인공신경망과 중규모기상수치예보를 이용한 강수확률예측 = Predicting Probability of Precipitation Using Artificial Neural Network and Mesoscale Numerical Weather Prediction

국문 초록 (Abstract)

한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면 기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도 등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Mu1ti Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation}을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.

다국어 초록 (Multilingual Abstract)

The Artificial Neural Network (ANN) model was suggested for predicting probability of precipitation (PoP) using RDAPS NWP model, observation at AWS and upper-air sounding station. The prediction work was implemented for flood season and the data period is the July, August of 2001 and June of 2002. Neural network input variables (predictors) were composed of geopotential height 500/750/1000 hPa, atmospheric thickness 500-1000 hPa, X & Y-component of wind at 500 hPa, X & Y-component of wind at 750 hPa, wind speed at surface, temperature at 500/750 hPa/surface, mean sea level pressure, 3-hr accumulated precipitation, occurrence of observed precipitation, precipitation accumulated in 6 & 12 hrs previous to RDAPS run, precipitation occurrence in 6 & 12 hrs previous to RDAPS run, relative humidity measured 0 & 12 hrs before RDAPS run, precipitable water measured 0 & 12 hrs before RDAPS run, precipitable water difference in 12 hrs previous to RDAPS run. The suggested ANN has a 3-layer perceptron (multi layer perceptron; MLP) and back-propagation learning algorithm. The result shows that there were 6.8% increase in Hit rate (H), especially 99.2% and 148.1% increase in Threat Score (TS) and Probability of Detection (POD). It illustrates that the suggested ANN model can be a useful tool for predicting rainfall event prediction. The Kuipers Skill Score (KSS) was increased 92.8%, which the ANN model improves the rainfall occurrence prediction over RDAPS.

목차 (Table of Contents)

• Abstract
• 요지
• 1. 서론
• 2. 인공신경망(ANN)
• 3. 예측정확성 평가
• 4. 결론
• 감사의 글
• 참고문헌

참고문헌 (Reference)

1 안중배, "인공신경망 모형을 이용한 기온과 강수량 규모축소 연구" 한국기상학회 13 (13): 476-477, 2003

2 과학기술부, "유역 물 관리 운영 기술개발 1, 21세기 프론 티어「수자원의 지속적 확보기술개발 사업」" 한국수자원공사 2007

3 차유미, "역학적으로 규모축소된 남한의 여름철 강수에 대한 인공신경망보정 능력평가" 한국기상학회 41 (41): 1125-1135, 2005

4 김영오, "앙상블 예측을 통한 물공 급전망 개선방안" 한국수자원학회 304-308, 2001

5 정대일, "앙상블 예측을 이용한 충주댐의 월 유입량 예측" 대한토목학회 22 (22): 321-331, 2002

6 건설교통부, "수자원장기종합계획(2006-2020) 보고서" 한국수자원공사 2006

7 김광섭, "상층기상자료와 신경망기법을 이용한 면적강우 예측" 한국수자원학회 39 (39): 717-726, 2006

8 김호준, "구간 연산 신경망을 이용한 강수량 장기예측 기법" 한국기상학회 37 (37): 443-452, 2001

9 정 슬, "공지능시스템 I(신경회로망의 구조 및 사용법)" 충남대학교 출판부 76-106, 2004

10 Glahn, H.R., "use of model output statistics (MOS) in Objective Weather Forecasts" 11 (11): 1203-1211, 1972

11 Wilks, D.S., "Statistical methods in the Atmospheric Sciences" Academic Press 220-250, 1995

12 Gupta, M.M., "Static and Dynamic Neural Networks from Fundamentals to Advanced Theory" Wiley-Interscience 80-118, 2003

13 Hall, T., "Precipitation forecasting using a neural network" 14 (14): 338-345, 1999

14 Bras, R.L., "Hydrology: An Introduction to Hydrologic Science" Addison-Wesley publishing company 82-92, 1990

15 Kuligowski, R.J., "Experiments in short-term precipitation using artificial neural networks" 126 (126): 1194-1204, 1998

16 Schoof, J.T., "Downscaling temperature and precipitation: a comparison of regression-based methods and artificial neural networks" 21 (21): 773-790, 2001

17 Klein, W.H., "Computer prediction of precipitation probability in the united states" 10 (10): 903-915, 1971

18 Valverde Ramrez, M.C., "Artificial neural network technique for rainfall forecasting applied to the so paulo region" 301 (301): 146-162, 2005