• 대기
• /
• 제30권4호
• /
• pp.405-420
• /
• 2020

In this study, we investigate the predictability of intraseasonal monthly temperature and precipitation variations using hindcast datasets from eight global circulation models participating in the operational multi-model ensemble (MME) seasonal prediction system of the Asia-Pacific Economic Cooperation Climate Center for the 1983~2010 period. These intraseasonal monthly variations are defined by categorical deterministic analysis. The monthly temperature and precipitation are categorized into above normal (AN), near normal (NN), and below normal (BN) based on the σ-value ± 0.43 after standardization. The nine patterns of intraseasonal monthly variation are defined by considering the changing pattern of the monthly categories for the three consecutive months. A deterministic and a probabilistic analysis are used to define intraseasonal monthly variation for the multi-model consisting of numerous ensemble members. The results show that a pattern (pattern 7), which has the same monthly categories in three consecutive months, is the most frequently occurring pattern in observation regardless of the seasons and variables. Meanwhile, the patterns (e.g., patterns 8 and 9) that have consistently increasing or decreasing trends in three consecutive months, such as BN-NN-AN or AN-NN-BN, occur rarely in observation. The MME and eight individual models generally capture pattern 7 well but rarely capture patterns 8 and 9.

• Communications for Statistical Applications and Methods
• /
• 제24권1호
• /
• pp.67-80
• /
• 2017

Over the last few decades, ensemble forecasts based on global climate models have become an important part of climate forecast due to the ability to reduce uncertainty in prediction. Moreover in ensemble forecast, assessing the prediction uncertainty is as important as estimating the optimal weights, and this is achieved through a probabilistic forecast which is based on the predictive distribution of future climate. The Bayesian model averaging has received much attention as a tool of probabilistic forecasting due to its simplicity and superior prediction. In this paper, we propose a new Bayesian model averaging method for probabilistic ensemble forecasting. The proposed method combines a deterministic ensemble forecast based on a multivariate regression approach with Bayesian model averaging. We demonstrate that the proposed method is better in prediction than the standard Bayesian model averaging approach by analyzing monthly average precipitations and temperatures for ten cities in Korea.

• 한국수자원학회논문집
• /
• 제38권6호
• /
• pp.471-483
• /
• 2005

일단위 강우-유출모형인 SSARR모형을 이용하여 한강, 낙동강, 섬진강유역에 월 앙상블 유량예측 시스템을 구축하였다. 우선 SSARR모형의 월 평균 유출량에 대한 모의정확성을 평가한 결과 한강과 낙동강유역에서는 과소추정하는 경향이 뚜렷하였으며, 섬진강유역에서는 모의오차의 분산이 커 정확성 개선이 필요하였다. 최적선형 보정기법을 적용하여 SSARR모형의 모의유량을 보정한 결과, 섬진강을 제외한 한강과 낙동강유역의 검증지점에서는 모의 정확성이 크게 개선되었다. 또한 1998년부터 2003년까지 월 앙상블 유량예측을 실시하여 예측 정확성을 평가하였다. 한강과 낙동강유역에서 최적선형 보정기법을 이용할 경우 앙상블 유량예측 정확성이 크게 개선되었으나, 섬진강유역은 개선효과가 미비하였다.

• 한국가스학회지
• /
• 제23권5호
• /
• pp.52-58
• /
• 2019

본 연구에서는 국내 도시가스 인수량에 대한 예측 모델을 개발하였다. 국내의 도시가스 회사는 KOGAS에 차년도 수요를 예측하여 보고해야 하므로 도시가스 인수량 예측은 도시가스 회사에 중요한 사안이다. 도시가스 사용량에 영향을 미치는 요인은 용도구분에 따라 다소 상이하나, 인수량 데이터는 용도별 구분이 어렵기 때문에 특정 용도에 관계없이 영향을 주는 요인으로 외기온도를 고려하여 모델개발을 실시하였다.실험 및 검증은 JB주식회사의 2008년부터 2018년까지 총 11년 치 도시가스 인수량 데이터를 사용하였으며, 전통적인 시계열 분석 중 하나인 ARIMA(Auto-Regressive Integrated Moving Average)와 딥러닝 기법인 LSTM(Long Short-Term Memory)을 이용하여 각각 예측 모델을 구축하고 두 방법의 단점을 최소화하기 위하여 다양한 앙상블(Ensemble) 기법을 사용하였다. 본 연구에서 제안한 일별 예측의 오차율 절댓값 평균은 Ensemble LSTM 기준 0.48%, 월별 예측의 오차율 절댓값 평균은 2.46%, 1년 예측의 오차율 절댓값 평균은 5.24%임을 확인하였다.

• 한국농공학회논문집
• /
• 제52권1호
• /
• pp.13-18
• /
• 2010

In this study the validities of runoff prediction methods are reviewed around ESP (Ensemble Streamflow Prediction) techniques. The improvements of runoff predictions on Yongdam river basin are evaluated by the comparison of different prediction methods including ESP incorporated with qualitative meteorological outlooks provided by meteorological agency as well as the runoff forecasting based on the analysis of the historical rainfall scenarios. As a result it is assessed that runoff predictions with ESP may give rise to more accurate results than the ordinary historical average runoffs. In deed the latter gave the mean of yearly absolute error as to be 60.86 MCM while the errors of the former ones amounted to 44.12 MCM (ESP) and 42.83 MCM (ESP incorporated with qualitative meteorological outlooks) respectively. In addition it is confirmed that ESP incorporated with qualitative meteorological outlooks could improve the accuracy of the results more and more. Especially the degree of improvement of ESP with meteorological outlooks shows rising by 10.8% in flood season and 8% in drought season. Therefore the methods of runoff predictions with ESP can be further used as the basic forecasting information tool for the purpose of the effective watershed management.

• 대한공간정보학회지
• /
• 제25권1호
• /
• pp.3-8
• /
• 2017

본 연구에서는 앙상블 중규모기후모델 weather research and forecasting(WRF)를 이용하여 2045년부터 2054년까지 21세기 중반의 기후변화에 대한 우리나라 미래 풍력자원 지도를 제작하였고 월별, 시간대별 자원변화를 검토하였다. 분석결과, 한반도상에서 강한 몬순 순환으로 인해 뚜렷한 월별 시공간 변동성이 해륙풍에 의한 시간대별 변동성보다 컸다. 풍력자원이 큰 강풍지역은 월마다 지역마다 다르게 나타났다. 즉 겨울철 북서계절풍(여름철 남서계절풍)이 주풍일 때 각각 강원산간과 해상 그리고 남서해안에서 자원이 많을 것으로 전망되었다. 최대풍과 최소풍은 1월, 9월에 각각 나타날 것으로 전망되었고, 시간대별로 내륙과 산간은 일중편차가 컸지만 연안지역은 편차가 작을 것으로 전망되었다. 이는 현재기후에 대한 기존분석결과와는 다소 차이가 있는 것으로, 이 연구에서 생산된 미래 풍력자원 지도는 향후 기후 변화 가능성이 큰 지역의 시공간적 풍황을 감안하여 풍력단지 입지 선정 및 풍력운영을 위한 장기계획 마련에 있어서 유용한 자료가 되리라 기대된다.

• 대기
• /
• 제25권4호
• /
• pp.669-683
• /
• 2015

In this study, we investigated the prediction skills of four multiple linear regression methods for monthly air temperature over South Korea. We used simulation results from four regional climate models (RegCM4, SNURCM, WRF, and YSURSM) driven by two boundary conditions (NCEP/DOE Reanalysis 2 and ERA-Interim). We selected 15 years (1989~2003) as the training period and the last 5 years (2004~2008) as validation period. The four regression methods used in this study are as follows: 1) Homogeneous Multiple linear Regression (HMR), 2) Homogeneous Multiple linear Regression constraining the regression coefficients to be nonnegative (HMR+), 3) non-homogeneous multiple linear regression (EMOS; Ensemble Model Output Statistics), 4) EMOS with positive coefficients (EMOS+). It is same method as the third method except for constraining the coefficients to be nonnegative. The four regression methods showed similar prediction skills for the monthly air temperature over South Korea. However, the prediction skills of regression methods which don't constrain regression coefficients to be nonnegative are clearly impacted by the existence of outliers. Among the four multiple linear regression methods, HMR+ and EMOS+ methods showed the best skill during the validation period. HMR+ and EMOS+ methods showed a very similar performance in terms of the MAE and RMSE. Therefore, we recommend the HMR+ as the best method because of ease of development and applications.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.187-198
• /
• 2006

한국수자원공사에서는 매월 1일 생성한 월 앙상블 유량예측(Ensemble Streamflow Prediction, ESP)을 근거로 월 최적운영 모형인 SSDP모형을 통해 월말목표저수량을 산정할 수 있는 실시간 물 관리 시스템을 구축하였다. 그러나 월 중간에 발생하는 수문기상학적 변화를 반영할 수 없다는 단점을 가지고 있어 이를 보완하자는 필요성이 제기되었다. 이를 위해 본 연구에서는 1일부터 예측시점까지는 그 동안 발생한 강우 관측자료를 이용하고 이후 기간에는 발생 가능한 모든 과거 강수시나리오를 이용하는 기법을 통해 매월 10일 간격으로 3차례 앙상블예측을 갱신하여 예측정확도를 향상시켰으며, 예측정확도에 따른 저수지 운영효과의 개선여부를 정량적으로 분석하였다. 그 결과 월중 수문상황을 반영한 SSDP/ESP21모형이 그렇지 못한 SSDP/ESP01모형에 비해 연평균 $1\;X\;10^6\;m^3$의 용수부족 감소효과를 가졌으며 전반적으로 이수기에 총 유량이 적으면서 예측정확도가 향상된 경우 상당한 용수부족 감소효과를 나타냄을 또한 알 수 있었다.

• 대한토목학회논문집
• /
• 제34권3호
• /
• pp.795-804
• /
• 2014

본 연구에서는 앙상블유량예측기법과 SWAT 모형을 이용하여 안동댐의 2011년 7월~9월의 각 댐유입량 예측을 실행하였으며 월별 및 순별 분석을 수행하였다. 또한 정확한 분석을 위해 기상청의 월별 및 순별 강우예보자료를 이용한 가중값 부여방법을 사용하였다. 분석 결과 기상청에서 발표한 강우 예측 구간이 실제 강우 구간과 동일하면 PDF-Ratio 가중값 부여방법이 가장 높은 정확성을 보이며, 과거 강우발생 구간 통계 중 높은 구간이 실제 강우 구간과 동일하다면 수정 PDF-Ratio 가중값 부여방법이 가장 높은 정확성을 보였다. 이는 기상청 예측이 맞지 않은 경우에도 과거 강우발생 구간의 빈도에 따라 정확성을 높일 수 있을 것으로 판단된다. 반대로 기상청의 예측이 실제와 다르면서 과거 강우발생 구간 통계에서도 낮은 구간의 강우가 발생하면 균일 가중값 부여방법의 정확성이 가장 높게 분석되었다.

• 대기
• /
• 제29권2호
• /
• pp.149-164
• /
• 2019

The purpose of this study is to introduce the improvement of current operational climate prediction system of KMA and to compare previous and improved that. Whereas the previous system is based on GloSea5GA3, the improved one is built on GloSea5GC2. GloSea5GC2 is a fully coupled global climate model with an atmosphere, ocean, sea-ice and land components through the coupler OASIS. This is comprised of component configurations Global Atmosphere 6.0 (GA6.0), Global Land 6.0 (GL6.0), Global Ocean 5.0 (GO5.0) and Global Sea Ice 6.0 (GSI6.0). The compositions have improved sea-ice parameters over the previous model. The model resolution is N216L85 (~60 km in mid-latitudes) in the atmosphere and ORCA0.25L75 ($0.25^{\circ}$ on a tri-polar grid) in the ocean. In this research, the predictability of each system is evaluated using by RMSE, Correlation and MSSS, and the variables are 500 hPa geopotential height (h500), 850 hPa temperature (t850) and Sea surface temperature (SST). A predictive performance shows that GloSea5GC2 is better than GloSea5GA3. For example, the RMSE of h500 of 1-month forecast is decreased from 23.89 gpm to 22.21 gpm in East Asia. For Nino3.4 area of SST, the improvements to GloSeaGC2 result in a decrease in RMSE, which become apparent over time. It can be concluded that GloSea5GC2 has a great performance for seasonal prediction.