http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
강태순,박종집,엄호식,Kang, Tae-Soon,Park, Jong-Jip,Eum, Ho-Sik 해양환경안전학회 2016 해양환경안전학회지 Vol.22 No.7
본 연구에서는 파랑후측모델링을 통해 우리나라 연안에서의 장기 파랑경향성을 분석하였다. 파랑경향성 분석시 사용한 바람자료는 1979년부터 현재까지 제공하고 있는 ECMWF 바람자료를 사용하였으며, 모델수행 기간은 2001년~2014년으로 14년 동안 수행하였다. 생산된 파랑후측모델링 결과는 국립해양조사원 및 기상청에서 설치한 파랑관측부이 자료를 이용하여 검증하였다. 검증 결과, 태풍 및 폭풍이 발생한 이벤트 상황을 모델이 잘 재현하고 있으며, 정량적인 RMSE 값은 0.5 m로 유의한 결과 값을 보였다. 파랑후측모델링을 통한 최근 14년 동안의 파랑 경향성 분석 결과, 과거에 비해 권역별 파고 2 m 이상 출현율은 전해역 평균 0.082 %/year로 증가하고 있으며, 이는 고파랑이 지속적으로 심화되고 있음을 뜻한다. 이러한 연안 파랑경향성 분석자료는 최근 기후변화에 따른 연안의 취약성평가 및 연안역에서의 침식방지구조물의 방재 설계를 위한 기초자료로 사용 가능하다. The purpose of this study is to analyze the long-term wave characteristics and tendencies of coastal waters near Korea based on wave hind-casting modelling. Wave hind-casting modelling was performed with a wind data set from ECMWF (2001~2014), which provides data from 1979 to the present. The results of numerical modelling were verified with observed data collected using wave buoys installed by the Korea Meteorological Administration (KMA) and Korea Hydrographic and Oceanographic Agency (KHOA) in offshore waters. The results agreed well with observations from buoy stations, especially during event periods such as typhoons. The quantitative RMSE value was 0.5 m, which was significant. Consequently, the results of a wave tendency analysis for 14 years (2001~2014) showed an increased appearance ratio for waves of more than 2 m in height at all regional domains. The mean appearance ratio was 0.082 % per year, which implies that coastal waves have been increasing continuously. This coastal wave tendency analysis data can be used to evaluate coastal vulnerability due to recent climate change and the design of coastal erosion prevention structures.
강태순,박종집,엄호식,Kang, Tae-Soon,Park, Jong-Jip,Eum, Ho-Sik 해양환경안전학회 2015 해양환경안전학회지 Vol.21 No.5
본 연구에서는 파랑수치모형(SWAN)을 사용하여 우리나라 연안역에서의 장기 파랑을 후측모델링하고, 그 활용성에 대하여 논하였다. 파랑후측모델링을 위한 입력 바람자료(NCEP, ECMWF, JMA-MSM)를 검토한 결과, JMA-MSM의 예측정확도가 높게 나타났지만 상대적으로 자료제공기간이 짧아 자료제공기간이 긴 ECMWF 바람자료를 채택하였다. 파랑후측모델링은 파랑관측부이가 설치되어 검증이 가능한 2001년부터 2014년까지의 ECMWF 바람자료를 이용하여 수행하였으며, 생성된 모델 결과는 기상청, 국립해양조사원의 파랑관측 부이자료를 이용하여 검증하였다. 파랑후측모델링 검증결과 파랑관측 부이자료와 잘 일치하였으며, 특히 태풍과 같은 이벤트 기간의 해역 상황을 전반적으로 잘 재현하였다. 이를 통하여 현재 파랑관측부이 자료의 한계인 결측기간 동안의 파랑자료를 대체할 수 있음을 확인하였다. 하지만 일부 정점에서는 이벤트 기간 동안의 최대파고를 과소평가하는 것으로 나타났으며, 이러한 이유는 바람입력자료의 시간간격 및 해상도, 수심자료, 격자크기 등의 한계로 파악된다. 본 파랑후측모델링 결과는 연안역에서의 침식원인규명 특히, 이벤트 시기의 파랑특성과 연계한 분석이 가능하며, 원하는 연안지점에서의 파랑후측정보를 생산할 수 있어 연안재해취약성평가 등에 활용이 가능하다. The purpose of this study is to reproduce long-term wave fields in coastal waters of Korea based on wave hind-casting modelling and discuss its applications. To validate wind data(NCEP, ECMWF, JMA-MSM), comparison of wind data was done with wave buoy data. JMA-MSM predicted wind data with high accuracy. But due to relatively longer period of ECMWF wind data as compared to that of JMA-MSM, wind data set of ECMWF(2001~2014) was used to perform wave hind-casting modelling. Results from numerical modelling were verified with the observed data of wave buoys installed by Korea Meteorological Administration(KMA) and Korea Hydrographic and Oceanographic Agency(KHOA) on offshore waters. The results agree well with observations at buoy stations, especially during the event periods such as a typhoon. Consequently, the wave data reproduced by wave hind-casting modelling was used to obtain missing data in wave observation buoys. The obtained missing data indicated underestimation of maximum wave height during the event period at some points of buoys. Reasons for such underestimation may be due to larger time interval and resolution of the input wind data, water depth and grid size etc. The methodology used in present study can be used to analyze coastal erosion data in conjunction with a wave characteristic of the event period in coastal areas. Additionally, the method can be used in the coastal disaster vulnerability assessment to generate wave points of interest.
엄호식,박종집,정광영,박영민 해양환경안전학회 2020 해양환경안전학회지 Vol.26 No.7
The rapid and accurate prediction of storm-surge height during typhoon attacks is essential in responding to coastal disasters. Most methods used for predicting typhoon data are based on numerical modeling, but numerical modeling takes significant computing resources and time. Recently, various studies on the expeditious production of predictive data based on artificial intelligence have been conducted, and in this study, artificial intelligence-based storm-surge height prediction was performed. Several learning data were needed for artificial intelligence training. Because the number of previous typhoons was limited, many synthesized typhoons were created using the tropical cyclone risk model, and the storm-surge height was also generated using the storm surge model. The comparison of the storm-surge height predicted using artificial intelligence with the actual typhoon, showed that the root-mean-square error was 0.09 ~ 0.30 m, the correlation coefficient was 0.65 ~ 0.94, and the absolute relative error of the maximum height was 1.0 ~ 52.5%. Although errors appeared to be somewhat large at certain typhoons and points, future studies are expected to improve accuracy through learning-data optimization. 태풍 내습 시 신속하고 정확한 해일고 예측은, 연안재해 대응에 필수적인 요소이다. 이러한 해일고의 예측을 위해서 기존에는 태풍예측정보를 수치모델에 적용하여 예측자료를 생산하는 것이 대부분 이였다. 이러한 방법은 대용량의 컴퓨팅 자원과 시간이 소요된다는 단점이 있다. 최근에는 인공지능 기반으로 신속하게 예측자료를 생산하는 연구가 다양한 분야에서 진행되고 있으며, 본 연구에서는 인공지능 기반 해일고 예측을 수행하였다. 인공지능 적용을 위해서는 많은 수의 학습자료가 필요하게 되며, 기왕 발생태풍은 개수가 한정되어 있어 본 연구에서는 TCRM(Tropical Cyclone Risk Model)을 통하여 합성태풍을 생성하고, 이를 폭풍해일 모델에 적용하여 해일고 자료를 생성한 후, 학습자료로 활용하였다. 인공지능으로 예측한 해일고와 실제 발생 태풍에 대한 비교 결과, RMSE(Root Mean Square Error)는 0.09~0.30m, CC(Correlation Coefficient)는 0.65~0.94, 최대 해일고의 ARE(Absolute Relative Error)는 1.0~52.5%로 분석되었다. 특정 태풍/지점에서는 다소 오차가 크게 나타나고 있으나, 향후 학습자료의 최적화 등을 통하여 정확도를 개선할 수 있을 것으로 기대된다.