• 한국물환경학회지
• /
• 제24권6호
• /
• pp.725-740
• /
• 2008

In this study a multi-site daily precipitation generator which generates the precipitation with similar spatial correlation, and at the same time, with conserving statistical properties of the observed data is developed. The proposed generator is intended to be a tool for down-scaling the data obtained from GCMs or RCMs into local scales. The occurrences of precipitation are simultaneously modeled in multi-sites by 2-parameter first-order Markov chain using random variables of spatially correlated while temporally independent, and then, the amount of precipitation is simulated by 3-parameter mixed exponential probability density function that resolves the issue of maintaining intermittence of precipitation field. This approach is applied to the Nakdong river basin and the observed data are daily precipitation data of 19 locations. The results show that spatial correlations of precipitation series are relatively well simulated and statistical properties of observed precipitation series are simulated properly.

• Journal of the Korean Data and Information Science Society
• /
• 제23권6호
• /
• pp.1309-1317
• /
• 2012

Stochastic weather generators are commonly used to simulate time series of daily weather, especially precipitation amount. Recently, a generalized linear model (GLM) has been proposed as a convenient approach to fitting these weather generators. In this paper, a stochastic weather generator is considered to model the time series of daily precipitation at Seoul in South Korea. As a covariate, global temperature is introduced to relate long-term temporal scale predictor to short-term temporal predictands. One of the limitations of stochastic weather generators is a marked tendency to underestimate the observed interannual variance of monthly, seasonal, or annual total precipitation. To reduce this phenomenon, we incorporate time series of seasonal total precipitation in the GLM weather generator as covariates. It is veri ed that the addition of these covariates does not distort the performance of the weather generator in other respects.

• 응용통계연구
• /
• 제27권3호
• /
• pp.475-485
• /
• 2014

일반화 선형모형(GLM)에 기초한 확률적 날씨 발생기(Stochastic weather generator)는 일일 날씨를 생성하는데 가장 일반적으로 사용되는 방법인다. 본 논문에서는 다층구조를 이용하여 기존의 GLM weather generator에 공간구조를 소개하였다. 계절별 총강우량의 overdispersion 현상을 효과적으로 제거하기 위해서 smoothing된 계절별 총강우량을 모형에 포함하였고 공간구조를 소개하기 위해서 Stochastic weather generator의 모형계수에 공간구조를 가지는 다변량 정규분포를 가정하였다. 그리고 제안된 공간구조를 가지는 GLM weather generator 모형을 우리나라 76개 지역에서 39년간 측정된 일별 강우량 관측자료에 적용하였다.

• 대한토목학회논문집
• /
• 제29권5B호
• /
• pp.441-452
• /
• 2009

본 연구에서는 IPCC DDC를 통해서 제공되는 월 단위 기후모형의 결과를 바탕으로 일 강수를 발생할 수 있는 일 강수 발생모형을 제안하고, 이를 이용해 기후변화가 일 강수빈도에 미치는 영향평가 기법을 기상청산하 서울지점을 대상으로 제시하고자 하였다. 본 연구에서 제안하는 일 강수발생모형은 2 state 마코브 체인 모형을 기반으로 개발되었으며, 강수를 발생시키는데 필요한 천이확률과 강수의 양을 결정짓는 Gamma-2 분포의 규모매개변수 및 형상매개변수는 회귀분석에 의한 월총강수량과의 관계를 통해서 산정되었다. 제시된 회귀분석 결과에 기후모형으로부터 K-NN방법에 의해서 서울지점으로 축소된 월 총강수량을 적용하여 기후변화가 고려된 일 강수를 발생시켰다. 기후모형으로는 BCM2모형을 사용하였으며, 20c3m 시나리오를 기준시나리오로 하여 A2 시나리오에서의 일 강우빈도의 차이를 산정하여 관측된 일 강우 빈도에 적용하였다. 빈도해석을 위한 분포형으로는 Gumbel분포를 선정하였으며, 매개변수 추정을 위하여 확률가중모멘트 방법을 적용하였다. 연구결과 미래 서울지역의 빈도별 일 강수량은 2020s에는 다소 감소, 2050s, 2080s 에는 다소 증가하는 것으로 예상 되었다.

• 응용통계연구
• /
• 제26권3호
• /
• pp.413-420
• /
• 2013

확률적 날씨 발생기(Stochastic weather generator)는 일일 날씨를 생성하는데 일반적으로 사용되는 방법으로 최근에는 일반화선형모형에 기초한 확률적 날씨 발생 방법이 제안되었다. 본 논문에서는 서울지역의 일일 기온을 모형화하하기 위해서 일반화선형모형에 기초한 확률적 날씨 발생기를 고려하였다. 이 모형에서는 계절성을 나타내는 변수와 강우발생 유무가 공변수로 사용되었다. 일반적으로 확률적 날씨 발생기에서는 생성된 일일 날씨가 월별 또는 계절별 총강우량이나 평균온도에 충분한 변동을 만들어 내지 못하는 과대산포 현상이 발생하는데, 이러한 한계를 극복하기 위해 본 연구에서는 평활된 계절별 평균 온도를 일반화선형모형의 공변수로 추가하였다. 그리고 제안된 모형을 1961년부터 2011년까지 51년 동안의 서울지역 일일 평균 기온자료에 적용하였다.

• 한국농공학회지
• /
• 제40권1호
• /
• pp.57-67
• /
• 1998

A stochastic weather generator which simulate daily precipitation, maximum and minimum daily temperature, relative humidity was developed. The model parameters were estimated using stochastic characteristics analysis of historical data of 71 weather stations. Spatial variations of the parameters for the country were also analyzed. Model parameters of ungauged Sites were determined from parameters of adjacent weather stations using inverse distance method. The model was verified on Suwon and Ulsan weather stations and showed good agreement between simulated and observed data.

• 한국수자원학회논문집
• /
• 제44권3호
• /
• pp.209-220
• /
• 2011

입력자료의 불확실성은 강우-유출 모의에서 중요한 불확실성 요소 중의 하나이다. 본 연구에서는 먼저 세 가지의 서로 다른 내삽 기법을 통해 계산된 강수 입력 자료 (관측값을 각 소유역의 중심점으로 내삽하여 추정한 입력자료임)들이 강우-유출 모형에 미치는 영향을 분포형 수문모형 (PRMS)을 이용하여 분석하였으며, 내삽오차를 바탕으로 발생한 입력자료를 앙상블 유량 예측에 이용하는 과정을 수문학적으로 서로 다른 두개 하천 유역에 적용하였다. 또한 Monte Carlo기법을 이용하여 수문 모형의 매개변수가 서로 다른 입력자료의 특성에 따라 변화하는 양상을 구분하여 보았다. 본 연구에서 제시된 앙상블 유량 예측방법은 기상 예측 및 기상 모형의 결과물 등의 입력자료를 이용함으로써 중/장기 유량 예측에 활용될 수 있을 것으로 판단된다.

• 한국물환경학회지
• /
• 제27권5호
• /
• pp.634-645
• /
• 2011

A newly developed rainwater harvesting (RWH) system reliability model is evaluated for roof area of buildings in Haeundae District of Busan. RWH system is used to supply water for toilet flushing, back garden irrigation, and air cooling. This model is portable because it is based on a non-parametric precipitation generation algorithm using a markov chain. Precipitation occurrence is simulated using transition probabilities derived for each day of the year based on the historical probability of wet and dry day state changes. Precipitation amounts are selected from a matrix of historical values within a moving 30 day window that is centered on the target day. Then, the reliability of RWH system is determined for catchment area and tank volume ranges using synthetic precipitation data. As a result, the synthetic rainfall data well reproduced the characteristics of precipitation in Busan. Also the reliabilities of RWH system for each of demands were computed to high values. Furthermore, for study area using the RWH system, reduction efficiencies for rooftop runoff inputs to the sewer system and potable water demand are evaluated for 23%, 53%, respectively.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.154-154
• /
• 2018

To interpret the climate projections for the future as well as present, recognition of the consequences of the climate internal variability and quantification its uncertainty play a vital role. The Korean Peninsula belongs to the Far East Asian Monsoon region and its rainfall characteristics are very complex from time and space perspective. Its internal variability is expected to be large, but this variability has not been completely investigated to date especially using models of high temporal resolutions. Due to coarse spatial and temporal resolutions of General Circulation Models (GCM) projections, several studies adopted dynamic and statistical downscaling approaches to infer meterological forcing from climate change projections at local spatial scales and fine temporal resolutions. In this study, stochastic downscaling methodology was adopted to downscale daily GCM resolutions to hourly time scale using an hourly weather generator, the Advanced WEather GENerator (AWE-GEN). After extracting factors of change from the GCM realizations, these were applied to the climatic statistics inferred from historical observations to re-evaluate parameters of the weather generator. The re-parameterized generator yields hourly time series which can be considered to be representative of future climate conditions. Further, 30 ensemble members of hourly precipitation were generated for each selected station to quantify uncertainty. Spatial map was generated to visualize as separated zones formed through K-means cluster algorithm which region is more inconsistent as compared to the climatological norm or in which region the probability of occurrence of the extremes event is high. The results showed that the stations located near the coastal regions are more uncertain as compared to inland regions. Such information will be ultimately helpful for planning future adaptation and mitigation measures against extreme events.

• 응용통계연구
• /
• 제25권2호
• /
• pp.351-362
• /
• 2012

일기 산출기 모형은 가상의 일기 자료를 생성하는 통계 모형이다. 본 연구는 시공간 상관성이 고려된 다중지점에서의 일기산출 모형을 제안하고, 온실가스 배출 미래 시나리오에 따라 강수량과 평균 기온 일기산출이 가능한 알고리즘을 개발하였다. 제안된 알고리즘은 다단계 일반화 선형모형 하에서 필요한 모수들을 추정하고, 적합된 모형 하에서 일기변수들을 랜덤하게 산출하는 절차이다. 과거 30년간 관측된 우리나라 4대강 유역의 일 강수량 자료와 평균 기온 자료를 가지고 모형을 적합하고, 미래 일별 일기자료 산출에 적용하였다.