http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
윤동혁,김경민,차동현,이명인,민기홍,임정호,조동진 한국기상학회 2021 한국기상학회 학술대회 논문집 Vol.2021 No.4
본 연구에서는 Least Absolute Shrinkage and Selection Operator (LASSO) 기법을 기반으로 하여 대한민국 여름철 다음날 최고기온을 예측하는 Model Output Statistics (MOS) 모델을 개발하였다. MOS의 입력자료로는 두 가지의 다른 수평 해상도를 갖는 기상청 수치예보모델 (Global Data Assimilation and Prediction System, GDAPS; Local Data Assimilation and Prediction System, LDAPS)의 기상예측장과 225개의 Automated Surface Observing System 및 Automated Weather Station 지점에서 관측된 최고온도가 사용되었으며, 2015년부터 2018년 7, 8월을 회귀 모델 최적화를 위한 훈련 기간, 2019년 7,8월을 검증 기간으로 설정하였다. 검증 기간에 수행된 hind-cast 결과, 예보지점 대부분에서 수치예보모델보다 최고기온 예측 정확도가 크게 향상되었다. 그러나, LDAPS의 최고기온 예측 성능이 GDAPS 보다 더 좋았음에도 불구하고, LDAPS를 입력자료로 사용한 MOS 모델(LDAPS-based MOS, LMOS)의 최고이온 예측 성능이 오히려 GDAPS 기반 MOS 모델 (GDAPS-based MOS, GMOS) 보다 좋지 않았다. 분석 결과, 이러한 경향은 LDAPS의 최고기온 예측 성능이 평소보다 더 좋았을 때 (즉, 양의 무작위 오차가 발생하였을 때) 두드러졌음을 확인하였다. 실제로 훈련 기간 대부분에서 LDAPS의 최고기온 무작위 오차가 GDAPS 보다 더 컸으며, 특히 양의 무작위 오차가 발생한 경우 회귀 결과 오히려 그 오차가 더 커지는 경향이 존재하였다. 추가로 GDAPS와 LDAPS를 모두 입력자료로 사용한 MOS 모델을 개발하여 분석한 결과, LMOS에서 예보인자로 사용되었던 LDAPS의 예측 변수 일부가 GDAPS의 것으로 대체되면서 예측 성능이 다소 향상되었다. 이는 최고온도 외에도 다른 기상변수가 LMOS 예측 성능 저하에 영향을 끼쳤음을 의미한다. 결론적으로 본 연구결과는 수치모델의 모의 결과를 평가하거나 통계적으로 상세화할 때 모델의 오차를 체계오차와 무작위오차로 구분하여 조사할 필요가 있음을 시사한다.