|
|
|
한국수자원학회 / v.39, no.8, 2006년, pp.717-726 
|
상층기상자료와 신경망기법을 이용한 면적강우 예측
( Forecast of Areal Average Rainfall Using Radiosonde Data and Neural Networks ) |
| 김광섭; 경북대학교 토목공학과;
|
|
|
 |
|
| |
| 초 록 |
| 본 연구에서는 상층기상자료, 자동 기상 관측망 자료 및 신경망기법을 사용하여 단시간 강우 예측 모형을 개발하였다. 호우를 동반한 이송 기상 시스템의 이동 경로가 라디오존데로부터 획득할 수 있는 상층기상 자료 즉 상층 풍향자료와 동일한 방향으로 이동한다는 가정 하에 원거리에서 발생하는 기상현상의 발달과정을 판단 할 수 있는 알고리즘을 개발하고, 이러한 원거리 입력 자료와 예측하고자 하는 값 사이의 비선형 상관관계를 연결하는 기법으로 인공 신경망 기법을 도입하였다. 개발된 모형을 2002년 태풍 루사로 인하여 큰 피해를 입은 감천지역에 적용하였다. 포항과 오산의 라디오존데에서 획득한 700mb에서의 풍향자료와 5년의 자료기간을 가지는 350개의 자동 기상 관측망 자료를 입력 자료로 사용하였으며 결과는 상층 풍향자료를 사용한 경우에 상관계수가 0.41에서 0.73으로 개선되었으며 숙련도도 35%향상되었다. 모형의 개선도를 나타내는 통계치의 개선을 통해 상층기상자료를 활용한 강우예측 모형이 단지 지상 강우계 자료만 사용한 예측보다 개선된 결과를 보여줌을 알 수 있다. |
|
| In this study, we developed a rainfall forecasting model using data from radiosonde and rain gauge network and neural networks. The primary hypothesis is that if we can consider the moving direction of the rain generating weather system in forecasting rainfall, we can get more accurate results. We assume that the moving direction of the rain generating weather system is same as the wind direction at 700mb which is measured at radiosonde networks. Neural networks are consisted of 8 different modules according to 8 different wind directions. The model was verified using 350 AWS data and Pohang radiosonde data. Correlation coefficient is improved from 0.41 to 0.73 and skill score is 0.35. Statistical performance measures of the Quantitative Precipitation Forecast (QPF) model show improved output compared to that of rainfall forecasting model using only AWS data. |
| |
| 키워드 |
| 강수량예측;자동기상관측망;라디오존데;신경망기법;Rainfall forecast;Automatic Weather Station;Radiosonde;Neural Networks; |
| |
|
|
|
|
한국수자원학회논문집 / v.39, no.8, 2006년, pp.717-726
한국수자원학회
ISSN : 1226-6280
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200634741444968)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
