• 대기
• /
• 제30권2호
• /
• pp.155-167
• /
• 2020

In order to produce more detailed and accurate information of river discharge and freshwater discharge, global high-resolution hydrodynamic model (CaMa-Flood) is applied to an operational land surface model of global seasonal forecast system. In addition, bias correction to grid runoff for the hydrodynamic model is attempted. CaMa-Flood is a river routing model that distributes runoff forcing from a land surface model to oceans or inland seas along continentalscale rivers, which can represent flood stage and river discharge explicitly. The runoff data generated by the land surface model are bias-corrected by using composite runoff data from UNH-GRDC. The impact of bias-correction on the runoff, which is spatially resolved on 0.5° grid, has been evaluated for 1991~2010. It is shown that bias-correction increases runoff by 30% on average over all continents, which is closer to UNH-GRDC. Two experiments with coupled CaMa-Flood are carried out to produce river discharge: one using this bias correction and the other not using. It is found that the experiment adapting bias correction exhibits significant increase of both river discharge over major rivers around the world and continental freshwater discharge into oceans (40% globally), which is closer to GRDC. These preliminary results indicate that the application of CaMa-Flood as well as bias-corrected runoff to the operational global seasonal forecast system is feasible to attain information of surface water cycle from a coupled suite of atmospheric, land surface, and hydrodynamic model.

• 대기
• /
• 제31권5호
• /
• pp.511-523
• /
• 2021

This study explores the optimal ensemble size to improve the prediction performance of the Korea Meteorological Administration's operational climate prediction system, global seasonal forecast system version 5 (GloSea5). The GloSea5 produces an ensemble of hindcast data using the stochastic kinetic energy backscattering version2 (SKEB2) and timelagged ensemble. An experiment to increase the hindcast ensemble from 3 to 14 members for four initial dates was performed and the improvement and effect of the prediction performance considering Root Mean Square Error (RMSE), Anomaly Correlation Coefficient (ACC), ensemble spread, and Ratio of Predictable Components (RPC) were evaluated. As the ensemble size increased, the RMSE and ACC prediction performance improved and more significantly in the high variability area. In spread and RPC analysis, the prediction accuracy of the system improved as the ensemble size increased. The closer the initial date, the better the predictive performance. Results show that increasing the ensemble to an appropriate number considering the combination of initial times is efficient.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.268-268
• /
• 2023

전 지구적 급격한 기후변화로 인해 수문기상인자들의 비선형적 변동성이 발생함과 동시에 가뭄, 홍수와 같은 수재해의 발생빈도 및 강도가 증가하고 있는 추세이다. 이에 따라, 세계의 유수기관 (NASA, ESA 등)에서는 대기모형과 해양 모형의 결합 및 수치해석적 접근법을 활용하여 계절내-계절 (Subseasonal to seasonal; S2S) 예측치를 생산하여 제공하고 있다. 이에 따라, 본 연구에서는 European Centre for Medium-Range Weather Forecast (ECMWF)에서 산정되는 수문기상인자 (강수량, 증발산량 및 유출량)에 대한 정확도를 평가하고자 한다. 연구지역으로는 다양한 기후대 및 토지 피복으로 구성되어 있으며, El-Nino-Southern Oscillation (ENSO), Indian Ocean Diapole (IOD)와 같은 기후 현상이 빈번히 발생하는 호주지역을 대상으로 연구를 수행하였다. ECMWF S2S 자료에 대한 통계적 검증은 1) 지점 기반 관측치와 더불어 2) 물수지 모델 기반 수문 추정치 (The Australian Water Resources Assessment Landscape Model; AWRA-L)와 비교하였다. 연구 결과 S2S 강우 및 증발산량 산정치의 경우 비교적 짧은 예측기간(약 2주)에서 상대적으로 높은 상관관계 (R=0.5~0.6)와 낮은 편차 (강수량 = 0.10 mm/day, 증발산량 = 0.21 mm/day)를 나타내었다. 유출량의 경우, 강우 및 증발산량에 비해 상대적으로 낮은 정확도를 나타내었으며, 예측 기간이 길어짐에 따라 불확실성이 상당히 높아지는 것으로 확인되었다. 이는, S2S 계산과정에서 강우 및 증발산량 뿐만아니라 지표 유출로 도달하기 전까지의 수문기상인자들의 불확실성이 모두 모여 유출량의 불확실성이 높아진 것으로 확인할 수 있었다. 계절적 검증에서는, 강우 및 증발산량 모두 여름철에 높은 상관관계를 나타내었지만 불확실성은 상대적으로 큰 값을 나타내었다. 자세한 분석을 위해, 공간적인 불확실성을 분석해본 결과 ECMWF S2S가 매우 습윤하거나 건조한 지역에서 수문기상인자를 예측하는데 있어 한계성이 나타난 것을 확인하였다. 본 연구를 토대로, 추후 S2S 예측치에 대한 보정과 더불어 미래의 수재해 발생 위험도에 대한 정보를 획득하는데 적용될 수 있을 것으로 판단된다.

• 대기
• /
• 제25권1호
• /
• pp.155-167
• /
• 2015

A dynamical seasonal prediction system for boreal winter utilizing cryospheric information was developed. Using the Community Atmospheric Model, version3, (CAM3) as a modeling system, newly developed snow depth initialization method and sea ice concentration treatment were implemented to the seasonal prediction system. Daily snow depth analysis field was scaled in order to prevent climate drift problem before initializing model's snow fields and distributed to the model snow-depth layers. To maximize predictability gain from land surface, we applied one-month-long training procedure to the prediction system, which adjusts soil moisture and soil temperature to the imposed snow depth. The sea ice concentration over the Arctic region for prediction period was prescribed with an anomaly-persistent method that considers seasonality of sea ice. Ensemble hindcast experiments starting at 1st of November for the period 1999~2000 were performed and the predictability gain from the imposed cryospheric informations were tested. Large potential predictability gain from the snow information was obtained over large part of high-latitude and of mid-latitude land as a result of strengthened land-atmosphere interaction in the modeling system. Large-scale atmospheric circulation responses associated with the sea ice concentration anomalies were main contributor to the predictability gain.

• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.1-13
• /
• 2021

본 연구에서는 도로교통분야의 계획, 설계, 유지관리, 연구 등 다양한 목적으로 활용되고 있는 교통량 데이터의 정확도 확보를 위해 시계열 분석 기법을 적용하여 교통량 데이터의 보정 및 예측을 수행하였다. 기존 알고리즘의 경우 주기성 및 계절성이 강하거나 불규칙한 데이터에 한계를 보이고 있어 교통량 데이터와 같은 자료에 적용하기에는 한계가 있다. 이러한 한계점을 극복하고 보완하기 위해 ARIMA 모형에 자기상관 모형인 SAR(Seasonal Auto Regressive)과 계절 이동평균 모형인 SMA(Seasonal Moving Average)가 결합된 분석 기법인 SARIMA 모형을 적용하였다. 분석결과 최적 파라미터 조합인 SARIMA(4,1,3)(4,0,3) 12 모형을 활용한 교통량 예측 결과 평균 85% 정도의 우수한 성능을 보였다. 본 연구를 통해서 교통량 데이터의 결측 발생 시 교통량 보정 및 예측의 정확도를 높일 수 있으며, 교통량 데이터 외에도 계절성에 영향을 받는 시계열 데이터에 적용이 가능하다.

• 한국지리정보학회지
• /
• 제2권2호
• /
• pp.69-78
• /
• 1999

본 논문에서는 한반도의 지역별 강수량 예측을 위한 신경망 기법을 소개한다. 시계열 패턴 예측 문제에 적용될 수 있는 기존의 다양한 신경망 모델의 특성을 분석하고 이로부터 강수량 예측 문제에 적합한 모델 및 학습 알고리즘을 제시한다. 본 논문에서 제시하는 모델은 계층적구조의 신경망으로 각 노드의 출력값은 일정기간동안 버퍼에 저장되어 상위계층에 입력으로 작용한다. 본 연구에서는 제안된 모델에 대하여 이중연결형태의 시냅스 구조를 채택하고, 이에 대한 네트워크의 동작특성과 학습알고리즘 등을 정의한다. 이러한 이중연결구조는 기존의 다층퍼셉트론에서 바이어스 노드의 역할을 담당하며, 노드가 갖는 특징들간의 관계를 효과적으로 반영함으로써 기존의 전형적인 시계열 예측 신경망인 FIR(Finite Impulse Response) 네트워크와 비교할 때 학습의 효율을 개선시킨다. 제시된 이론은 월별 및 계절별 강수량 예측 실험에 적용하였다. 신경망 예측기의 학습자료로서 과거 수십년동안 관측된 강수량 데이터와 해수표면온도 데이터를 사용하며 예측 실험결과로부터 제시된 이론의 타당성을 고찰한다.

• 대기
• /
• 제26권4호
• /
• pp.711-716
• /
• 2016

The dynamical model forecasts using state-of-art general circulation models (GCMs) have some limitations to simulate the real climate system since they do not depend on the past history. One of the alternative methods to correct model errors is to use the canonical correlation analysis (CCA) correction method. CCA forecasts at the present time show better skill than dynamical model forecasts especially over the midlatitudes. Model outputs are adjusted based on the CCA modes between the model forecasts and the observations. This study builds a canonical correlation prediction model for subseasonal (June) precipitation. The predictors are circulation fields over western North Pacific from the Global Seasonal Forecasting System version 5 (GloSea5) and observed snow cover extent over Eurasia continent from Climate Data Record (CDR). The former is based on simultaneous teleconnection between the western North Pacific and the East Asia, and the latter on lagged teleconnection between the Eurasia continent and the East Asia. In addition, we suggest a technique for improving forecast skill by applying the ensemble canonical correlation (ECC) to individual canonical correlation predictions.

• 전자공학회논문지
• /
• 제53권1호
• /
• pp.71-78
• /
• 2016

본 논문은 인공 신경망에 기반을 둔 새로운 전력 수요 예측 모델을 제시한다. 인공 신경망 입력 변수로 시간과 날씨요소를 고려하였다. 시간 요소는 하절기와 동절기 전력수요 데이터의 자기 상관계수를 측정하여 선정하였고, 날씨요소는 피어슨 상관계수를 이용하여 선정하였다. 중요한 날씨요소로는 온도와 이슬점으로 이들은 전력수요와 밀접한 상관관계를 가지고 있다. 반면에 습도, 기압, 풍속 등과 같은 날씨요소는 전력수요와의 상관관계가 높지 않게 나타나 신경망의 입력 변수에서 제외하였다. 실험결과 새로이 제안한 인공 신경망을 이용한 전력수요 모델은 시간요소 및 날씨요소와 이에 대한 가중치를 피크 전력율과 계절에 따라 차등 적용하여 높은 적중률을 보였다.

• 한국항해항만학회지
• /
• 제46권5호
• /
• pp.449-457
• /
• 2022

The Port of Busan is currently ranked as the seventh largest container port worldwide in terms of cargo throughput. However, port competition in the Far-East region is fierce. The growth rate of container throughput handled by the port of Busan has recently slowed down. In this study, we analyzed how economic conditions and multiple external shocks could influence cargo throughput and identified potential implications for port business. The aim of this study was to build a model to accurately forecast port throughput using the ARIMA model, which could incorporate external socio-economic shocks, and the VEC model considering causal variables having long-term effects on transshipment cargo. Findings of this study suggest that there are three main areas affecting container throughput in the port of Busan, namely the Russia-Ukraine war, the increased competition for transshipment cargo of Chinese ports, and the weaker growth rate of the Korean economy. Based on the forecast, in order for the Port of the Port of Busan to continue to grow as a logistics hub in Northeast-Asia, policy intervention is necessary to diversify the demand for transshipment cargo and maximize benefits of planned infrastructural investments.

• 한국수자원학회논문집
• /
• 제52권7호
• /
• pp.475-482
• /
• 2019

2주에서 2개월까지 선행기간을 가지는 계절내-계절(Subseasonal-to-Seasonal, S2S) 예측결과는 산업전반에 걸쳐 다양한 분야에 활용이 가능할 것으로 기대되고 있으나, 일기예보나 중장기 예보대비 낮은 예측성으로 인하여 현재까지 활용성이 매우 낮은 실정이다. 본 연구에서는 기계학습 기법중 비선형회귀 분야에서 좋은 결과를 보여주는 다층퍼셉트론 기법을 이용하여 S2S 예측자료의 후처리를 통한 국내 영역에서의 강수예측성 향상에 관한 연구를 수행하였다. 후처리 모형의 학습을 위한 입력자료로는 ECMWF의 S2S 과거예측(Hindcast) 정보를 이용하였으며 양분예보기법에 기반하여 학습된 다층퍼셉트론 모델을 이용한 후처리 결과와의 비교 분석이 수행되었다. 비교분석 결과 편차도(Bias score)는 평균 59.7% 감소하였고, 정확도(Accuracy)는 124.3% 증가하였으며, 임계성공지수(Critical Success Index)는 88.5% 향상된 것으로 분석되었다. 탐지확률(Probability of detection)의 경우 원자료 대비 평균 9.5% 감소하였으나 이는 ECMWF의 예측모델이 강수의 발생일을 과도하게 예측하였기 때문인 것으로 분석되었다. 본 연구 수행 결과 비록 ECMWF의 S2S 예측자료의 예측성이 낮더라도 후처리를 통해 예측성을 향상 시킬 수 있음을 확인하였으며, 본 연구 결과는 향후 수자원과 농업 분야에서 S2S 자료의 활용성을 높이는데 도움이 될 수 있을 것으로 판단된다.