Seasonal Forecast of Asian Dust over South Korea in Spring Season

손건태,차미정,정관영,송승주 한국자료분석학회 2008 Journal of the Korean Data Analysis Society Vol.10 No.5

This study aims to develop statistical models for the seasonal prediction of Asian dust in South Korea. The predictand is the average occurrence frequency of Asian dust in the spring season(March to May). Monthly data of Asian dust days at 28 sites in South Korea and four climate factors(rainfall amount, snow cover, surface air temperature and wind speed) in source regions of Asian dust during 1979 to 2007 are used. Three source regions that affect the Korean Peninsula are considered. Two statistical models, a multiple regression and a three-grade logistic regression model, are applied to generate the quantitative forecast and the ternary forecast(normal, below normal, above normal). Predictors are selected by the correlation analysis and stepwise regression method.

3시간 기상예보를 위한 수치모델 예측치의 통계적 수정

손건태 한국자료분석학회 2004 Journal of the Korean Data Analysis Society Vol.6 No.2

This paper concentrates on the statistical correction of systematic errors of numerical model forecasts for the 3-hour-forecast system using the dynamic linear model(DLM). The predictands are four climate elements (surface T, Td, U and V). The estimated DLM's generate 3-hour-interval forecasts from 3h to 48h for every RDAPS run. The parameters of the DLM are estimated dynamically and the optimal components of inputs are determined using the training data. According to the model validation, the reduction rates of forecast errors are 8.8% for T, 9.8% for Td, 39.0% for U and 43.7% for V. The forecast models using the DLM improve the accuracy of the prediction. 본 논문은 기상청 수치모델(RDAPS) 예측치의 체계적 오차에 대한 통계적 수정을 통하여 예측의 정확성이 향상된 3시간 기상예보모형을 개발한 결과이다. 기온(T), 노점온도(Td), 바람장(U,V)을 대상으로 하였으며, 3시간 예보제에 맞추어 RDAPS 작업시간 기준으로 3시간부터 48시간까지 3시간 간격인 예측치를 생산하는 예보모형을 개발하였다. 기상자료와 최근 관측치를 입력자료로 하는 동적선형모형을 적용하였으며, 모형훈련과 모형검증 결과 모든 대상지점과 기상요소에 대하여 개발된 예보모형이 예측의 정확도를 향상시키고 있음을 알 수 있었다.

3시간 강수량예보를 위한 상태종속모형 개발

손건태,이정형 한국자료분석학회 2005 Journal of the Korean Data Analysis Society Vol.7 No.1

This study focuses on the development of statistical models for the quantitative prediction of 3-hour area means of precipitation. For this study, the dataset consists of the previous observations of precipitation as predictand and the numerical model RDAPS outputs as basic predictors. For developing the statstical model 6 stations (Seoul, Busan, Daejeon, Gwangju, Jeju, Gangneung) are chosen. Statistical dynamic models, called state-dependent models, are applied using the RDAPS outputs and observations of precipitation based on the MOS technique for each pattern. 9 patterns are discriminated by the previous observations. 본 논문은 MOS(model output statistics) 기법을 기초로하여 3시간 기상예보시스템을 위한 면적평균강수량 예보모델을 개발한 결과이다. 6개 지점(서울, 부산, 대전, 광주, 제주, 강릉)에 대한 자료를 이용하였으며, 예측인자는 45개 RDAPS 수치예보자료를 사용하였다. 3시간전 강수량의 변화에 따라 구분된 9개 패턴에 따라 예보모델이 변화되도록 하는 상태종속모형(state-dependent model)을 적용하였으며, 패턴을 고려하지 않은 경우와 Heidke skill score를 구하여 비교하였다.

순서형 확률예보 모형에 대한 새로운 예측성 평가측도의 제안

손건태,한정임 한국자료분석학회 2004 Journal of the Korean Data Analysis Society Vol.6 No.1

This paper concentrates on the skill score of predictability of forecast models for ordinary data based on the probability forecasting. For the categorical probability forecast like the probability of classified precipitation, new skill score of predictability of forecast models, which maximal value is 1 for the exact forecast case, is proposed. The proposed skill score considers the weights, which are determined by the distance of the observed category and the forecasted category, and the elimination of the effect of random forecast like the Heidke skill score. In the simulation study, three types of forecast models (well-forecasted case, middle case and bad-forecasted case) and four types of distribution of random forecast(symmetric, skew to the left, skew to the right and bimodal case) are considered. The results of the simulation say that the variation of the proposed skill score is very small invariant to the distribution of random forecast. 통계적 예보모형의 예측성 평가는 최적 모형의 선정과 예측 정확도의 향상을 비교하는 데 중요한 지표가 된다. 본 논문에서는 계급별 강수확률예보와 같은 순서형 계급별 확률예보모형의 예측성 평가측도를 제안하고 특성을 연구하였다. 제안된 평가측도는 의 범위를 가지며 정확도가 높을수록 1에 가까운 값을 갖도록 정의하였다. 순서형 자료이므로 정확한 예보로부터 잘못된 예보에 이르는 가중치를 고려하였으며, 임의예보의 효과를 제거함으로써 예보모형에 의한 순수한 예측성 향상을 계량화하였다. 제안된 평가측도를 이용한 모의실험 결과에 따르면 임의예보의 형태가 달라져도 평가측도의 변동이 매우 작아 순서형 자료에 대한 모든 예보모형 평가에 활용할 수 있으리라 기대된다.

퍼지알고리즘을 이용한 활성슬러지 폭기조 DO 제어 연구

손건태,김성덕,고주형 대한환경공학회 1999 대한환경공학회 학술발표논문집 Vol.1999 No.4

활성슬러지 폐수처리장 진단 소프트웨어

손건태,김창원,백지선,최광수,박민욱,이양수 대한환경공학회 1997 대한환경공학회 학술발표논문집 Vol.1997 No.12

토론 : 통계학 학부전공 프로그램의 비전과 전략에 비추어

손건태,허명회 한국통계학회 1999 응용통계연구 Vol.12 No.2

We discuss the paper by Cho, Shin, Lee, and Han on the "information-relate" undergraduate statistics major program from the following perspectives: Recently, Korean universities are under re-structuring turmoil. To effectively confront the situation, we need both the vision and the strategy for statistics and statistics departments. For undergraduate statistics major program, our visions are 1) it should not be preliminary education program targeted for the graduate degrees, 2) it should be responsive to future social demand, and 3) it should incorporate the progressive identity of statistics as information and data science. As strategies, we propose 1) the effective integration and due balance among data collection, management and analysis, 2) the harmony and role development of computers and mathematics as statistical tools, 3) the statistics education through task-oriented problem solving, and 4) the emphasis of team work and communication skills.on skills.

동적선형모형을 이용한 서울지역 3시간 간격 기온예보

손건태,김성덕 한국통계학회 2002 응용통계연구 Vol.15 No.2

이 논문에서는 서울지역 기온에 대한 향후 48시간까지 3시간 간격 예보 모델 개발 결과이 다. 동적 변화패턴과 수치모델의 체계적 오차를 제거하기 위하여 동적 선형모형으로 적합하였으며 , 수치모델 예측치와 관측치를 입력 변수로 사용하였다. 동적 선형모형에 의한 예측모델은 수치모델의 체계적 오차를 성공적으로 제거하였으며, 예측 정확도를 향상시키고 있다. The 3-hour-interval prediction of ground-level temperature up to +45 hours in Seoul area is performed using dynamic linear models(DLM). Numerical outputs and observations we used as input values of DLM. According to compare DLM forecasts to RDAPS forecasts using RMSE, DLM improve the accuracy of prediction and systematic error of numerical model outputs are eliminated by DLM.

한반도 기후변화시그널 탐지 및 예측

손건태,이은혜,이정형,Sohn, Keon-Tae,Lee, Eun-Hye,Lee, Jeong-Hyeong 한국통계학회 2008 응용통계연구 Vol.21 No.4

본 연구는 한반도 지역의 지상기온에서 나타나는 기후변화시그널의 탐지와 예측을 목적으로 하고 있으며, 일본기상청 전지구 수치모델(MRI/JMA CGCM) 모의실험자료인 통제실험자료(대기 중 $CO_2$ 농도 변화가 없다는 가정 아래 실험된 자료)와 시나리오실험자료($CO_2$ 농도가 4배까지 연 1%씩 증가하는 가정 아래 실험된 자료)를 사용하였다. 수치모델 자료기간은 142년 자료이며, 관측치로 사용되는 ECMWF 재분석자료는 43년 자료이다. 모든 자료는 42개 격자점으로 이루어진 동일한 공간구조로 구성되었다. 베이지안 지문법과 자기회귀과정인 회귀모형(AUTOREG 모형)을 각각 적용하여 격자점별로 탐지 작업을 수행하였다. 탐지 결과가 유의한 격자점에 대하여 2100년까지 예측 작업을 수행하였다. The objectives of this study are the detection and forecast of climate change signal in the annual mean of surface temperature data, which are generated by MRI/JMA CGCM over the Korean Peninsula. MRI/JMA CGCM outputs consist of control run data(experiment with no change of $CO_2$ concentration) and scenario run data($CO_2$ 1%/year increase experiment to quadrupling) during 142 years for surface temperature and precipitation. And ECMWF reanalysis data during 43 years are used as observations. All data have the same spatial structure which consists of 42 grid points. Two statistical models, the Bayesian fingerprint method and the regression model with autoregressive error(AUTOREG model), are separately applied to detect the climate change signal. The forecasts up to 2100 are generated by the estimated AUTOREG model only for detected grid points.

신경회로망을 이용한 호남지역 세 범주 대설예보

손건태,이정형,류찬수 한국자료분석학회 2005 Journal of the Korean Data Analysis Society Vol.7 No.6

The aim of this study is the development of statistical model for ternary forecast of heavy snow in Honam area using the neural networks model with multi-grade logisitc function. The MOS(model output statistic), one of the physical-statistical modeling methods, is applied. Observations of daily snowfall amounts and the RDAPS(regional data assimilation and prediction system) data at 17 stations in Honam area in cold seasons(Nov. to Mar.) are used for our study. Three categories are (daily snowfall amount is less than 50mm, 50mm∼150mm, greater than or equal to 150mm). As a forecast model, the neural networks model with 45 inputs, one hidden layer with 4 nodes and 3 outputs. As results, the correction forecast rates using the estimated model are 93.65% and 91.82% for model training and model validation, respectively. 본 논문은 호남지역 대설예보를 위한 세 범주 대설발생예측을 다등급 로지스틱 회귀모형을 이용한 신경회로망 모형 개발을 목적으로 하였다. 역학-통계 모형기법 중 MOS(model output statistic)를 적용하였으며, 한후기(11월∼3월) 호남지역 17개 지점에 대한 관측치(강설량)와 수치모델 RDAPS(regional data assimilation and prediction system) 예보자료를 사용하였다. 세 범주는 일 신적설량이 50mm미만, 50mm∼150mm, 150mm 이상으로 구성된다. 대설예보에 적용된 신경회로망 모형은 1개의 은닉층과 4개의 은닉노드를 가지며 세 범주에 속할 확률을 출력으로 하는 구조를 적용하였다. 훈련자료와 검증자료를 이용한 모형적합 결과 각각 93.65%와 91.82%의 예보적중률을 보이는 것으로 나타났다.