http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 권현한 (검색결과 994 건)
- 무료
- 기관 내 무료
- 유료
-
Bayesian GLM 기법과 통계학적 Downscaling 기법을 활용한 미래 재해위험도 변동성 평가기법 개발
권현한,명수정 한국방재학회 2011 한국방재학회논문집 Vol.11 No.6
This study aims to develop a future disaster risk assessment model for climate change. A linear regression model, which has been widely used in previous studies, has limitations such as (1) the underlying probability distribution assumes to be Gaussian and (2) predicted values from the model are often given in negative numbers that are not appropriate in our case. In the present study, a Bayesian GLM-based disaster risk assessment model is introduced in conjunction with relevant predictors. Predictors were initially derived from daily precipitation data. The data that were finally put in the model as main predictors were (1) the number of consecutive cases of over 80 mm precipitation that lasted less than 10 days, and (2) the heaviest rainfall of the year. A nonstationary Markov chain downscaling model using KMA A2 climate change scenario as inputs was adopted to construct future rainfall scenarios in Gangwon, Seoul, Chungnam and Jeju, and the required rainfall predictors were extracted from the constructed scenarios. It was found that the proposed model could predict 90% of the disaster risks in the flood-prone areas such as Gangwon, Seoul and Chungnam. However, the proposed model failed to predict for the nonflood-prone area of Jeju Island. Future disaster risk variability was assessed using probability density function. The probability density function shifted toward the upper tail for all the areas, meaning increased disaster risks under climate change. Based on the results, this study claims that the proposed Bayesian GLM model is able to take into consideration the increased variability associated with climate change and thus can be effectively used in estimating future disaster risks. 본 연구에서는 미래 기후변화로 기인하는 재해피해액의 변동성을 평가하기 위해서 재해피해액 평가 모형을 개발하였다. 기존선형회귀분석 방법에서 나타나는 정규분포 가정의 문제 및 예측값이 음의 값을 갖는 등의 문제점을 개선할 수 있는 Bayesian GLM 방법을 도입하였다. 재해피해액을 예측하기 위한 인자들을 강수량으로부터 추출하였으며 최종적으로 80 mm이상 강우 사상이 연속적으로 10일 이내에 발생한 횟수와 연최대강수량이 모형에 입력 자료로서 이용되었다. 미래의 기후변화 영향을 평가하기 위해서 기상청 A2 시나리오와 비정상성 Markov Chain Downscaling 기법이 적용되었으며 강원도, 서울, 충청남도 및제주도에 대해서 상세강수시나리오를 생산하였다. 생산된 기후변화 상세강우시나리오로부터 동일하게 예측인자들을 추출하였다. 추출된 기상인자와 Bayesian GLM 방법을 통해서 재해피해액을 예측한 결과 상대적으로 강우에 대한 반응이 크게 나타나는강원도, 서울 및 충청남도에서는 0.9 정도의 상관성을 갖는 정도 높은 모형 구축이 가능하였다. 그러나 상대적으로 강우로 인한 피해가 적게 나타나는 제주도의 경우 효과적인 모형을 구축하기 어려웠다. 미래 기후변화 시나리오부터 추출된 기상인자를활용하여 미래 재해위험도의 변동성을 확률밀도함수를 통해서 평가한 결과 모든 지역에서 재해위험도가 미래에는 커질 것으로전망되었다. 본 연구에서 제안된 Bayesian GLM 모형 기반 재해피해액 예측 모형은 기후변화로 기인하는 기상학적 변동성을고려할 수 있는 모형으로서 미래의 재해위험도를 전망하는 도구로서 활용이 가능할 것으로 판단된다.
-
권현한,Uranchimeg Sumiya,김진국 한국방재학회 2014 한국방재학회 학술발표대회논문집 Vol.2014 No.-
강우빈도해석에서 가장 핵심적인 부분은 확률분포(probability distribution)를 결정하는 것이다. 이러한 점에서 국내외에서는 다양한 확률분포를 적용하여 빈도해석을 수행하고 있으나, 확률분포를 결정하기 위한 기준이 명확하지 않다. 상대적으로 자료연한이 짧은 수문자료를 활용하여 장기간의 재현기간의 수문량을 추정하는 이유로 추정되는 수문량의 불확실성이 매우 큰 것으로 알려지고 있다. 국내에서는 일반적으로 40년의 관측자료를 대상으로 100년 빈도 이상의 확률수문량을 추정하게 됨으로서 재현기간의 큰 확률수문량 추정시 불확실성이 가중될 수 밖에 없다. 이러한 점에서 본 연구에서는 강우빈도해석시 주로 이용되는 Gumbel분포형과 GEV분포형을 대상으로 매개변수의 불확실성을 정량적으로 해석하기 위한 방안으로 Hierarchical Bayesian 기법과 연계한 매개변수 추정방안을 제시하고자 한다. 이와 함께 매개변수의 불확실성과 매개변수 수 등을 종합적으로 고려한 DIC(deviance information criteria) 기반의 확률분포형의 적합성 평가방안을 제시하고자 한다. 이를 위하여 본 연구에서는 국내 주요 강수관측지점의 다양한 지속시간에 대해서 모형을 적용하고 검증하였다.
-
-
-
-
비정상성 Markov Chain Model을 이용한 통계학적 Downscaling 기법 개발
권현한,김병식 한국수자원학회 2009 한국수자원학회논문집 Vol.42 No.3
기존의 정상성 Markov Chain 모형은 자료 자체의 Markov 특성만을 고려하여 모의하는 기법으로서 수자원 설계에서 여러 가지 목적으로 이용되어 지고 있다. 그러나 일강수량의 천이확률 및 매개변수 등이 과거와 일정하다는 정상성을 기본 가정으로 하기 때문에 평균의 변동성 등과 같은 외부충격을 모형에 적용할 수 없다. 이러한 관점에서 본 연구의 가장 큰 목적은 기존일강수량 모형을 외부인자를 받아들일 수 있는 모형으로 개발하는 것이다. 즉, Marko A stationary Markov chain model is a stochastic process with the Markov property. Having the Markov property means that, given the present state, future states are independent of the past states. The Markov chain model has been widely used for water resou
-
-
-
-
Chow-Liu Tree 모형과 동질성 Hidden Markov Model을 연계한 다지점 일강수량 모의기법 개발
권현한,김태정,김운기,이동률 한국수자원학회 2013 한국수자원학회논문집 Vol.46 No.10
본 연구에서는 유역의 공간상관성을 고려한 다지점 일단위 강수량을 동시에 모의할 수 있는 일강수량 모의기법을 개발하였다. 기존 Hidden Markov Chain Model(HMM)은 단일지점 강수모의에 적용되어 왔으나 관측지점간의 유역상관성을 충분히 고려하지 못하는 문제점을 가지고 있다. 따라서 본 연구에서는 Chow-Liu Tree(CLT) 모형을 적용하여 다변량(multivariate) 형태로써 유역내에 위치한 강우관측소간의 상호종속성을 고려하기 위하여 기존의 동질성 HMM 강우모의기법과 CLT 알고리즘을 결합한 동질성 CLT-HMM 모형을 개발하였다. 본 연구에서 개발된 동질성 CLT-HMM 모형을 사용하여 장기간의 수문자료를 보유하고 있는 기상청 산하의 한강유역 강수네트워크에 대해서 적합성을 검토하였다. 동질성 CLT-HMM 모형을 적용하여 모의 된 결과를 보면 일강수량의 계절적 특성뿐만 아니라 일강수량 모의 시 강수시계열의 통계적인 특성들까지 우수하게 모의하였다. 추가적으로 상관행렬(correlation matrix)을 이용하여 기상관측소간의 공간상관 재현성을 검토한 결과 관측지점들 사이의 공간상관성도 비교적 우수하게 재현하는 것을 확인할 수 있었다. This study aims to develop a multivariate daily rainfall simulation model considering spatial coherence across watershed. The existing Hidden Markov Model(HMM) has been mainly applied to single site case so that the spatial coherences are not properly addressed. In this regard, HMM coupled with Chow-Liu Tree(CLT) that is designed to consider inter-dependences across rainfall networks was proposed. The proposed approach is applied to Han-River watershed where long-term and reliable hydrologic data is available, and a rigorous validation is finally conducted to verify the model’s capability. It was found that the proposed model showed better performance in terms of reproducing daily rainfall statistics as well as seasonal rainfall statistics. Also, correlation matrix across stations for observation and simulation was compared and examined. It was confirmed that the spatial coherence was well reproduced via CLT-HMM model.
ScienceON
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
