신경망 기법과 GCM자료를 이용한 비정상성 확률강수량 산정

• 영문명: Nonstationary Probability Rainfall Estimation at Seoul Using Neural Networks and GCM Data
• 발행기관: 한국방재학회
• 저자명: 조현곤(Cho Hyungon) 김광섭(Kim Gwangseob)
• 간행물 정보: 『2. 한국방재학회 논문집』 18권2호, 63~73쪽, 전체 11쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2018.02.28

국문 초록

이수와 치수 목적의 수공구조물 설계를 위한 확률강수량 산정은 구조물의 강도와 규모를 결정하는 중요한 요소이다. 기후변화의 지역적 영향으로 인해 비정상성 확률강수량 산정의 필요가 대두되고 있다. 비정상성을 가지는 극치강수량 변동 특성을 효과적으로 대응하기 위하여 미래 극치확률분포형의 위치 및 형상계수의 변동특성에 대하여 각종 비선형 회귀모형을 적용하여 모형화하는 기법들이 제시되었다. 이러한 비선형회귀모형들의 적용은 극치 수렴특성이 적용 기법에 따라 사전에 정해지는 단점이 있다. 본 연구에서는 Logistic 회귀모형, Power 회귀모형을 이용하여 산정한 서울지점 목표연도별, 지속시간별 확률강수량 결과와 인공신경망 기법과 온실가스 배출시나리오별 GCM 자료를 이용한 목표연도별, 지속시간별 확률강수량을 비교 분석하였다. 본 연구에 사용된 인공신경망 기법에 따른 미래 확률강우량은 Logistic, Power 모형 적용에 따른 미래 확률강우량에 비하여 1시간 확률강우량은 증가율이 크게 나타났으며, 24시간 확률강우량에 대해서는 상대적으로 증가율이 작게 나타났다.

영문 초록

Estimation of probability precipitation for the design of hydraulics structure is an important factor in determining the strength and scale. Generally, we use probability precipitation through the assumption of stationarity. Regional impact of climate change causes the necessity of the nonstationary probability rainfall estimation. Several nonlinear regression methods were applied to deal with the nonstationary behavior of extreme rainfall effectively by modeling the variability of the location and scale parameters of future extreme probability distribution. These regression models have drawback of forcing future change shape according to the regression types. In this study, the variability of the probable maximum rainfall for different durations in target years at Seoul was analyzed with different approaches such as logistic regression, power regression, and neural networks using GCM data associated with different green house gas emission scenarios. The increasing ratio of the future hourly probability rainfall using NN is larger than that using Logistic and Power models, and the increasing ratio of the future 24hr probability rainfall using NN is smaller than that using Logistic and Power models.

목차

Abstract

요지

1. 서론

2. 대상 지점 및 연구 방법

3. 적용 결과 및 고찰

4. 결론

감사의 글

References

키워드

신경망 모형 비정상성 비선형 모형 확률강수량 Neural Network Nonstationary Nonlinear Model Probable Rainfall