계층적 베이지안 웨이블릿 모형을 이용한 기온 예측 = Spatially correlated temperature prediction using hierarchical Bayesian wavelet model

국문 초록 (Abstract)

최근 전 세계적으로 발생하는 이상 기온 현상의 정도가 심각해짐에 따라 더 세밀한 기온 측정이 필요함에도 불구하고 비용 문제나 지리적인 이유로 물리적 해결이 어려운 것이 현실이다. 일반적으로 사용 되는 보간 기법은 분석에 있어서 주변 지역의 공간적 특성은 반영할 수 있으나 시간의 연속성을 반영하기는 어렵다는 단점을 가지고 있다. 이에 본 연구에서는 시간과 공간의 특성을 모두 반영할 수 있는 계층적 베이지안 웨이블릿 모형 (Song과 Mallick, 2019)을 이용하였다. 총 20000번의 깁스 표집을 시행하였고 첫 10000개를 번인 한 후 자기상관을 없애기 위해 표집 된 모수 10개 당 1개를 예측에 사용하였다. 사용된 자료는 전국 22개 지역도의 1976년 1월 1일부터 512일간의 기온 자료이며, 검정 집단으로 22개 지역 중 3개 지역을 랜덤하게 선택하였다. 모형의 성능 비교를 위해 보간 기법을 사용하였다. 모든 지역에서 보간 기법 보다 더 나은 예측 성능을 보였다.

다국어 초록 (Multilingual Abstract)

Recently, abnormal temperature phenomena have been increasing all over the world. Especially in Korea, the temperature is greatly affected by geographical characteristics and seasonal air masses. This requires temperature measurements at more locations, but it is difficult for cost and geographic reasons. Commonly used Kriging analysis can reflect the spatial dependence of the surrounding area, but it isn't easy to reflect the continuity of time. Therefore, in this study, we applied a hierarchical Bayesian model using discrete wavelet transforms (Song and Mallick, 2019) to temperature data to make predictions that reflect both temporal and spatial characteristics.