시간 연속성을 고려한 딥러닝 기반 레이더 강우예측

신홍준,윤성심,최재민 한국수자원학회 2021 한국수자원학회논문집 Vol.54 No.5

In this study, we tried to improve the performance of the existing U-net-based deep learning rainfall prediction model, which can weaken the meaning of time series order. For this, ConvLSTM2D U-Net structure model considering temporal consistency of data was applied, and we evaluated accuracy of the ConvLSTM2D U-Net model using a RainNet model and an extrapolation-based advection model. In addition, we tried to improve the uncertainty in the model training process by performing learning not only with a single model but also with 10 ensemble models. The trained neural network rainfall prediction model was optimized to generate 10-minute advance prediction data using four consecutive data of the past 30 minutes from the present. The results of deep learning rainfall prediction models are difficult to identify schematically distinct differences, but with ConvLSTM2D U-Net, the magnitude of the prediction error is the smallest and the location of rainfall is relatively accurate. In particular, the ensemble ConvLSTM2D U-Net showed high CSI, low MAE, and a narrow error range, and predicted rainfall more accurately and stable prediction performance than other models. However, the prediction performance for a specific point was very low compared to the prediction performance for the entire area, and the deep learning rainfall prediction model also had limitations. Through this study, it was confirmed that the ConvLSTM2D U-Net neural network structure to account for the change of time could increase the prediction accuracy, but there is still a limitation of the convolution deep neural network model due to spatial smoothing in the strong rainfall region or detailed rainfall prediction. 본 연구에서는 시계열 순서의 의미가 희석될 수 있는 기존의 U-net 기반 딥러닝 강우예측 모델의 성능을 개선하고자 하였다. 이를 위해서 데이터의 연속성을 고려한 ConvLSTM2D U-Net 신경망 구조를 갖는 모델을 적용하고, RainNet 모델 및 외삽 기반의 이류모델을 이용하여 예측정확도 개선 정도를 평가하였다. 또한 신경망 기반 모델 학습과정에서의 불확실성을 개선하기 위해 단일 모델뿐만 아니라 10개의 앙상블 모델로 학습을 수행하였다. 학습된 신경망 강우예측모델은 현재를 기준으로 과거 30분 전까지의 연속된 4개의 자료를 이용하여 10분 선행 예측자료를 생성하는데 최적화되었다. 최적화된 딥러닝 강우예측모델을 이용하여 강우예측을 수행한 결과, ConvLSTM2D U-Net을 사용하였을 때 예측 오차의 크기가 가장 작고, 강우 이동 위치를 상대적으로 정확히 구현하였다. 특히, 앙상블 ConvLSTM2D U-Net이 타 예측모델에 비해 높은 CSI와 낮은 MAE를 보이며, 상대적으로 정확하게 강우를 예측하였으며, 좁은 오차범위로 안정적인 예측성능을 보여주었다. 다만, 특정 지점만을 대상으로 한 예측성능은 전체 강우 영역에 대한 예측성능에 비해 낮게 나타나, 상세한 영역의 강우예측에 대한 딥러닝 강우예측모델의 한계도 확인하였다. 본 연구를 통해 시간의 변화를 고려하기 위한 ConvLSTM2D U-Net 신경망 구조가 예측정확도를 높일 수 있었으나, 여전히 강한 강우영역이나 상세한 강우예측에는 공간평활로 인한 합성곱 신경망 모델의 한계가 있음을 확인하였다.

초단시간 강우예측을 위한 U-Net 기반 재귀적 예측 모델

윤성심 한국디지털콘텐츠학회 2022 한국디지털콘텐츠학회논문지 Vol.23 No.12

RainNet, which is an existing U-Net-based prediction model, applies a recursive method that repeatedly uses the prediction results as input to the model to extend the lead time, the smoothing effect is accumulated. Therefore, the accuracy of high intensity rainfall prediction was low. In order to solve the problem, this study developed Recursive RainNet, that can predict up to 1 hour by combining the U-Net model with a recursive strategy. The proposed model was trained using the composited S-band rain radar rainfall by Ministry of Environment. In order to evaluate the prediction performance, the forecasted rainfall from 10 to 60 minutes was produced with 10 minutes interval for six rainfall events in 2021. Comparison results between RainNet and Recursive RainNet showed similar accuracy for 10 minutes lead time, but the proposed model maintained relatively high accuracy even if the leading time was increased. For all cases, the proposed model well predicted the strong rainfall intensity. critical success index(CSI) increased by 6~21% and mean absolute error(MAE) decreased by 15~26% on average. 기존의 U-Net 기반 예측 모델인 RainNet은 선행시간 확대를 위해서 예측결과를 다시 모델의 입력으로 반복 활용하는 재귀적 방법을 적용하기 때문에 평활화 효과가 누적되어 강한 강도의 강우 예측의 정확도를 저하시킨다. 본 연구에서는 이러한 문제를 개선하고자 기존 U-Net 기반 강우예측 알고리즘과 재귀적 전략을 결합하여 선행 예측 1시간까지 예측할 수 있는 모델인 Recursive RainNet을 개발하였다. 환경부 S-band 강우레이더 합성자료를 입력자료로 하여 제안한 강우예측 알고리즘을 학습하였다. 예측성능을 평가하기 위해 2021년 발생한 6개 강우사례를 대상으로 강우기간동안 매 10분 간격으로 예측강우를 선행 10분에서 60분까지 생산하였다. 기존 RainNet과의 예측성능을 비교한 결과, 선행 10분 예측에서는 유사한 정확도를 보였으나, 선행시간이 길어지더라도 제시한 기법이 상대적으로 높은 예측 정확도를 유지하였다. 또한, 모든 강우사례에 대해서 제시한 예측 모델이 강하게 발달하는 강우특성을 잘 예측하여, 평균적으로 CSI(critical success index)는 6~21% 높아 졌으며, MAE(mean absolute error)는 15~26% 감소하였다.

초단기 레이더 강우 예측 초기장 고도화 시스템 검증

장상민(Jang Sangmin),윤선권(Yoon Sunkwon),박경원(Park Kyungwon) 한국방재학회 2018 한국방재학회논문집 Vol.18 No.3

본 연구에서는 집중호우에 대한 레이더기반 초단기 강우 예측 시스템의 정확도를 향상시키기 위해 초기장 개선 연구를 수행하였다. 집중호우에 적합한 강우를 추정하기 위해 층운형, 대류형, 열대형의 Z-R관계식과 반사도 조건에 따라 층운형과 대류형을 구분하여 Z-R 관계식을 적용하였으며, 이를 초단기 강우 예측 시스템의 초기장으로 활용하였다. 또한 2016년 10월 5일 태풍 차바(Chaba)에 의한 집중호우 사례에 대해 지상관측 강우자료와 레이더 추정 및 예측 강우자료와의 비교를 통해 정확도를 정성적ㆍ정량적으로 평가하였다. 레이더 강우 추정에 대한 분석 결과, 복합형 타입의 Z-R 관계식의 상관계수와 평균제곱근오차가 비슬산레이더의 경우 각각 0.8207, 9.22 mm/hr, 면봉산 레이더의 경우 각각 0.8001, 10.53 mm/hr로 가장 좋은 성능을 보였다. 강우 예측에 대한 분석 결과, 집중호우 사례에 대해 강우강도 공간분포 및 이동 패턴은 평균적으로 잘 모의하였으며, 초단기 강우 예측 결과의 평균적으로 POD는 0.97 이상, FAR는 0.21 이하로 다소 정확하게 예측하는 것으로 분석되었다. 정량적 평가 결과, 비슬산 레이더의 경우 상관계수가 예측시간 60분까지 0.545 이상, 면봉산 레이더의 경우 0.379 이상으로 비교적 좋은 상관성을 보였으며, Z-R 관계식 유형에 따른 차이는 작은 것으로 확인되었다. 평균제곱근오차의 경우 열대형과 복합형의 Z-R관계식이 높은 정확도를 가지는 것으로 확인되었다. 본 연구 결과, 초기장 정확도의 개선을 통한 레이더 기반 초단기 강우 예측 모형의 정확도 개선 가능성을 확인할 수 있었으며, 향후 지속적인 사례연구 및 검증을 통하여 강우 추정 및 강우 예측 알고리즘 개선의 노력이 필요하다. In this study, initial field improvement study was conducted to improve the accuracy of radar-based very short-term forecasting systems for heavy rainfall. We estimated the radar rainfall using stratiform, convection, tropical and classified Z-R relationship and it was used as initial field of very short term forecasting systems. The accuracy of estimated and forecasted rain was also evaluated qualitative and quantitative by comparison of the observed rain on the case of torrential rain by Typhoon Chaba on October 5, 2016. The correlation coefficient (CORR) and the root mean square error (RMSE) of the composite type Z-R relationship were greatest at 0.8207, 9.22, and 0.8001, 10.53 for Biseulsan radar (BSL) and Myeonbongsan radar (MYN), respectively. As a result of the analysis of rainfall forecasts, the distribution of rainfall intensity and the pattern of movement for the severe rainfall cases were generally well simulated, with 0.97 or higher in POD and 0.21 or less than in FAR. Quantitative assessment has shown a relatively good correlation, with CORR greater than 0.545 for BSL and greater than 0.379 within 60 minute and differences of CORR in Z-R relational types were found to be small. For RMSE, it was confirmed that the tropical and classified Z-R relationship was highly accurate. The results of this study identified the potential for improvement in radar-based very short-term forecasting systems by improving the initial field accuracy, and efforts are needed to improve the rainfall estimation and forecasting algorithms through ongoing case studies and verification in the future.

입력 강우 형태에 따른 수위예측 회귀모형의 성능 비교분석

최승용,한건연 한국방재학회 2011 한국방재학회논문집 Vol.11 No.5

Recently to overcome limitations of hydrological and physics based models for flood stage forecasting, the regression model as one of data-derived models has been widely adopted for predicting flood stage. One of the advantages of regression model is able to use data such as point rainfall without handling of data. But most of the rainfall-runoff models need converting point rainfall to basin mean rainfall. The objectives of this study are to compare performance of different flood stage predicting regression models according to point rainfall and basin mean rainfall and determine the most effective predicting flood stage regression model. To do this, the time scale was determined through the autocorrelation analysis of input data and different flood stage forecasting models were developed using point rainfall and basin mean rainfall. To evaluate the performance of established models, fours statistical indices were used, namely; Root mean square error(RMSE), Nash-Sutcliffe efficiency coefficient(NSEC), mean absolute error(MAE), adjusted coefficient of determination(R*2). The results show that the flood stage predicting regression model using point rainfall can carry out the river flood stage prediction better than the flood stage predicting regression model using basin mean rainfall. 최근 수위 예측을 위한 수문학적, 물리적 기반 모형 등의 단점을 극복하고자 홍수예측을 위해 자료지향형 모형 중의 하나인회귀모형이 널리 도입되고 있다. 이러한 모형의 장점 중 하나는 지점 강우와 같은 관측 자료를 아무런 처리 없이 그대로 사용할 수 있다는 것이다. 즉, 양질의 관측 데이터만 확보하면 성능 높은 수위 예측 모형을 구축할 수 있다. 그러나 대부분의 강우-유출 모형의 경우에는 지점 강우를 유역 평균 강우의 형태로 변환해야 하는 작업을 필요로 한다. 본 연구의 목적은 이러한수위 예측 회귀모형 구축시 사용하는 지점 강우와 유역 평균 강우에 따른 홍수예측 성능을 비교·검토하고 이를 통해 적절한수위 예측 회귀모형을 구축하는 것이다. 이를 위해 입력자료의 자기상관분석을 통해 독립변수의 시간 규모를 결정한 지점 강우와 유역 평균 강우를 이용한 홍수예측 모형을 구축하고 중랑천 유역의 다양한 홍수사상에 대해 적용하였다. 구축된 모형들의성능을 평가하기 위해 평균제곱근오차, Nash-Sutcliffe 효율계수, 평균절대오차, 수정 결정계수와 같이 4개의 통계지표들을 사용하였다. 모의결과 지점 강우를 이용한 홍수예측 회귀모형이 유역 평균 강우를 이용한 홍수예측 회귀모형에 비해 좀 더 나은예측 결과를 나타냈다.

초단기 및 단기 강우예측 기법 개발

윤선권,김종필,박경원,양유빈 한국방재학회 2015 한국방재학회 학술발표대회논문집 Vol.14 No.-

최근 이상기상현상과 기후변화로 인하여 도시유역의 내수 침수 피해가 날로 증가하고 있는 실정이며, 이로 인한 대책의 일환으로 내·외수를 고려한 홍수 예보 시스템 구축이 고려되고 있다. 본 연구에서는 도시유역의 관측자료 기반 강우의 초단기(1~2hr) 예측을 위하여 위성영상자료와 레이더 자료를 사용하였으며, 시뮬레이션 기반 강우의 단기(1~2day) 예측을 위하여 기후역학모형을 사용하였다. 향후 도시유역의 최적 강우예측 시스템구축을 통한 내·외수를 고려한 실시간 홍수 예·경보시스템의 강우예측 입력으로 활용될 예정이다. 현재, 초단기 강우예측을 위한 레이더 자료 전처리 및 CAPPI(Constant Altitude Plan Position Indicator) 산정프로그램을 개발하였으며, 천리안 위성(Communication, Ocean and Meteorological Satellite, COMS)과 TRMM(Tropical Rainfall Measuring Mission) 위성을 이용한 극치 강우 추정 알고리즘을 개발하였다. 또한 레이더 자료와 위성영상자료를 이용하여 집중호우와 태풍 사상을 대상으로 강우의 최적 이동양상 분석(Quantitative Precipitation Forecasting, QPF)을 실시하였다. 레이더와 천리안 위성, TRMM자료의 초단기 강우예측 정확성 검증을 위하여 지상기상자동관측시스템(Automatic Weather System, AWS)의 분단위 강우측정 결과를 비교·분석 하였으며, 그 적용가능성을 검증하였다. 다음으로 강우의 단기예측을 위하여 GRIMs(Global Regional Integrated Model System)와 WRF(Weather Research and Forecasting) 연계 모형을 사용하였으며, 한반도(Big Domain)와 서울(Small Domain) 지역을 포함하는 시뮬레이션 영역을 대상으로 집중호우의 모의 성능 평가를 실시하였고 기후역학 모형의 단기 강우예측 능력을 검증하였다. 도시유역 초단기 및 단기 강우예측 분석 결과 관측자료와의 오차가 발생하나, 추후 여러 통계적 후처리 과정을 통하여 그 성능이 개선될 것으로 보인다. 이러한 오차 발생의 원인은 여러 가지 외부적인 요인이 있는 것으로 판단되며, 보다 정확한 극치강우량 예측을 위해서는 지속적인 알고리즘 개선 및 모형의 검·보정이 필요할 것으로 사료된다.

토사재해 예경보를 위한 초단기 예측강우의 활용에 대한 연구

전환돈,김수전 한국습지학회 2017 한국습지학회지 Vol.19 No.3

본 연구의 목적은 토사재해 예경보를 위하여 초단기 예측강우의 적용성을 검토하는 것이다. 초단기 예측자료를 활용하 기 위한 방법으로 신경망 모형을 적용하였다. 여기에서 레이더와 AWS의 관계를 이용하여 신경망을 학습하고 레이더 강우를 초단기 예측강우(MAPLE)로 대체하여 대상지역에 대한 강우량을 예측하였다. 6hr, 12hr, 24hr의 누적강우에 대한 토사재해 예경보기준을 이용하여 MAPLE 예측강우의 적용성을 Test-bed 지점에 설치한 AWS 강우량과 비교 평 가하였다. 평가결과 MAPLE 예측강우를 이용할 경우 AWS를 이용할 경우 보다 선행하여 토사재해 예경보를 발령할 수 있음을 확인하였다. The objective of this study is to explore the applicability of very short-range-forecast rainfall for the early warning of mud-debris flows. An artificial neural network was applied to use the very short-range-forecast rainfall data. The neural network is learned by using the relationship between the radar and the AWS, and forecasted rainfall is estimated by replacing the radar rainfall with the MAPLE data as the very short-range-forecast rainfall data. The applicability of forecasted rainfall by the MAPLE was compared with the AWS rainfall at the test-bed using the rainfall criteria for cumulative rainfall of 6hr, 12hr, and 24hr respectively. As a result, it was confirmed that forecasted rainfall using the MAPLE can be issued prior to the AWS warning.

TREC기법을 이용한 초단기 레이더 강우예측의 도시유출 모의 적용

김종필,윤선권,김광섭,문영일 한국수자원학회 2015 한국수자원학회논문집 Vol.48 No.5

본 연구에서는 기상레이더 자료를 이용하여 도시하천 유역을 대상으로 초단기 강우예측 및 홍수예측을 실시하였다. 초단기 강우예측 결과 선행시간이 증가함에 따라 관측 자료와의 상관계수가 감소하며, 평균제곱근오차는 증가하여 정확도가 감소하였으나, 선행시간 60분까지 상관계수가 0.5이상 유지되는 결과를 얻을 수 있었다. 또한 강우예측 자료 적용에 의한 도시유출 분석결과, 선행시간 증가에 따른 첨두유량과 유출체적의 감소가 발생하였으나, 첨두시간은 비교적 일치하는 것으로 분석되었다. 레이더 예측 강우 적용을 통한 도시유출 분석결과, 관측 자료와의 오차가 발생하나 이는 여러 가지 외부적인 요인으로 판단되며, 추후 강수 에코의 급격한 생성과 소멸현상 모의, 국지성 강우 예측 성능 향상 등 지속적인 알고리즘 개선과 강우-유출 모형 매개변수 검․보정이 필요할 것으로 사료된다. 본 연구의 결과는 도시하천 유역뿐만 아니라 관측이 어려운 미계측 지역의 수문자료 확보 및 실시간 홍수 예․경보시스템 구축에 확장이 가능하며, 다양한 관측자료 기반 Multi-Sensor 초단기 강우예측 기반기술로의 활용이 가능하다. In this study the very short-term rainfall forecasting and storm water forecasting using the weather radar data were implemented in an urban stream basin. As forecasting time increasing, the very short-term rainfall forecasting results show that the correlation coefficient was decreased and the root mean square error was increased and then the forecasting model accuracy was decreased. However, as a result of the correlation coefficient up to 60-minute forecasting time is maintained 0.5 or higher was obtained. As a result of storm water forecasting in an urban area, the reduction in peak flow and outflow volume with increasing forecasting time occurs, the peak time was analyzed that relatively matched. In the application of storm water forecasting by radar rainfall forecast, the errors has occurred that we determined some of the external factors. In the future, we believed to be necessary to perform that the continuous algorithm improvement such as simulation of rapid generation and disappearance phenomenon by precipitation echo, the improvement of extreme rainfall forecasting in urban areas, and the rainfall-runoff model parameter optimizations. The results of this study, not only urban stream basin, but also we obtained the observed data, and expand the real-time flood alarm system over the ungaged basins. In addition, it is possible to take advantage of development of as multi-sensor based very short-term rainfall forecasting technology.

인공신경망 모형의 장기유출예측 적용에 관한 고찰

김마가 ( Maga Kim ),최진용 ( Jin-yong Choi ),방재홍 ( Jehong Bang ),윤푸른 ( Pu-reun Yoon ),김귀훈 ( Kwihoon Kim ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-

유역에서 장기유출의 해석은 수자원을 효율적으로 관리하기 위한 수문 계획에서 중요한 요소로 유역 내의 수리시설물의 설계와 수리시설물의 운영, 하천유지유량 결정 등 유역 내 물 관리 있어 필수적인 역할을 한다. 유출은 강우에 대한 유역의 반응으로 발생하는데 기상인자, 수문지상인자 등의 복잡한 관계로 인해 비선형적 특성을 지닌다. 강우-유출의 비선형성으로 인해 개념적 강우-유출 모형에서 물리 현상을 수학적으로 정의하기 어려우며 매개변수 보정에도 많은 노력이 필요하다. 인공신경망 (Artificial Neural Network, ANN)은 자료를 기반으로 학습하는 기계학습의 일종으로 접근이 용이하고, 비선형적 자연현상을 모의하기에 적합한 모형이다. 1990년 대 이후 다양한 수문분야에서도 인공신경망을 이용한 연구가 이루어지고 있으며, 유역유출을 모의하기 위해 선행 강우량, 선행 유출량을 입력 자료로 이용하여 단기유출을 예측한 연구가 다수 수행되었다. 인공신경망은 주어진 자료를 통해 학습을 수행하기 때문에 특정 범위를 벗어나는 입력에 대해서는 정확도가 현저하게 낮다. 따라서 인공신경망 모형의 학습에 사용한 입력, 출력 자료를 벗어나는 경우에는 정확한 예측이 어려우며, 단기 유출 예측 모형을 바로 장기 유출 예측에 적용하는 것은 다소 무리가 있다. 단기유출 예측만으로는 장기적인 수자원 계획의 수립이 어려우며, 단기 유출 예측 인공신경망 모형을 장기 유출 예측에 적용했을 때 성능 차이를 파악할 필요가 있다. 따라서 본 연구에서는 1) 선행 강우량, 선행 유출량을 입력으로 이용한 단기 유출 예측 신경망 모형, 2) 선행 강우량, 단기 유출 예측 결과를 입력으로 이용한 장기 유출 예측 신경망 모형을 구성하여 비교하였다. 실측 유출량과 신경망 모형의 유출량 산정 결과를 비교하여 모형의 성능을 평가하였으며, 단기 유출예측 신경망 모형을 장기 유출 예측에 적용할 경우 성능 변화를 확인하였다.

수치예보의 공간예측 불확실성을 고려한 강우 앙상블 추정 및 홍수 예측

유완식(Yu Wan sik),최미경(Choi Mi kyoung),정안철(Jeong An chul),문혜진(Moon Hye jin),정관수(Jung Kwan sue) 한국방재학회 2017 한국방재학회논문집 Vol.17 No.5

본 연구에서는 일본 기상청에서 제공하고 있는 중규모모델(MSM)의 수치예보자료를 이용하여 태풍 및 정체전선 등 3개의 강우사상에 대해 강우 및 홍수 예측 정확도를 평가하였다. 또한 수치예보자료의 공간이동을 통해 생성된 앙상블 강우분포를 이용하여 공간예측 변위를 평가하였다. 그 결과, 태풍과 같은 광역적 범위에 대한 예측에 대해서는 높은 정확도를 나타냈으나, 정체전선과 같이 국지적으로 발생하는 강우사상에 대해서는 공간예측의 오차가 많이 발생하였다. 앙상블 강우 및 홍수예측결과 전체적으로 관측값의 패턴과 유사한 예측결과를 보였으며, 과소예측되는 구간에 대해서는 앙상블 범위가 관측값을 포함하는 결과를 나타냈다. 이를 통해 수치예보의 공간이동기법을 이용한 앙상블 강우 및 홍수예측 적용 가능성을 확인할 수 있었다. This study evaluated the accuracy of rainfall and flood forecasts with three rainfall events such as typhoon and stationary front by using MSM provided by Janpan Meteorology Agency. In addition, prediction misplacement was estimated using ensemble rainfall distribution generated by spatial shift of original MSM rainfall field. As a result, the wide-area prediction such as typhoon event showed high forecast accuracy, and the local-area prediction such as stationary front event has a limitation to quantitative precipitation forecast (QPF) due to spatial prediction error. The ensemble rainfall and flood forecasts showed similar pattern to the observed value, and the forecast accuracy was improved in the under-predicted area because the ensemble range included the observed value. From these results, it could confirm the applicability of ensemble rainfall and flood forecasts by using spatial shift of numerical weather prediction.

Crane 예측 모델을 활용하여 국내 지역별 강우강도 분포에 따른 Ka대역 강우감쇠 분석

조용완 한국위성정보통신학회 2016 한국위성정보통신학회논문지 Vol.11 No.3

정지궤도 위성을 이용한 Ka대역 위성통신은 강우에 가장 취약하다. 이렇게 강우감쇠에 취약한 위성통신 링크 설계 시 좀 더 확실한 지역 강우분포와 정확한 강우감쇠 예측모델을 이용하여 계산된 강우 감쇠값을 반영하여 위성통신망의 링크버짓을 분석하여야 한다. 따라서 본 논문에서는 최근 TTA에서 분석한 국내 지역별 강우강도 분포를 활용하여 Crane 강우감쇠 예측의 지역별 강우강도와 국내 지역별 강우강도 분포를 활용하여 해당 지역의 강우감쇠를 Ka대역 주파수 특성에 맞는 Crane 강우감쇠 예측 모델을 통해 정지 궤도 위성과 지상 송수신국간의 위치, 거리 및 연 시간율(%) 요인을 반영하여 분석하였다. In this paper of ka band satellite communication using geostationary satellite is very weak to rainfall. So the rain attenuation reflect the values calculated using the satellite communication links vulnerable when designing a more reliable rainfall area distribution of rain attenuation and accurate predictive models must analyze the link budget. In this paper, by utilizing domestic distribution analysis in the recent local rainfall Crane and regional rainfall in the model and compared with the country of the regional distribution of rainfall in your area to fit the rain attenuation in Ka band frequency characteristics Crane rain attenuation prediction models were analyzed to between geostationary satellites and ground station position, distance and year time percentage(%).