀식을 구할 수 있었다.다.

• Asian Journal of Atmospheric Environment
• /
• 제10권2호
• /
• pp.67-79
• /
• 2016

The forecasting of air pollution is an important and popular topic in environmental engineering. Due to health impacts caused by unacceptable particulate matter (PM) levels, it has become one of the greatest concerns in metropolitan cities like Karaj City in Iran. In this study, the concentration of $PM_{2.5}$ was predicted by applying a multilayer percepteron (MLP) neural network, a radial basis function (RBF) neural network and a Markov chain model. Two months of hourly data including temperature, NO, $NO_2$, $NO_x$, CO, $SO_2$ and $PM_{10}$ were used as inputs to the artificial neural networks. From 1,488 data, 1,300 of data was used to train the models and the rest of the data were applied to test the models. The results of using artificial neural networks indicated that the models performed well in predicting $PM_{2.5}$ concentrations. The application of a Markov chain described the probable occurrences of unhealthy hours. The MLP neural network with two hidden layers including 19 neurons in the first layer and 16 neurons in the second layer provided the best results. The coefficient of determination ($R^2$), Index of Agreement (IA) and Efficiency (E) between the observed and the predicted data using an MLP neural network were 0.92, 0.93 and 0.981, respectively. In the MLP neural network, the MBE was 0.0546 which indicates the adequacy of the model. In the RBF neural network, increasing the number of neurons to 1,488 caused the RMSE to decline from 7.88 to 0.00 and caused $R^2$ to reach 0.93. In the Markov chain model the absolute error was 0.014 which indicated an acceptable accuracy and precision. We concluded the probability of occurrence state duration and transition of $PM_{2.5}$ pollution is predictable using a Markov chain method.