KR101026071B1

KR101026071B1 - 군집별 태풍 개수 예측 방법 및 여름철 태풍 진로 예측 방법

Info

Publication number: KR101026071B1
Application number: KR1020100097571A
Authority: KR
Inventors: 허창회; 김형석
Original assignee: 서울대학교산학협력단
Priority date: 2010-10-07
Filing date: 2010-10-07
Publication date: 2011-04-04
Also published as: WO2012046959A1

Abstract

본 발명은 북서태평양에서 여름철 태풍의 진로를 예측하는 방법에 관한 것으로, 북서태평양에서 태풍활동이 활발한 6월부터 10월까지의 태풍의 진로를 7개의 군집으로 나누고, 각각의 군집의 해당하는 태풍의 개수를 예측 한 후, 각각의 군집의 평균 태풍 진로 분포를 7개의 기저로 사용하여 예측하고자 하는 해의 태풍의 진로의 분포를 재구성 함으로써 북서태평양 전 지역의 태풍 활동을 예측할 수 있는 방법을 제공한다. 본 발명에 따르면, 북서태평양 전 지역에 대하여 6월부터 10월까지의 태풍의 진로를 가장 정확하게 예측할 수 있도록 하는 효과가 있다.

Description

군집별 태풍 개수 예측 방법 및 여름철 태풍 진로 예측 방법{Prediction Model for Summer Typhoon Track}

본 발명은 군집별 태풍 개수 예측 방법 및 여름철 태풍 진로 예측 방법에 관한 것으로, 보다 상세하게는 태풍 진로의 군집 분류와 특정 태풍 진로 유형에 영향을 주는 기후 변수를 이용하여 여름철에 북서태평양 전 지역의 태풍 활동을 계절 예측하는 방법에 관한 것이다.

본 발명은 여름철 태풍 진로 예측 방법에 관한 것이다.

태풍은 동아시아 지역의 기후와 일기에 직접적인 영향을 끼치는 기상 현상으로, 사회 및 경제적으로 막대한 손실을 야기하며 자연을 황폐화시키는 재해 중 하나이다.

태풍은 북서태평양 지역에서 여름철에 주로 발생하며, 중심 최대 풍속이 17m/s 이상의 강한 폭풍우를 동반하고, 중국, 일본 및 한국 등 동아시아를 포함한 북서태평양 연안 국가들에 강한 바람과 많은 비로 극심한 사회적, 경제적 손실을 끼친다. 따라서 태풍의 진로, 강도, 발생 빈도 등을 정확하게 예측하기 위한 연구는 동아시아 기상 연구의 대표적 관심사이다.

지금까지 태풍의 진로 및 세기를 예측하기 위해 수많은 기상학자 및 물리학자들이 수십 년간 연구하였으나, 아직까지 계절적인 태풍 활동을 정확히 예측하는 데 큰 어려움이 있었다.

지금까지 알려 져 있고, 현재 여러 나라에서 이용하고 있는 태풍 활동의 계절 예측을 위한 방법은 통계적인 방법을 통하여 예측하는 것과 역학 모형을 이용하여 예측하는 것이 있다.

통계적 방법을 이용한 태풍 활동의 계절 예측은 북서 태평양 전체 또는 동중국해와 같은 특정 지역에서의 태풍의 활동을 예측하는 수준에 그치고 있으며 북서태평양 전 지역에서의 태풍 발생부터 소멸까지의 기간을 포함하는 태풍 활동을 통계적으로 예측하는 기술은 아직까지 개발되지 못했다.

역학 모형을 이용한 방법의 경우 태풍을 모사하기 위해 낮은 분해능의 전구 모형의 자료를 이용하여 태풍 활동을 예측하는 시도가 이루어지고 있으며, 최근 역학 모델과 컴퓨터 계산 능력의 증대로 전구 모형의 장기 적분을 통한 태풍 활동 예측 연구가 활발하게 진행되어 왔으며, 전구 모형을 이용하여 태풍 발생 빈도와 생성 위치의 계절 예측 가능성이 제시되고 있다.

그러나, 기존의 방법에 의하면 태풍과 같은 종관 규모의 예측 가능성은 최대 2주 이내로 한정되어 있기 때문에, 전구 모형의 장기 적분을 통한 태풍의 세기, 진로, 강수량 등에 대한 계절 예측의 정확도는 매우 낮다는 문제점이 있다.

상술한 문제점을 해결하기 위해 안출된 본 발명의 목적은 6월부터 10월까지의 태풍의 진로를 예측하기 위해 퍼지 군집 분류를 이용하여 태풍의 진로를 7개의 군집으로 나누고 각각의 군집에 해당하는 태풍의 개수를 예측한 후 태풍의 진로를 재구성하는 방법을 이용함으로써, 최종적으로 북서태평양 전 지역의 여름철 태풍의 군집별 태풍 개수 예측 및 여름철 태풍 진로 예측 방법을 제공하기 위한 것이다.

상기한 바와 같은 목적을 달성하기 위한 본 발명의 특징에 따르면, 본 발명은 컴퓨터를 이용하여 여름철 태풍의 군집별 태풍 개수를 예측하는 방법으로서, (a) 북서 태평양 지역에서 연 단위의 일정기간 동안 관측된 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 사용하여 6 시간 태풍위치 사이 거리(dist)를 하기의 [수학식 1]로 그리고 변환될 태풍위치 자료 간격(edist)을 하기의 [수학식 2]로 각각 정의한 후 상기 dist와 edist 및 하기의 [수학식 3]을 이용하여 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 같은 거리 간격을 갖는 21개의 동 거리 위치 자료로 상기 각 태풍별로 변환하고, 기 지정된 2개 이상의 군집 개수와 상기 각 태풍에 대한 21개의 동 거리 위치 자료를 군집분류 프로그램의 입력자료로 사용하여 북서 태평양 지역을 상기 기 지정된 군집 개수의 구역들로 나누고 상기 각 태풍을 상기 구역들 중 상기 21개의 동 거리 위치 자료와 가장 가까운 어느 한 구역에 포함되도록 분류하는 태풍 진로의 군집 분류 단계; 및 (b) 북서 태평양 지역의 태풍 활동에 영향을 주었고 상기 (a) 단계에서 분류된 각 군집의 태풍 개수에 영향을 미친 6월부터 10월까지의 대기/해양 순환장에 관한 예측인자로서, 특정지역의 해수면 온도, 특정지역의 500 hPa(헥토파스칼) 지위고도, 특정지역의 200 hPa과 850hPa의 수평바람장의 차이를 나타내는 연직바람 시어, 특정지역의 50 hPa의 동서 바람장, 특정지역의 대류권 평균 동서 바람장, 특정지역의 강수 가능 수증기량 및 특정지역의 850 hPa의 동서 바람장을 포함하는 예측인자들 중 2개 이상의 예측인자를 상기 (a) 단계에서 분류된 군집별로 각 군집에 속하는 태풍 개수(

) 예측에 사용되는 예측인자로 추출하고 하기의 [수학식 4]를 이용하여 각 군집별 태풍 개수를 예측하는 군집별 태풍 개수 예측 단계를 포함하고, 상기 [수학식 4]의

와

는 하기의 [수학식 5]의 과정을 거치고 하기의 [수학식 6]을 이용하여 f를 최소화 하는

와

값인 것을 특징으로 한다. 상기 [수학식 1]은

, for i=1,…,N - 1 (x_i 와 y_i 는 i 번째 위치의 경도와 위도를 뜻하며, N은 6시간 태풍 위치 자료의 개수이다)이고, 상기 [수학식 2]

이며, 상기 [수학식 3]은

,

for j=1,

,

for j=21,

for j=2,…20, (이때, (

,

)는 토쿄 태풍센터에서 제공하는 6시간 간격의 태풍의 위치(경도, 위도)이고, (

,

)는 변환된 태풍의 위치(경도, 위도)이며, N은 6시간 간격 태풍의 위치 자료의 개수이고, l은

≤ (j - 1)×edist <

을 만족하는 양의 정수로 정의 된다)이고, 상기 [수학식 4]는

(이때,

는 j년도 i번째 군집(Ci)에 속하는 태풍의 개수의 예측 값이고,

은 j년도 Ci 군집의 태풍 개수를 예측하기 위한 m번째 예측인자이며, n_i 는 Ci군집의 태풍을 예측하기 위한 예측 인자의 개수이고,

는 j년도 Ci군집의 태풍 개수 예측을 위한 m 번째 예측인자의 회귀 계수이며,

는j년도 Ci군집의 태풍 개수 예측을 위한 회귀 상수이다)이고, 상기 [수학식 5]는

이고, 상기 [수학식 6]은

(상기 [수학식 6]에서 f는 다중 선형 회귀의 최소 자승법을 이용하여 상기

와

값을 구하기 위한 최소 자승법 식이다)이다.

또한, 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료는, 연 단위인 과거 일정기간 동안의 6월 내지 9월 동안 발생한 총 태풍의 각 태풍별 6시간 간격의 위치 자료이고, 상기 각 태풍에 대한 21개의 동 거리 위치 자료는 x _k =

,k=1,2,...,K (여기서, x _k 는 k번째 태풍에 해당하는 열벡터이며, K는 총 태풍의 개수이다)의 열벡터 형식으로 변환하여 상기 군집분류 프로그램의 입력자료로 사용되며, 상기 기 지정된 2개 이상의 군집 개수는 Xie and Beni index를 이용한 최적 군집 개수 판별시험을 통해 판별된 7개이고, 상기 군집분류 프로그램은 fuzzy c-means 군집분류 프로그램으로서 7개의 태풍 진로 군집들(C1 내지 C7)로 분류하여 상기 각 태풍을 상기 분류된 C1 내지 C7 군집들 중 상기 각 태풍에 대한 21개의 동 거리 위치 자료와 가장 가까운 어느 한 군집에 포함시키되, 상기 C1 군집은 동경 120도 내지 동경 140도와 북위 15도 내지 북위 45도의 범위에 속하고, 상기 C2 군집은 동경 125도 내지 동경 160도와 북위 10도 내지 북위 40도의 범위에 속하며, 상기 C3 군집은 동경 115도 내지 동경 150도와 북위 10도 내지 북위 40도의 범위에 속하고, 상기 C4 군집은 동경 140도 내지 동경 160도와 북위 15도 내지 북위 45도의 범위에 속하며, 상기 C5 군집은 동경 150도 내지 동경 180도와 북위 15도 내지 북위 45도의 범위에 속하고, 상기 C6 군집은 동경 100도 내지 동경 120도와 북위 10도 내지 북위 25도의 범위에 속하며, 상기 C7 군집은 동경 100도 내지 동경 150도와 북위 10도 내지 북위 25도의 범위에 속하는 것을 특징으로 한다.

또한, 상기 태풍 진로 예측 방법은, 미국 국립 환경 예측 센터(National Centers for Environmental Prediction: NCEP)의 계절 예측시스템(Climate Forecast System: CFS)을 통해 예측된 1981년부터 2000년까지의 6월부터 10월까지의 대기/해양 예측 자료들에 대해 서로 다른 날들을 기점으로 하여 예측된 상기 대기/해양 예측 자료 값을 평균한 앙상블 평균값과 상기 각 군집별 태풍 개수와의 상관관계 분석을 통해 예측인자 설정 지역이 결정된 것으로서, 상기 예측인자 중 상기 C1 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 160°E 내지 100°W와 위도 15°S 내지 15°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 30°N 내지 45°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°W와 위도 35°N 내지 55°N 지역에서 양의 상관계수를 갖는500 hPa 지위 고도, 경도 100°E 내지 160°E와 위도 25°N 내지 40°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 130°E 내지 150°E와 위도 20°N30°N 지역에서 양의 상관계수를 갖는850 hPa 상대와도인 총 4개의 예측인자를 사용하고, 상기 예측인자 중 상기 C2 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 160°E 내지 100°W와 위도 5°S 내지 5°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 110°E 내지 150°E와 위도 5°N 내지 20°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°W와 위도 25°N 내지 50°N 지역에서 음의 상관계수를 갖는500 hPa 지위 고도, 경도 120°E 내지 140°W와 위도 25°N 내지 40°N 지역에서 양의 상관계수를 갖는 연직 바람 시어 및 경도 120°E 내지 160°W와 위도 5°N 내지 20°N 지역에서 양의 상관계수를 갖는850 hPa 상대와도인 총 5개의 예측인자를 사용하며, 상기 예측인자 중 상기 C3 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 140°E 내지 100°W와 위도 20°S 내지 30°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 180°와 위도 30°N 내지 50°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 130°W와 위도 30°N 내지 50°N 지역에서 음의 상관계수를 갖는500 hPa 지위 고도, 경도 100°E 내지 140°W와 위도 0° 내지 20°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 120°E 내지 160°W와 위도 5°N 내지 20°N 지역에서 양의 상관계수를 갖는850 hPa 상대와도인 총 5개의 예측인자를 사용하고, 상기 예측인자 중 상기 C4 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 120°E 내지 140°E와 위도 20°S 내지 35°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°E와 위도 17.5°N 내지 27.5°N 지역에서 양의 상관관계를 갖는 연직 바람 시어, 경도 145°E 내지 170°W와 위도 20°N 내지 35°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도 및 경도 0°E 내지 360°E와 위도 10°S 내지 10°N 지역에서 음의 상관계수를 갖는 50 hPa 동서 바람인 총 4개의 예측인자를 사용하며, 상기 예측인자 중 상기 C5 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 140°E 내지 140°W와 위도 10°N 내지 30°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 40°N 내지 60°N 지역에서 양의 상관관계를 갖는 500hPa 지위 고도 및 경도 120°E 내지 140°E와 위도 10°N 내지 30°N 지역에서 음의 상관계수를 갖는 연직 바람 시어인 총 3개의 예측인자를 사용하고, 상기 예측인자 중 상기 C6 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 110°E 내지 140°E와 위도 15°N 내지 35°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 90°E 내지 180°E와 위도 10°S 내지 10°N 지역에서 양의 상관관계를 갖는 대류권 평균 동서 바람장, 경도 80°E 내지 100°E와 위도 10°N 내지 25°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 100°E 내지 170°E와 위도 5°N 내지 30°N 지역에서 음의 상관계수를 갖는 강수 가능 수증기량인 총 4개의 예측인자를 사용하며, 상기 예측인자 중 상기 C7 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 120°E 내지 120°W와 위도 25°S 내지 25°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 30°N 내지 45°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 50°E 내지 110°E와 위도 30°S 내지 5°S 지역에서 양의 상관계수를 갖는 해수면 온도 및 경도 95°E 내지 160°E와 위도 15°N 내지 30°N 지역에서 음의 상관계수를 갖는 850hPa의 동서 바람장인 총 4개의 예측인자를 사용하는 것을 특징으로 한다.

상기한 바와 같은 목적을 달성하기 위한 본 발명의 다른 특징에 따르면, 컴퓨터를 이용하여 여름철 태풍의 진로를 예측하는 방법으로서, (a) 북서 태평양 지역에서 연 단위의 일정기간 동안 관측된 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 사용하여 6 시간 태풍위치 사이 거리(dist)를 하기의 [수학식 1]로 그리고 변환될 태풍위치 자료 간격(edist)을 하기의 [수학식 2]로 각각 정의한 후 상기 dist와 edist 및 하기의 [수학식 3]을 이용하여 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 같은 거리 간격을 갖는 21개의 동 거리 위치 자료로 상기 각 태풍별로 변환하고, 기 지정된 2개 이상의 군집 개수와 상기 각 태풍에 대한 21개의 동 거리 위치 자료를 군집분류 프로그램의 입력자료로 사용하여 북서 태평양 지역을 상기 기 지정된 군집 개수의 구역들로 나누고 상기 각 태풍이 상기 구역들 중 상기 21개의 동 거리 위치 자료와 가장 가까운 어느 한 구역에 포함되도록 분류하는 태풍 진로의 군집 분류 단계; (b) 북서 태평양 지역의 태풍 활동에 영향을 주었고 상기 (a) 단계에서 분류된 각 군집의 태풍 개수에 영향을 미친 6월부터 10월까지의 대기/해양 순환장에 관한 예측인자로서, 특정지역의 해수면 온도, 특정지역의 500 hPa(헥토파스칼) 지위고도, 특정지역의 200 hPa과 850hPa의 수평바람장의 차이를 나타내는 연직바람 시어, 특정지역의 50 hPa의 동서 바람장, 특정지역의 대류권 평균 동서 바람장, 특정지역의 강수 가능 수증기량 및 특정지역의 850 hPa의 동서 바람장을 포함하는 예측인자들 중 2개 이상의 예측인자를 상기 (a) 단계에서 분류된 군집별로 각 군집에 속하는 태풍 개수(

) 예측에 사용되는 예측인자로 추출하고 하기의 [수학식 4]를 이용하여 각 군집별 태풍 개수를 예측하고, 상기 [수학식 4]의

와

값인 것을 특징으로 하는 군집별 태풍 개수 예측 단계; 및 (c) 상기 예측된 각 군집별 태풍 개수(

)와 하기의 [수학식 7]로 정의되는 군집별 태풍 진로 분포 확률(

)을 하기의 [수학식 8] 및 [수학식 9]를 이용하여 예측하고자 하는 해의 태풍 진로 분포 확률 예측값(

)을 산출하는 태풍 진로 분포 확률 예측 단계를 포함하는 것을 특징으로 한다. 상기 [수학식 1]은

이며, 상기 [수학식 3]은

,

for j=1,

,

for j=21,

for j=2,…20, (이때, (

,

≤ (j - 1)×edist <

을 만족하는 양의 정수로 정의 된다)이고, 상기 [수학식 4]는

(이때,

이고, 상기 [수학식 6]은

와

값을 구하기 위한 최소 자승법 식이다)이며, 상기 [수학식 7]은

이고, 상기 [수학식 8]은

(이때,

은 j 년도의 예측된 각 군집별 태풍 개수의 합으로서 예측 하고자 하는 해의 태풍의 총 발생 개수의 예측값이다)이며, 상기 [수학식 9]는

(이때,

은 예측하고자 하는 해(j 년도)의 태풍 진로 분포 확률 값이고, C는 총 군집의 개수이다)이다.

이상 살펴본 바와 같은 본 발명에 따르면, 북서태평양 전 지역에 대하여 6월부터 10월까지의 태풍의 진로를 가장 정확하게 예측할 수 있도록 하는 군집별 태풍 개수 예측 방법 및 여름철 태풍 진로 예측 방법을 제공할 수 있다.

도 1은 본 발명의 바람직한 실시예에 의한 여름철 태풍 진로 예측 방법을 나타낸 순서도이다.
도 2는 4개의 태풍에 대하여 위의 식을 이용하여 6시간 태풍 위치 사이의 거리(dist)에 관한 6시간 태풍 위치 자료를 태풍 위치 자료 간격(edist)에 관한 21개의 태풍 위치 자료로 변환한 예시도이다.
도 3은 Fuzzy c-means 군집 분류 방법을 이용하여 분류된 7개의 태풍 진로 군집에 대한 예시도이다.
도 4 내지 도 10은 각각 C1 내지 C7 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관관계를 나타내는 예시도이다.
도 11은 각 군집별 태풍 개수 예측 검증에 관한 그래프이다.
도 12는 각 군집별 태풍 진로 분포 확률을 나타내는 예시도이다.
도 13은 태풍 진로 예측을 나타내는 예시도이다.
도 14는 태풍 자료의 변환 방법에 대한 이해를 돕기 위한 설명도로서, 4 개의 위치 자료를 새로운 5개의 등간격 위치 자료로 변환하는 과정에 대한 참고 설명도이다.

기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.

그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

이하, 본 발명의 실시예들에 의하여 여름철 태풍 진로 예측 방법을 설명하기 위한 도면들을 참고하여 본 발명에 대해 설명하도록 한다.

도 1은 본 발명의 바람직한 실시예에 의한 여름철 태풍 진로 예측 방법을 나타낸 순서도이다.

본 발명에 의한 여름철 태풍 진로 예측 방법은 대풍 진로의 군집 분류 단계(S10)와 군집별 태풍 개수 예측 단계(S20)를 포함한다.

이때, 상기 군집별 태풍 개수 예측 단계(S20) 이후에 태풍 진로 분포 확률 예측 단계(S30)를 더 포함할 수 있다.

본 발명의 바람직한 실시예에 따른 여름철 태풍 진로 예측 방법은 컴퓨터를 이용하여 여름철 태풍의 진로를 예측하는 방법으로서 상기 태풍 진로의 군집 분류 단계(S10)와 군집별 태풍 개수 예측 단계(S20)을 포함한다.

이때, 상기 태풍 진로의 군집 분류 단계(S10)는 북서 태평양 지역에서 연 단위의 일정기간 동안 관측된 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 사용하여 6 시간 태풍위치 사이 거리(dist)를 하기의 [수학식 1]로 그리고 변환될 태풍위치 자료 간격(edist)을 하기의 [수학식 2]로 각각 정의한 후 상기 dist와 edist 및 하기의 [수학식 3]을 이용하여 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 같은 거리 간격을 갖는 21개의 동 거리 위치 자료로 상기 각 태풍별로 변환하고, 기 지정된 2개 이상의 군집 개수와 상기 각 태풍에 대한 21개의 동 거리 위치 자료를 군집분류 프로그램의 입력자료로 사용하여 북서 태평양 지역을 상기 기 지정된 군집 개수의 구역들로 나누고 상기 각 태풍을 상기 구역들 중 상기 21개의 동 거리 위치 자료와 가장 가까운 어느 한 구역에 포함되도록 분류하는 태풍 진로의 군집 분류 단계이다.

[수학식 1]

, for i=1,…,N - 1

이때, x _i 와 y _i 는 i 번째 위치의 경도와 위도를 뜻하며, N은 6시간 태풍 위치 자료의 개수이다.

[수학식 2]

[수학식 3]

,

for j=1,

,

for j=21,

for j=2,…20,

상기 [수학식 3]에서, (

,

)는 토쿄 태풍센터에서 제공하는 6시간 간격의 태풍의 위치(경도, 위도)이며, (

,

)는 변환된 태풍의 위치(경도, 위도)이다. N은 6시간 간격 태풍의 위치 자료의 개수이며, l은

≤ (j - 1)×edist <

을 만족하는 양의 정수로 정의된다.

이때, 상기 [수학식 3]은 다음 [수학식 3-1]과 같이 표시될 수 있으며, 하기의 M은 새로운 위치 자료의 개수, 즉 21이 된다.

[수학식 3-1]

,

for j=1,

,

for j=1,

for j=2,…M-1,

도 14는 앞에서 제시한 태풍 자료의 변환 방법에 대한 이해를 돕기 위한 것으로서, 4 개의 위치 자료를 새로운 5개의 등간격 위치 자료로 변환하는 과정에 대한 참고 설명도이다.

도 14는 4개의 위치 자료(X₁, X₂, X₃, X₄)를 새로운 5개의 등간격 위치 자료 (X^new ₁, X^new ₂, X^new ₃, X^new ₄, X^new ₅)로 변환하는 과정을 보여 주고 있으며, 여기서 위치를 나타내는 X는 (x, y)의 좌표를 갖는 2차원 벡터이다. 4개의 위치 자료를 직선으로 연결한 선을 따라서 같은 간격을 갖는 새로운 위치 자료를 만들고 있다. 그림 아래의 수식은 새로운 [수학식 3]에 따라 새로운 좌표가 계산되는 과정을 보여 주고 있다. 여기서 [수학식 3]의 N은 4, M은 5가 될 것이다.

또한, 상기 군집별 태풍 개수 예측 단계(S20)는 북서 태평양 지역의 태풍 활동에 영향을 주었고 상기 태풍 진로의 군집 분류 단계(S10)에서 분류된 각 군집의 태풍 개수에 영향을 미친 6월부터 10월까지의 대기/해양 순환장에 관한 예측인자로서, 특정지역의 해수면 온도, 특정지역의 500 hPa(헥토파스칼) 지위고도, 특정지역의 200 hPa과 850hPa의 수평바람장의 차이를 나타내는 연직바람 시어, 특정지역의 50 hPa의 동서 바람장, 특정지역의 대류권 평균 동서 바람장, 특정지역의 강수 가능 수증기량 및 특정지역의 850 hPa의 동서 바람장을 포함하는 예측인자들 중 2개 이상의 예측인자를 상기 (a) 단계에서 분류된 군집별로 각 군집에 속하는 태풍 개수(

) 예측에 사용되는 예측인자로 추출하고 하기의 [수학식 4]를 이용하여 각 군집별 태풍 개수를 예측하는 단계로서, 상기 [수학식 4]의

와

는 하기의 [수학식 5]의 과정을 거치고 하기의 [수학식 6]을 이용하여 f를 최소화 하는 값이 된다.

[수학식 4]

이때,

은 j년도 Ci 군집의 태풍 개수를 예측하기 위한 m번째 예측인자이며, n _i 는 Ci군집의 태풍을 예측하기 위한 예측 인자의 개수이고,

는j년도 Ci군집의 태풍 개수 예측을 위한 회귀 상수이다.

[수학식 5]

[수학식 6]

이때, 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료는, 연 단위인 과거 일정 기간 동안의 6월 내지 9월 동안 발생한 총 태풍의 각 태풍별 6시간 간격의 위치 자료이고, 상기 각 태풍에 대한 21개의 동 거리 위치 자료는 x _k =

,k=1,2,...,K (여기서, x _k 는 k번째 태풍에 해당하는 열벡터이며, K는 총 태풍의 개수이다)의 열벡터 형식으로 변환하여 상기 군집분류 프로그램의 입력자료로 사용되며, 상기 기 지정된 2개 이상의 군집 개수는 Xie and Beni index를 이용한 최적 군집 개수 판별시험을 통해 판별된 7개이고, 상기 군집분류 프로그램은 fuzzy c-means 군집 분류 프로그램으로서 7개의 태풍 진로 군집들(C1 군집 내지 C7 군집)로 분류하여 상기 각 태풍을 상기 분류된 C1 군집 내지 C7 군집들 중 상기 각 태풍에 대한 21개의 동 거리 위치 자료와 가장 가까운 어느 한 군집에 포함시키되, 상기 C1 군집은 동경 120도 내지 동경 140도와 북위 15도 내지 북위 45도의 범위에 속하고, 상기 C2 군집은 동경 125도 내지 동경 160도와 북위 10도 내지 북위 40도의 범위에 속하며, 상기 C3 군집은 동경 115도 내지 동경 150도와 북위 10도 내지 북위 40도의 범위에 속하고, 상기 C4 군집은 동경 140도 내지 동경 160도와 북위 15도 내지 북위 45도의 범위에 속하며, 상기 C5 군집은 동경 150도 내지 동경 180도와 북위 15도 내지 북위 45도의 범위에 속하고, 상기 C6 군집은 동경 100도 내지 동경 120도와 북위 10도 내지 북위 25도의 범위에 속하며, 상기 C7 군집은 동경 100도 내지 동경 150도와 북위 10도 내지 북위 25도의 범위에 속할 수 있다.

이하는, 상기 태풍 진로의 군집 분류 단계(S10)에 관하여 보다 구체적으로 설명하기로 한다.

태풍 진로의 군집 분류 단계( S10 )

우선 통계학적 군집 분류 방법을 이용하여 태풍 진로를 여러 개의 군집으로 분류한다.

이때, 각각의 태풍 진로 군집은 최종 태풍 진로 예측에 있어 기저(basis)로 사용된다.

또한, 태풍 진로의 군집 분류를 위해서 북서 태평양 지역에서 연 단위의 일정 기간 동안 관측된 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 사용한다.

이때, 상기 북서 태평양 지역에서 연 단위의 일정 기간 동안 관측된 각 태풍은 도쿄 태풍 센터에서 제공하는 1965년부터 2006년까지의 6월내지 9월 동안 발생한 총 855개의 태풍이 사용될 수 있다.

즉, 태풍 진로의 군집 분류를 위해서 도쿄 태풍 센터에서 제공하는 1965년부터 2006년까지의 6월내지 9월 동안 발생한 총 855개의 태풍의 6시간 간격의 위치 자료를 사용한다.

이때, 도쿄 태풍 센터에서 제공하는 6시간 태풍 위치 자료의 경우에는 각각의 태풍마다 위치 자료의 개수가 다르다.

따라서, 통계학적 군집 분류 방법을 이용하기 위해서는 모든 태풍은 같은 개수의 위치 자료를 가지고 있어야 하므로, 다음의 방법을 이용하여 모든 태풍의 위치 자료를 같은 거리 간격을 갖는21개의 위치 자료로 변환하였다.

우선 6시간 태풍 위치 사이의 거리(dist)는 상기 [수학식 1]로 그리고 변환될 태풍 위치 자료 간격(edist)을 하기의 [수학식 2]로 각각 정의할 수 있다.

이렇게 정의된 dist와 edist와 상기 [수학식 3]을 이용하여 6시간 간격의 태풍 위치 자료를 같은 거리 간격을 갖는 21개의 위치 자료로 변환한다.

도 2는 4개의 태풍에 대하여 위의 식을 이용하여 6시간 태풍 위치 사이의 거리(dist)에 관한 6시간 태풍 위치 자료를 태풍 위치 자료 간격(edist)에 관한 21개의 태풍 위치 자료로 변환한 예시도이다.

도 2에서 회색 원으로 표시된 것이 상기 6시간 태풍 위치 자료이며 검은 점으로 표시된 것이 변환된 상기 태풍 위치 자료이다.

도 2에서 나타난 바와 같이, 변환된 상기 태풍 위치 자료가 실제 태풍의 진로를 적절히 잘 표현하고 있음을 확인할 수 있다.

상기와 같이 북서 태평양 지역에서 연 단위의 일정 기간 동안 관측된 각 태풍에 대한 태풍 위치 자료, 구체적으로는 상기 총 855개 각각의 태풍 위치 자료에 대한 상기 21개의 태풍 위치 자료를 Fuzzy c-means 군집 분류(퍼지 군집 분류) 방법의 입력 자료로 사용한다.

이때, 상기 퍼지 군집 분류 프로그램의 입력 자료로 사용하기 위해서 상기 각 태풍에 대한 상기 변환된 21개의 태풍 위치 자료를 x _k =

k=1,2,...,K(이때, x _k 는 k번째 태풍에 해당하는 열벡터이며, K는 총 태풍의 개수이다. 즉, 총 855개의 태풍을 사용하는 경우 K는 855가 된다)

이때, 통계학적 군집 분류 방법으로는, Fuzzy c-means 군집 분류 방법, k-means 군집 분류 방법 및 계측적 군집 분류 방법 등 다양한 방법들이 존재한다.

특히, 상기 Fuzzy c-means 군집 분류 방법에 관하여는 저서 "Bezdek, J. C., 1981: Pattern Recognition with Fuzzy Objective Function Algorithms. Kluwer Academic Publishers, 256 pp."에 상세히 서술되어 있으며, 현재 포트란(Fortran) 컴파일러 또는 매트랩(Matlab) 소프트웨어 등에서 상기 Fuzzy c-means 분류를 수행할 수 있는 다양한 컴퓨터 프로그램이 개발 제공되고 있다.

상기 x _k (상기 총 태풍 각각에 대한 열벡터)를 입력 자료로 사용하여 상기 Fuzzy c-means 군집 분류 프로그램을 수행한다.

이때, 상기 Fuzzy c-means 군집 분류 프로그램을 수행하기 이전에 군집 개수를 정해 주어야 한다.

상기 군집 개수는 2개 이상으로 지정되어야 하되, 본 발명에 의한 여름철 태풍 진로 예측 방법을 사용하는 사용자가 임의로 결정하여 정할 수 있다.

이때, Xie and Beni Index를 이용한 최적 군집 개수 판별 시험을 시행하여 상기 군집의 개수를 정할 수 있으며, 상기 Xie and Beni Index를 이용한 군집 개수 판별 시험 결과, 북서 태평양 지역에 대한 태풍의 진로는 7개의 군집으로 분류한다.

상기 Xie and Beni Index에 관하여는 저서 "Abonyi, J, and B. Feil, 2007: Cluster Analysis for Data Mining and System Identification. Birkhauser Basel, 303pp."에 상세히 서술되어 있다.

상기 Fuzzy c-means 군집 분류 프로그램의 결과물로서 7개의 군집의 중심과 각각의 태풍의 진로가 상기 7개의 군집의 중심과 얼마나 가까이 존재하는지를 알려주는 소속도가 산출되며, 최종적으로 각각의 태풍은 가장 가까운 군집 중심을 갖고 있는, 즉 상기 소속도가 가장 높은 군집에 속하게 된다.

도 3은 Fuzzy c-means 군집 분류 방법을 이용하여 분류된 7개의 태풍 진로 군집(C1, C2, C3, C4, C5, C6, C7)으로 분류된 각 태풍의 진로를 나타낸다.

도 3에 나타난 바와 같이 상기 각 군집은 각 태풍의 진로 형태에 따라 적절히 잘 분류되어 있음을 확인할 수 있다.

다음은, 상기 군집별 태풍 개수 예측 단계(S20)에 관하여 보다 구체적으로 설명하기로 한다.

군집별 태풍 개수 예측 단계( S20 )

상기 군집별 태풍 개수 예측 단계(S20)에서는 상기 태풍 진로의 군집 분류 단계(S10)에서 분류된 각각의 군집(즉, C1, C2, C3, C4, C5, C6, C7 군집)의 태풍 활동과 관련된 대기 해양 순환장을 예측인자로 사용하여 각각의 군집의 태풍의 개수를 예측하는 모델을 구축하고, 각 태풍 진로의 군집 유형과 관련된 대기 순환장의 변동성을 이용한 통계 모델을 구성하였다.

태풍의 진로는 과거 여러 과학자들의 연구에 의해서 대기 및 해양 순환장과 밀접한 관련을 가지고 있음이 밝혀져 있다.

특히, 북서 태영양 지역에서의 6월 내지 10월 사이의 태풍의 활동은, 앞선 1월 내지 5월까지의 대기 및 해양 순환장 보다 태풍 활동과 같은 기간인 6월부터 10월까지의 대기 및 해양 순환장과의 관련성이 더 높게 나타난다. 따라서, 각각의 군집에 대한 태풍 개수의 예측인자로서 수 개월 전에 역학 모델로부터 예측된 6월부터 10월까지의 대기 및 해양 순환장 자료를 사용하는 것이 바람직하다.

또한, 각각의 군집에 대한 태풍 개수의 예측인자로서 수 개월 전에 역학 모델로부터 예측된 6월부터 10월까지의 대기 및 해양 순환장 자료를 사용함으로써, 5월 이전에 태풍 주 활동 기간인 6월부터 10월까지의 대기 및 해양의 상태를 예측할 수 있으므로, 이를 이용하여 6월부터 10월 동안 발생한 각각의 군집별 태풍 개수 예측을 위한 모델을 제시하도록 한다.

본 발명에서 사용한6월부터 10월까지의 대기 및 해양 예측 자료는 미국 국립 환경 예측 센터(National Centers for Environmental Prediction: NCEP)의 계절 예측시스템(Climate Forecast System: CFS)을 통해 예측된 6월부터 10월까지의 대기 해양의 자료를 사용하였다.

상기 NCEP의 CFS에 의한 계절 예측은 매월 1일, 2일, 3일, 9일, 10일, 11일, 12일, 13일, 19일, 20일, 21일, 22일, 23일, 30일, 31일 (또는 29일) 을 기점으로 예측하여 이후 9개월간의 대기와 해양의 상태를 예측하여 웹사이트에 공개하고 있다.

상기 NCEP의 CFS에 의한 자료는 1981년부터 존재하기에 본 발명에서 예측 모델을 위한 분석 기간은 1981년 이후로 한정한다.

역학 모델을 이용한 계절 예측은 시작하는 날에 따라 최종 예측 값이 조금씩 달라지기 때문에 여러 날을 시작점으로 예측된 결과를 평균하여 사용하여야 그 예측성이 좋아지게 된다. 참고로 서로 다른 날들을 기점으로 하여 예측된 값을 평균한 것을 앙상블 평균이라 부른다.

6월부터 10월까지의 각 군집별 태풍 개수를 미리 예측하기 위하여, 그 이전인 4월9일부터 5월3일을 기점으로 예측한 총 15개의 예측 자료를 이용한다.

각 군집별 예측 인자는 1981년부터 2000년까지 상기 NCEP의 CFS에 의한 예측 시스템으로부터 예측된 대기 및 해양 인자의 6월부터10월의 앙상블 평균값과 각 군집별 태풍 개수와의 상관계수 분석을 통해 예측 인자 설정 지역이 결정된다.

최종 선택된 예측인자는 유의수준 분석을 통하여 설정된 지역 내에서 신뢰도95%이상 유의미한 지역을 평균하여 사용하며 만약 유의미한 지역이 없는 경우 설정한 예측 인자 지역에서 가장 높은 상관성을 갖는 곳의 값을 예측인자로 사용한다. 각 군집별 예측 인자에 대한 자세한 설명은 다음과 같다.

도 4는 1981년부터 2000년까지 6월부터 10월까지의 C1군집의 태풍의 개수와 NCEP의 CFS 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C1 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 4의 (a)는 해수면 온도, (b)는 500 hPa 지위고도, (c)는 연직 바람 시어(200 hPa과 850 hPa에서의 동서 바람장의 차이), (d)는 850 hPa 상대와도와의 상관관계를 각각 나타낸다.

도 4를 참조하면, 해수면 온도와의 상관 계수는 열대 동태평양 지역에서 음의 상관관계가 나타나며 일본 동쪽 해역에서는 양의 상관관계가 나타난다. 이는 라니냐와 관련된 변동을 나타내고 있는데 라니냐 시기 상기 C1 군집의 태풍이 증가함을 나타낸다. 500 hPa 지위고도의 상관계수를 보면 중위도 태평양 지역에서 양의 상관관계가 나타나는데 이 역시 라니냐와 관련된 변동으로 이 지역의 500 hPa 의 지위고도장이 증가하면 상기 C1 군집의 태풍이 증가함을 나타낸다. 라니냐 시기 태풍의 발생지역이 북서 태평양 서북쪽으로 이동하게 되는데 상기 C1 군집의 태풍은 이러한 라니냐 시기 태풍의 발생 지역과 일치하므로 라니냐와 관련된 대기 해양 인자가 상기 C1 군집의 태풍 개수 예측에 적합함을 알 수 있다. 200 hPa과 850 hPa의 수평 바람장의 차이를 나타내는 연직 바람 시어와의 상관계수를 보면 상기 C1 군집의 태풍이 지나가는 지역에서 음의 상관관계를 보이고 있다. 보통 연직 바람 시어가 약할수록 태풍의 활동이 활발하므로 이 지역에서 바람 시어는 상기 C1 군집의 태풍 예측인자로서 적합함을 알 수 있다. 850 hPa 상대와도와의 상관계수를 보면 상기 C1 군집의 태풍 발생 지역 근처에서 양의 상관관계가 나타난다. 보통 상대와도가 증가하면 태풍의 발생이 증가하므로 이 지역에서 상대와도가 상기 C1 군집의 태풍 개수 예측 인자로 적합하다.

따라서, 상기 C1 군집에 속하는 태풍을 예측하기 위해 경도 160°E 내지 100°W와 위도 15°S 내지 15°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 30°N 내지 45°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°W와 위도 35°N 내지 55°N 지역에서 양의 상관계수를 갖는 500 hPa 지위 고도, 경도 100°E 내지 160°E와 위도 25°N 내지 40°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 130°E 내지 150°E와 위도 20°N 내지 30°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도를 예측인자로 사용한다.

도 5는 1981년부터 2000년까지 6월부터 10월까지의 상기 C2 군집의 태풍의 개수와 상기 NCEP의 CFS 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C2 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 4의 (a)는 해수면 온도, (b)는 500 hPa 지위고도, (c)는 연직바람시어(200 hPa과 850 hPa에서의 동서 바람장의 차이), (d)는 850 hPa 상대와도와의 상관관계를 각각 나타낸다.

도 5를 참고하면, 해수면 온도와의 상관계수를 보면 열대 동태평양 지역에서 양의 상관관계가 나타나며 서태평양에서는 음의 상관관계가 나타난다. 이는 엘니뇨와 관련된 변동을 나타내고 있는데 엘니뇨 시기 상기 C2 군집의 태풍이 증가함을 나타낸다. 500 hPa 지위고도의 상관계수를 보면 중위도 태평양 지역에서 음의 상관관계가 나타나는데 이 역시 엘니뇨와 관련된 변동으로 이 지역의 500 hPa 의 지위고도장이 감소하면 C2 태풍이 증가함을 나타낸다. 연직 바람 시어와의 상관계수를 보면 열대 서태평양에서는 음의 상관관계, 중위도 태평양 지역에서는 음의 상관관계를 보이고 있다. 이러한 패턴 역시 엘니뇨 현상과 관련되어 있다. 보통 엘니뇨 시기 태풍의 발생 지역이 북서 태평양 동남쪽으로 이동하게 되는데 상기 C2 군집의 태풍은 이러한 엘니뇨시기 태풍의 발생 지역과 일치한다. 850 hPa 상대와도와의 상관계수를 보면 상기 C2 군집의 태풍 발생 지역 근처에서 높은 양의 상관관계가 나타난다. 이 지역에서 상대와도가 증가하면 태풍 발생의 호조건이 형성되어 상기 C2 군집의 태풍의 발생이 증가하게 된다.

따라서, 상기 C2 군집에 속하는 태풍을 예측하기 위해, 경도 160°E 내지 100°W와 위도 5°S 내지 5°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 110°E 내지 150°E와 위도 5°N 내지 20°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°W와 위도 25°N 내지 50°N 지역에서 음의 상관계수를 갖는 500 hPa 지위 고도, 경도 120°E 내지 140°W와 위도 25°N 내지 40°N 지역에서 양의 상관계수를 갖는 연직 바람 시어 및 경도 120°E 내지 160°W와 위도 5°N 내지 20°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도의 총 5개의 요소를 예측인자로 사용한다.

도 6은 1981년부터 2000년까지 6월부터 10월까지의 상기 C3 군집의 태풍의 개수와 NCEP의 cfs 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C3 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 6의 (a)는 해수면 온도, (b)는 500 hPa 지위고도, (c)는 연직 바람 시어(200 hPa과 850 hPa에서의 동서 바람장의 차이), (d)는 850 hPa 상대와도의 상관관계를 각각 나타낸다.

도 6을 참고하면, 해수면 온도와의 상관 계수를 보면 열대 중태평양 지역에 중심을 두고 양의 상관관계가 나타나며 일본 동쪽 해역에서는 음의 상관관계가 나타난다. 이는 최근 알려진 중태평양 엘니뇨와 관련된 변동을 나타내고 있는데 중태평양 엘니뇨 시기에 상기 C3 군집의 태풍이 증가하게 된다. 500 hPa 지위고도의 상관계수를 보면 중위도 태평양 지역에서 음의 상관관계가 나타나는데 이 역시 중태평양 엘니뇨와 관련된 변동으로 이 지역의 500 hPa의 지위고도장이 감소하면 상기 C3 군집의 태풍이 증가함을 나타낸다. 연직 바람 시어와의 상관계수를 보면 열대 서태평양에서는 음의 상관관계를 보여 주고 있는데 이는 이 지역에서 약한 연직 바람 시어가 상기 C3 군집의 태풍 발생 증가에 기여하고 있음을 나타낸다. 850 hPa 상대와도와의 상관계수를 보면 태풍 발생 지역에서 양의 상관관계가 나타난다. 즉 이 지역에서 상대와도가 증가하면 상기 C3 군집의 태풍 발생의 증가에 영향을 미침을 나타낸다

따라서, 상기 C3 군집에 속하는 태풍을 예측하기 위해, 경도 140°E 내지 100°W와 위도 20°S 내지 30°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 180°와 위도 30°N 내지 50°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 130°W와 위도 30°N 내지 50°N 지역에서 음의 상관계수를 갖는 500 hPa 지위 고도, 경도 100°E 내지 140°W와 위도 0° 내지 20°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 120°E 내지 160°W와 위도 5°N 내지 20°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도의 총 5개의 예측인자를 사용한다.

도 7은 1981년부터 2000년까지 6월부터 10월까지의 상기 C4 군집의 태풍의 개수와 NCEP의 CFS 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C4 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 7의 (a)는 해수면 온도, (b)는 연직바람시어(200 hPa과 850 hPa에서의 동서 바람장의 차이), (c)는 850 hPa 상대와도, (d)는 50 hPa 동서 바람장과의 상관관계를 각각 나타낸다.

도 7을 참고하면, 해수면 온도와의 상관 계수를 보면 동중국해에서 음의 상관관계가 보인다. 즉, 동중국해의 해수면 온도가 낮으면 그 지역에서의 태풍 활동이 약해 지고 상대적으로 상기 C4 군집의 태풍이 활동하는 지역인 일본 동쪽 지역에서 태풍 활동이 활발해 지게 된다. 연직 바람 시어와의 상관계수를 보면 대만 근처에서 양 상관관계를 보여 주고 있는데 이는 이 지역에서 강한 연직 바람 시어에 의해 태풍의 발생이 상기 C4 군집의 태풍이 주로 발생하는 필리핀해 동쪽지역으로 이동하게 된다. 850 hPa 상대와도와의 상관계수를 보면 상기 C4 군집의 태풍이 주로 활동하는 일본 동남쪽 해역에서 양의 상관관계가 나타난다. 즉 이 지역에서 상대와도의 증가는 상기 C4 군집의 태풍 개수 증가에 기여한다. 50 hPa 동서 바람장과의 상관계수를 보면 열대 적도 지역에서 강한 음의 상관관계를 보여 주고 있다. 상기 C4 군집의 태풍은 성층권 준2년 진동과 밀접하게 관련되어 있어, 열대 성층권 바람이 동풍일 때 상기 C4 군집의 태풍처럼 일본 동남쪽 해역을 지나는 태풍이 증가한다는 것은 과거 연구에 의해 이미 알려진 사실이다.

따라서, 상기 C4 군집에 속하는 태풍을 예측하기 위해, 경도 120°E 내지 140°E와 위도 20°S 내지 35°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°E와 위도 17.5°N 내지 27.5°N 지역에서 양의 상관관계를 갖는 연직 바람 시어, 경도 145°E 내지 170°W와 위도 20°N 내지 35°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도, 경도 0°E 내지 360°E와 위도 10°S 내지 10°N 지역에서 음의 상관계수를 갖는 50 hPa 동서 바람의 총 4개의 예측인자를 사용한다.

도 8은 1981년부터 2000년까지 6월부터 10월까지의 상기 C5 군집의 태풍의 개수와 NCEP의 CFS 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C5 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 8의 (a)는 해수면 온도, (b)는 500 hPa 지위고도, (c)는 연직 바람 시어(200 hPa과 850 hPa에서의 동서 바람장의 차이)와의 상관관계를 각각 나타낸다.

도 8을 참고하면, 해수면 온도와의 상관계수를 보면 아열대 중태평양에서 양의 상관관계가 보인다. 이 지역은 상기 C5 군집의 태풍이 발생하는 지역을 포함하고 있으며, 이 지역에서의 해수면 온도의 상승은 상기 C5 군집의 태풍의 발생의 호조건을 형성하게 된다. 500 hPa 지위 고도장과의 상관계수를 보면 캄차카반도 근처 지역에서 양의 상관관계를 가지고 있음을 보여 주고 있다. 이는 아열대 지역 해수면 온도의 상승에 따른 로스비파동의 전파의 형태를 가지고 있으며 이는 상기 C5 군집의 태풍과 밀접한 관련을 가지고 있음을 보여 주고 있다. 연직 바람 시어의 경우 태풍 발생 지역에서 음의 상관관계를 나타내고 있으며 이는 상기 C5 군집의 발생 지역에서의 약한 연직 바람 시어가 태풍 발생의 호조건을 형성하여 상기 C5 군집의 태풍을 증가시킴을 나타낸다.

따라서, 상기 C5 군집에 속하는 태풍을 예측하기 위해, 경도 140°E 내지 140°W와 위도 10°N 내지 30°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 40°N 내지 60°N 지역에서 양의 상관관계를 갖는 500 hPa 지위 고도 및 경도 120°E 내지 140°E와 위도 10°N 내지 30°N 지역에서 음의 상관계수를 갖는 연직 바람 시어의 총 3개의 예측인자를 사용한다.

도 9는 1981년부터 2000년까지 6월부터 10월까지의 C6군집의 태풍의 개수와 NCEP의 CFS 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C6 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 9의 (a)는 해수면 온도, (b)는 대류권 평균 바람장, (c)는 연직 바람 시어(200 hPa과 850 hPa에서의 동서 바람장의 차이), (d)는 대기 중 강수 가능 수증기량과의 상관관계를 각각 나타낸다.

도 9를 참고하면, 남중국해에서 발생하는 상기 C6 군집의 태풍과 관련된 대기 해양 인자는 다른 군집의 태풍과는 조금 다른 형태로 나타난다. 과거 연구에 의하면 남중국에서의 태풍의 발생은 필리핀해에서의 태풍의 발생과 반대의 경향성을 가지고 있다. 해수면 온도와의 상관관계를 살펴보면 동중국해와 남중국해 북쪽지역에서 음의 상관관계가 나타난다. 이 지역에서의 낮은 해수면 온도는 필리핀해에서의 태풍 발생을 약화시켜 상대적으로 남중국해 지역에서의 태풍 발생이 증가하게 된다. 대류권 평균 동서 바람장과의 상관계수를 살펴보면 열대 지역에 넓은 지역에서 강한 음의 상관관계가 나타난다. 대류권 평균 동서 바람장은 850 hPa, 500 hPa, 200 hPa 의 동서바람장을 평균하여 사용한다. 이는 필리핀해 지역에서 고기압성 회전을 야기시켜 필리핀해에서의 태풍의 발생을 저해하고 상대적으로 남중국해에서의 태풍의 발생을 증가시킨다. 연직 바람 시어와의 상관계수를 살펴보면 벵골만 근처와 열대 동태평양 지역에서 음의 상관관계가 나타나고 있는데 이 지역에서의 연직 바람 시어가 약해 지면 상기 C6 군집의 태풍이 증가하게 된다. 강수 가능 수증기량과의 상관계수를 보면 서태평양 넓은 지역에서 음의 상관관계가 나타나고 있다. 강수 가능 수증기량이 줄어든다는 것은 태풍 활동을 저해하는 요소가 된다. 특히 필리핀해에서의 강수 가능 수증기량의 감소는 필리핀해의 태풍의 수를 감소 시켜, 남중국해에서 발생하는 상기 C6 군집의 태풍의 상대적인 증가와 밀접한 관련을 가지게 된다.

따라서, 상기 C6 군집에 속하는 태풍을 예측하기 위해, 경도 110°E 내지 140°E와 위도 15°N 내지 35°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 90°E 내지 180°E와 위도 10°S 내지 10°N 지역에서 양의 상관관계를 갖는 대류권 평균 동서 바람장, 경도 80°E 내지 100°E와 위도 10°N 내지 25°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 100°E 내지 170°E와 위도 5°N 내지 30°N 지역에서 음의 상관계수를 갖는 강수 가능 수증기량의 총 4개의 요소를 예측인자로 사용한다.

도 10은 1981년부터 2000년까지6월부터 10월까지의 상기 C7 군집의 태풍의 개수와 NCEP의 CFS 앙상블 평균값과의 상관계수를 나타낸 것으로서, 상기 C7 군집에 해당하는 태풍의 개수와 NCEP의 CFS에서 제공하는 대기 해양 인자와의 상관 관계를 나타낸다. 도 10의 (a)는 해수면 온도, (b)는 850 hPa 상대와도와의 상관 관계를 각각 나타낸다.

도 10을 참고하면, 해수면 온도와의 상관관계를 살펴보면 서태평양을 중심으로 하여 열대 중태평양 지역의 해수면 온도와 양의 상관과계를 가지고 있음을 나타낸다. 양의 상관계수를 가지고 있는 지역은 상기 C7 군집의 태풍이 발생하는 지역을 포함하고 있다. 이와 더불어 남인도양 지역과 일본 동쪽의 중위도 중태평양 지역에서도 양의 상관관계를 나타내고 있다. 이 지역에서 해수면 온도가 상승하게 되면 상기 C7 군집에 속하는 태풍은 직진형 태풍이 증가하게 된다. 850 hPa 동서 바람장과의 상관관계를 살펴보면 서태평양 및 남중국 근처 북위 20도에서 음의 상관관계가 나타나고 있다. 이는 이 지역에서의 동풍계열의 바람이 상기 C7 군집 형태의 동쪽으로 직진하는 태풍 개수 증가에 기여하고 있음을 나타낸다.

따라서, 상기 C7 군집에 속하는 태풍을 예측하기 위해, 경도 120°E 내지 120°W와 위도 25°S 내지 25°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 30°N 내지 45°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 50°E 내지 110°E와 위도 30°S 내지 5°S 지역에서 양의 상관계수를 갖는 해수면 온도 및 경도 95°E 내지 160°E와 위도 15°N 내지 30°N 지역에서 음의 상관계수를 갖는 850hPa의 동서 바람장의 총 4개의 요소를 예측인자를 사용한다.

상기의 예측인자들을 이용하여 각 군집별 태풍 개수의 예측을 위해 푸아송 회귀 방법을 이용한다.

상기 푸아송 회기 방법을 이용한 상기 각 군집별 태풍 개수의 예측 방법은 다음과 같다.

상기 각 군집별 태풍의 개수는 상기의 [수학식 4]에 의해 예측이 이루어 진다.

단, 상술한 바와 같이 상기 각 군집에서 사용되는 예측인자들의 개수가, 상기 C1, C2 및 C3 군집에서는 5개, 상기 C4, C6 및 C7 군집에서는 4개, 상기 C5 군집에서는 3개이므로, 상기 [수학식 4]에 있어서, n1과 n2와 n3는 각각 5가되고, n4와 n6과 n7은 각각 4가되며, n5는 3이 된다.

또한, 상기 각 군집의 태풍 개수 예측을 위해서는 회귀 상수와 계수를 구해야 하므로, 상기 [수학식 4]의 양변에 자연로그를 취하고

을

로 치환함으로써, 상기 [수학식 5]와 같은 일반적인 다중 선형회귀식으로 표현할 수 있다.

이때, 예측하고자 하는 해의 이전해 까지 관측된 각 군집별 태풍의 개수와 상기의 예측 인자들을 이용하여 다중 선형 회귀의 최소자승법을 이용하여 상기 [수학식 6]의 f를 최소화 하는 회귀 계수와 상수(

와

)를 구할 수 있다. 특히, Matlab, 마이크로소프트 엑셀, SPSS, SAS등의 통계처리 프로그램을 이용하면 상기 회귀 계수와 상수를 손쉽게 계산 할 수 있다.

상기 회귀 계수와 상수를 구하기 위해서는 충분한 기간의 대기 해양의 예측인자와 예측하고자 하는 태풍의 관측자료가 필요하다. 상기 NCEP의 CFS 자료는 1981년부터 제공하고 있으므로 1981년부터 예측하고자 하는 해 바로 이전해 까지 자료를 이용하여 상기 회귀 계수와 상수를 구하게 된다.

예를 들어, 2007년도에 상기 C1 군집의 태풍 개수를 예측하기 위해서, 1981년부터 2006년까지의 매년마다 상기 C1 군집에 해당하는 태풍의 개수와 앞서 정한 5개의 예측 인자를 이용하여 회귀 계수와 상수를 구한다. 그리고 나서 2007년 예측인자와 앞서 구한 회귀 계수 및 상수를 이용하여2004년의 상기 C1 군집에 해당하는 태풍의 개수 예측 값을 구하게 된다.

본 발명의 여름철 태풍 진로 예측 방법에 의한 각 군집별 태풍 개수 예측 모델이 적합한지 검증 실험을 하기 위해, 예측 인자 분석기간인 1981년부터 2000년 까지는 Jack-Knife 교차 검증 방법을 이용하고, 2001년부터 2006년 까지는 본 발명에 의한 여름철 태풍 진로 예측 방법을 이용하여 각 군집별 태풍 개수 예측을 수행하여 실제 각 군집별 태풍 개수와 비교 검증을 수행할 수 있다.

상술한 바와 같이 예측 인자로 사용한 NCEP의 CFS에서 예측한 6월부터 10월까지의 대기 해양 자료는 총 15개의 앙상블 멤버가 존재한다. 본 발명의 여름철 태풍 진로 예측 방법에서도 각각의 앙상블 멤버에 기반하여 각 군집별 태풍 개수 예측을 15회 수행한 후 이를 평균하여 최종 예측 값을 생산할 수 있다.

도 11은 실제 각 군집별 태풍 개수 예측의 관측 값과 본 발명에 의한 여름철 태풍 진로 예측 방법으로부터의 예측 값을 그래프로 나타낸 것이다. 관측 값은 붉은색 그래프이고, 연한 파란색이 NCEP의 CFS 자료의 15개의 앙상블 멤버에 기반한 각각의 예측 그래프이며, 진한 파란색이 15개의 예측을 평균한 그래프이다. 각각의 앙상블 멤버는 큰 에러를 보이고 있지만 앙상블 평균값은 실제 관측과 비슷한 변동성을 보이고 있다. 각 군집별 예측값과 0실제 관측값과의 상관계수는 상기 C1 군집은 0.72, 상기 C2 군집은 0.74, 상기 C3군집은 0.77, 상기 C4 군집은 0.81, 상기 C5 군집은 0.72, 상기 C6 군집은 0.71, 상기 C7 군집은 0.74의 값을 가지며 높은 예측성을 보여주고 있다.

이는 본 발명에 의한 여름철 태풍 진로 예측 방법이 상기 각 군집별 태풍 개수를 모사 및 예측하는데 매우 적합하다는 것을 나타낸다.

이하는 상기 태풍 진로 분포 확률 예측 단계(S30)에 관하여 보다 구체적으로 설명한다.

태풍 진로 분포 확률 예측 단계( S30 )

본 발명에 의한 여름철 태풍 진로 예측 방법은 상기 군집별 태풍 개수 예측 단계(S20) 이후에 상기 태풍 진로 분포 확률 예측 단계(S30)를 더 포함할 수 있다.

즉, 본 발명에 의한 여름철 태풍 진로 예측 방법은 상기 군집별 태풍 개수 예측 단계(S20) 이후에, 상기 예측된 각 군집별 태풍 개수(

)을 산출하는 태풍 진로 분포 확률 예측 단계(S30)를 더 포함할 수 있다.

[수학식 7]

[수학식 8]

이때,

은 j 년도의 예측된 각 군집별 태풍 개수의 합으로서 예측 하고자 하는 해의 태풍의 총 발생 개수의 예측값을 의미한다.

[수학식 9]

이때,,

은 예측하고자 하는 해(j 년도)의 태풍 진로 분포 확률 예측값이고, C는 총 군집의 개수를 의미한다.

상기 (군집별 제외)태풍 진로 분포 확률(

)은 상기 각 군집의 태풍의 진로 분포를 정량적으로 표현하기 위해 정의된 값으로서, 상기 태풍 진로 분포 확률(

)은 동경 100도 내지 180도와 북위 0도 내지 45도의 봄위에서 경도 및 위도 1도의 간격의 격자에서 계산한다.

도 12는 상기 7개의 각 군집, 즉 각각의 C1, C2, C3, C4, C5, C6, C7 군집별로 각 군집에 대한 상기 (군집별 제외: 각 군집의 태풍의 진로 분포를 정량적으로 표현하기 위해 정의된 값으로 정의 됨으로)태풍 진로 분포 확률(

)을 나타낸 것으로서, 그 정의에 따라 상기 태풍 진로 분포 확률(

)의 값은 0에서 1사이의 값을 갖게 되고, 태풍 진로 확률 예측에 있어서 기저(basis)로 사용할 수 있다.

상기 태풍 진로 분포 확률 예측 단계(S30)에 관한 보다 구체적인 설명은 다음과 같다.

상기 군집별 태풍 개수 예측 단계(S20)에서 예측된 상기 각 군집에 속하는 태풍 개수(

)와 각 군집에 대한 상기 태풍 진로 분포 확률(

)을 이용하여 예측하고자 하는 해의 태풍 진로 분포 확률을 계산하고, 그 계산은 상기 [수학식 8]과 [수학식 9]에 의한다.

이때, 상술한 바와 같이 C1 군집 내지 C7 군집으로 이루어진 총 7개의 군집을 사용하는 경우 상기 [수학시 8]과 [수학식 9]에서의 C의 값은 7이 된다.

이때, 상기 7개의 군집에 해당하는 태풍의 평균 진로 분포 확률(

)을 기저로 사용하였으므로, 상기 7개의 군집의 태풍 개수가 완벽히 예측된다 하더라도 예측하고자 하는 해의 실제 태풍 진로 확률 분포와 예측된 태풍 진로 확률 분포(

) 사이에는 수학적 오차가 발생한다.

특히, 상기 7개의 군집으로 구성된 태풍 진로 분포 확률 예측값

은 실제 관측된 태풍 진로 분포 확률보다는 단순하게 표현되며 변동성이 상대적으로 작다. 이러한 오차를 줄이기 위해 1981년부터 2000년까지 교차 검정 방법으로 예측된 태풍 진로 분포의 평균값과 표준편차와 실제 관측된 태풍 진로 분포의 평균값과 표준편차를 이용한 보정방법을 사용한다. 여기서 교차 검정 방법은 1981년부터 2000년까지의 기간 동안의 예측인자와 군집별 태풍 개수를 이용하여 예측 모델을 구성하는데 있어 예측하고자 하는 해의 예측인자를 사용하지 않고 예측 모델을 구성하는 방법이다. 예를 들어 1990년을 예측하기 위해 1981년부터 1989년 그리고 1991년부터 2000년까지의 예측인자와 군집별 태풍 관측 개수 자료를 이용하여 예측모델의 상수를 구한 후, 1990년의 예측인자를 사용하여 그 해의 군집별 태풍의 개수를 구하게 된다.

1981년부터 2000년까지 교차 검정 방법으로 예측된 태풍 진로 분포의 평균값과 표준편차와 실제 관측된 태풍 진로 분포의 평균값과 표준편차는 하기의 [수학식 10] 내지 [수학식 13]에 의해 정의 된다.

[수학식 10]

[수학식 11]

[수학식 12]

[수학식 13]

상기 [수학식 10] 내지 [수학식 13]에 있어서,

는 l 년도 실제 관측된 태풍 진로 분포 확률 이고,

은 l 년도 교차 검증 방법을 통해 예측된 l 년도 태풍 진로 분포 확률이며, m 과 σ는 각각 1981년부터 2000년 까지 관측 태풍 진로 분포 확률의 평균과 표준편차이고,

와

은 각각 1981년부터 2000년 동안 교차 검증 방법을 통해 예측된 태풍 진로 분포 확률의 평균과 표준편차이다.

이때, 예측된 값에서 예측의 평균값을 제거하고 예측의 표준편차로 나눈뒤 실제 관측값의 표준편차를 곱함으로서 예측의 변동성을 실제 변동성과 같은 크기로 조절할 수 있다. 이러한 예측의 방법은2001년 이후 예측에 적용할 수 있으며, 하기의 [수학식 14]로 나타낼 수 있다.

[수학식 14]

이때,

는 예측의 평균이 제거된 값으로 표현되며 이는 각 지역에서 평년보다 태풍이 존재할 확률이 얼마나 더 높을지 또는 낮을지를 알려 주게 된다.

상기 [수학식 14]를 통해 최종 태풍 진로의 예측된 태풍 진로 분포 예측이 이루어 질 수 있다.

도 13은 2001년부터 2004년까지 4년간 앞서 설명한 방법을 통해 예측된 전체 태풍 진로 분포 확률의 편차(

)이다. 이해를 돕기 위해 100을 곱하여 %단위로 표현되었다.

도 13에서 왼쪽 편의 도면들은 실제 관측된 태풍의 진로 분포 확률의 편차이며 오른쪽 편의 도면들은 예측 결과이다. 붉은 색으로 표현된 지역은 평년보다 태풍의 활동이 활발한 지역이며 파란색으로 표현된 지역은 평년보다 태풍의 활동이 약한 지역이다.

예를 들어 값이 15라고 되어 있는 지역은 태풍이 그 지역을 지나갈 확률이 평년값보다 15% 더 높아졌다는 의미로서, 전체적으로 태풍 진로의 패턴이 어느 지역으로 갈 확률이 높아지고 또는 낮아지는지 잘 예측하고 있음을 나타낸다.

이러한 태풍 진로 분포 확률을 예측하는 방법을 이용하면 매해 6월 이전에 6월부터 10월까지 북서태평양 태풍의 진로 분포를 미리 가늠할 수 있다.

본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

S10: 태풍 진로의 군집 분류 단계
S20: 군집별 태풍 개수 예측 단계
S30: 태풍 진로 분포 확률 예측 단계

Claims

컴퓨터를 이용하여 여름철 태풍의 군집별 태풍 개수를 예측하는 방법으로서,
(a) 북서 태평양 지역에서 연 단위의 일정기간 동안 관측된 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 사용하여 6 시간 태풍위치 사이 거리(dist)를 하기의 [수학식 1]로 그리고 변환될 태풍위치 자료 간격(edist)을 하기의 [수학식 2]로 각각 정의한 후 상기 dist와 edist 및 하기의 [수학식 3]을 이용하여 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 같은 거리 간격을 갖는 21개의 동 거리 위치 자료로 상기 각 태풍별로 변환하고, 기 지정된 2개 이상의 군집 개수와 상기 각 태풍에 대한 21개의 동 거리 위치 자료를 군집분류 프로그램의 입력자료로 사용하여 북서 태평양 지역을 상기 기 지정된 군집 개수의 구역들로 나누고 상기 각 태풍이 상기 구역들 중 상기 21개의 동 거리 위치 자료와 가장 가까운 어느 한 구역에 포함되도록 분류하는 태풍 진로의 군집 분류 단계
(b) 북서 태평양 지역의 태풍 활동에 영향을 주었고 상기 (a) 단계에서 분류된 각 군집의 태풍 개수에 영향을 미친 6월부터 10월까지의 대기/해양 순환장에 관한 예측인자로서, 특정지역의 해수면 온도, 특정지역의 500 hPa(헥토파스칼) 지위고도, 특정지역의 200 hPa과 850hPa의 수평바람장의 차이를 나타내는 연직바람 시어, 특정지역의 50 hPa의 동서 바람장, 특정지역의 대류권 평균 동서 바람장, 특정지역의 강수 가능 수증기량 및 특정지역의 850 hPa의 동서 바람장을 포함하는 예측인자들 중 2개 이상의 예측인자를 상기 (a) 단계에서 분류된 군집별로 각 군집에 속하는 태풍 개수(
) 예측에 사용되는 예측인자로 추출하고 하기의 [수학식 4]를 이용하여 각 군집별 태풍 개수를 예측하는 군집별 태풍 개수 예측 단계를 포함하고,
상기 [수학식 4]의
와
는 하기의 [수학식 5]의 과정을 거치고 하기의 [수학식 6]을 이용하여 f를 최소화 하는
와
값인 것을 특징으로 하는 군집별 태풍 개수 예측 방법.
[수학식 1]

, for i=1,…,N - 1
상기 [수학식 1]에서, x_i 와 y_i 는 i 번째 위치의 경도와 위도를 뜻하며, N은 6시간 태풍 위치 자료의 개수이다.
[수학식 2]

[수학식 3]

,
for j=1,

,
for j=21,

for j=2,…20,
상기 [수학식 3]에서, (
,
)는 토쿄 태풍센터에서 제공하는 6시간 간격의 태풍의 위치(경도, 위도)이며, (
,
)는 변환된 태풍의 위치(경도, 위도)이다. N은 6시간 간격 태풍의 위치 자료의 개수이며, l은
≤ (j - 1)×edist <
을 만족하는 양의 정수로 정의된다.
[수학식 4]

상기 [수학식 4]에서,
는 j년도 i번째 군집(Ci)에 속하는 태풍의 개수의 예측 값이고,
은 j년도 Ci 군집의 태풍 개수를 예측하기 위한 m번째 예측인자이며, n_i 는 Ci군집의 태풍을 예측하기 위한 예측 인자의 개수이고,
는 j년도 Ci군집의 태풍 개수 예측을 위한 m 번째 예측인자의 회귀 계수이며,
는j년도 Ci군집의 태풍 개수 예측을 위한 회귀 상수이다.
[수학식 5]

[수학식 6]

상기 [수학식 6]에서 f는 다중 선형 회귀의 최소 자승법을 이용하여 상기
와
값을 구하기 위한 최소 자승법 식이다.
제 1 항에 있어서,
상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료는, 연 단위인 과거 일정기간 동안의 6월 내지 9월 동안 발생한 총 태풍의 각 태풍별 6시간 간격의 위치 자료이고,
상기 각 태풍에 대한 21개의 동 거리 위치 자료는 x _k =
,k=1,2,...,K (여기서, x _k 는 k번째 태풍에 해당하는 열벡터이며, K는 총 태풍의 개수이다)의 열벡터 형식으로 변환하여 상기 군집분류 프로그램의 입력자료로 사용되며,
상기 기 지정된 2개 이상의 군집 개수는Xie and Beni index를 이용한 최적 군집 개수 판별시험을 통해 판별된 7개이고,
상기 군집분류 프로그램은 fuzzy c-means 군집분류 프로그램으로서 7개의 태풍 진로 군집들(C1 내지 C7)로 분류하여 상기 각 태풍을 상기 분류된 C1 내지 C7 군집들 중 상기 각 태풍에 대한 21개의 동 거리 위치 자료와 가장 가까운 어느 한 군집에 포함시키되,
상기 C1 군집은 동경 120도 내지 동경 140도와 북위 15도 내지 북위 45도의 범위에 속하고,
상기 C2 군집은 동경 125도 내지 동경 160도와 북위 10도 내지 북위 40도의 범위에 속하며,
상기 C3 군집은 동경 115도 내지 동경 150도와 북위 10도 내지 북위 40도의 범위에 속하고,
상기 C4 군집은 동경 140도 내지 동경 160도와 북위 15도 내지 북위 45도의 범위에 속하며,
상기 C5 군집은 동경 150도 내지 동경 180도와 북위 15도 내지 북위 45도의 범위에 속하고,
상기 C6 군집은 동경 100도 내지 동경 120도와 북위 10도 내지 북위 25도의 범위에 속하며,
상기 C7 군집은 동경 100도 내지 동경 150도와 북위 10도 내지 북위 25도의 범위에 속하는 것을 특징으로 하는 군집별 태풍 개수 예측 방법.
제 2 항에 있어서, 상기 여름철 태풍 진로 예측 방법은,
미국 국립 환경 예측 센터(National Centers for Environmental Prediction: NCEP)의 계절 예측시스템(Climate Forecast System: CFS)을 통해 예측된 1981년부터 2000년까지의 6월부터 10월까지의 대기/해양 예측 자료들에 대해 서로 다른 날들을 기점으로 하여 예측된 상기 대기/해양 예측 자료 값을 평균한 앙상블 평균값과 상기 각 군집별 태풍 개수와의 상관관계 분석을 통해 예측인자 설정 지역이 결정된 것으로서,
상기 예측인자 중 상기 C1 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 160°E 내지 100°W와 위도 15°S 내지 15°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 30°N 내지 45°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°W와 위도 35°N 내지 55°N 지역에서 양의 상관계수를 갖는500 hPa 지위 고도, 경도 100°E 내지 160°E와 위도 25°N 내지 40°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 130°E 내지 150°E와 위도 20°N30°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도인 총 4개의 예측인자를 사용하고,
상기 예측인자 중 상기 C2 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 160°E 내지 100°W와 위도 5°S 내지 5°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 110°E 내지 150°E와 위도 5°N 내지 20°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°W와 위도 25°N 내지 50°N 지역에서 음의 상관계수를 갖는500 hPa 지위 고도, 경도 120°E 내지 140°W와 위도 25°N 내지 40°N 지역에서 양의 상관계수를 갖는 연직 바람 시어 및 경도 120°E 내지 160°W와 위도 5°N 내지 20°N 지역에서 양의 상관계수를 갖는850 hPa 상대와도인 총 5개의 예측인자를 사용하며,
상기 예측인자 중 상기 C3 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 140°E 내지 100°W와 위도 20°S 내지 30°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 180°와 위도 30°N 내지 50°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 130°W와 위도 30°N 내지 50°N 지역에서 음의 상관계수를 갖는500 hPa 지위 고도, 경도 100°E 내지 140°W와 위도 0° 내지 20°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 120°E 내지 160°W와 위도 5°N 내지 20°N 지역에서 양의 상관계수를 갖는850 hPa 상대와도인 총 5개의 예측인자를 사용하고,
상기 예측인자 중 상기 C4 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 120°E 내지 140°E와 위도 20°S 내지 35°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 120°E 내지 140°E와 위도 17.5°N 내지 27.5°N 지역에서 양의 상관관계를 갖는 연직 바람 시어, 경도 145°E 내지 170°W와 위도 20°N 내지 35°N 지역에서 양의 상관계수를 갖는 850 hPa 상대와도 및 경도 0°E 내지 360°E와 위도 10°S 내지 10°N 지역에서 음의 상관계수를 갖는 50 hPa 동서 바람인 총 4개의 예측인자를 사용하며,
상기 예측인자 중 상기 C5 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 140°E 내지 140°W와 위도 10°N 내지 30°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 40°N 내지 60°N 지역에서 양의 상관관계를 갖는 500hPa 지위 고도 및 경도 120°E 내지 140°E와 위도 10°N 내지 30°N 지역에서 음의 상관계수를 갖는 연직 바람 시어인 총 3개의 예측인자를 사용하고,
상기 예측인자 중 상기 C6 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 110°E 내지 140°E와 위도 15°N 내지 35°N 지역에서 음의 상관관계를 갖는 해수면 온도, 경도 90°E 내지 180°E와 위도 10°S 내지 10°N 지역에서 양의 상관관계를 갖는 대류권 평균 동서 바람장, 경도 80°E 내지 100°E와 위도 10°N 내지 25°N 지역에서 음의 상관계수를 갖는 연직 바람 시어 및 경도 100°E 내지 170°E와 위도 5°N 내지 30°N 지역에서 음의 상관계수를 갖는 강수 가능 수증기량인 총 4개의 예측인자를 사용하며,
상기 예측인자 중 상기 C7 군집에 속하는 태풍 개수를 예측하는 예측인자는 경도 120°E 내지 120°W와 위도 25°S 내지 25°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 140°E 내지 160°W와 위도 30°N 내지 45°N 지역에서 양의 상관관계를 갖는 해수면 온도, 경도 50°E 내지 110°E와 위도 30°S 내지 5°S 지역에서 양의 상관계수를 갖는 해수면 온도 및 경도 95°E 내지 160°E와 위도 15°N 내지 30°N 지역에서 음의 상관계수를 갖는 850hPa의 동서 바람장인 총 4개의 예측인자를 사용하는 것을 특징으로 하는 군집별 태풍 개수 예측 방법.
컴퓨터를 이용하여 여름철 태풍의 진로를 예측하는 방법으로서,
(a) 북서 태평양 지역에서 연 단위의 일정기간 동안 관측된 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 사용하여 6 시간 태풍위치 사이 거리(dist)를 하기의 [수학식 1]로 그리고 변환될 태풍위치 자료 간격(edist)을 하기의 [수학식 2]로 각각 정의한 후 상기 dist와 edist 및 하기의 [수학식 3]을 이용하여 상기 각 태풍에 대한 6 시간 간격의 태풍 위치 자료를 같은 거리 간격을 갖는 21개의 동 거리 위치 자료로 상기 각 태풍별로 변환하고, 기 지정된 2개 이상의 군집 개수와 상기 각 태풍에 대한 21개의 동 거리 위치 자료를 군집분류 프로그램의 입력자료로 사용하여 북서 태평양 지역을 상기 기 지정된 군집 개수의 구역들로 나누고 상기 각 태풍이 상기 구역들 중 상기 21개의 동 거리 위치 자료와 가장 가까운 어느 한 구역에 포함되도록 분류하는 태풍 진로의 군집 분류 단계;
(b) 북서 태평양 지역의 태풍 활동에 영향을 주었고 상기 (a) 단계에서 분류된 각 군집의 태풍 개수에 영향을 미친 6월부터 10월까지의 대기/해양 순환장에 관한 예측인자로서, 특정지역의 해수면 온도, 특정지역의 500 hPa(헥토파스칼) 지위고도, 특정지역의 200 hPa과 850hPa의 수평바람장의 차이를 나타내는 연직바람 시어, 특정지역의 50 hPa의 동서 바람장, 특정지역의 대류권 평균 동서 바람장, 특정지역의 강수 가능 수증기량 및 특정지역의 850 hPa의 동서 바람장을 포함하는 예측인자들 중 2개 이상의 예측인자를 상기 (a) 단계에서 분류된 군집별로 각 군집에 속하는 태풍 개수(
) 예측에 사용되는 예측인자로 추출하고 하기의 [수학식 4]를 이용하여 각 군집별 태풍 개수를 예측하고, 상기 [수학식 4]의
와
는 하기의 [수학식 5]의 과정을 거치고 하기의 [수학식 6]을 이용하여 f를 최소화 하는
와
값인 것을 특징으로 하는 군집별 태풍 개수 예측 단계; 및
(c) 상기 예측된 각 군집별 태풍 개수(
)와 하기의 [수학식 7]로 정의되는 군집별 태풍 진로 분포 확률(
)을 하기의 [수학식 8] 및 [수학식 9]를 이용하여 예측하고자 하는 해의 태풍 진로 분포 확률 예측값(
)을 산출하는 태풍 진로 분포 확률 예측 단계를 포함하는 것을 특징으로 하는 여름철 태풍 진로 예측 방법.
[수학식 1]

, for i=1,…,N - 1
상기 [수학식 1]에서, x_i 와 y_i 는 i 번째 위치의 경도와 위도를 뜻하며, N은 6시간 태풍 위치 자료의 개수이다.
[수학식 2]

[수학식 3]

,
for j=1,

,
for j=21,

for j=2,…20,
상기 [수학식 3]에서, (
,
)는 토쿄 태풍센터에서 제공하는 6시간 간격의 태풍의 위치(경도, 위도)이며, (
,
)는 변환된 태풍의 위치(경도, 위도)이다. N은 6시간 간격 태풍의 위치 자료의 개수이며, l은
≤ (j - 1)×edist <
을 만족하는 양의 정수로 정의된다.
[수학식 4]

상기 [수학식 4]에서,
는 j년도 i번째 군집(Ci)에 속하는 태풍의 개수의 예측 값이고,
은 j년도 Ci 군집의 태풍 개수를 예측하기 위한 m번째 예측인자이며, n_i 는 Ci군집의 태풍을 예측하기 위한 예측 인자의 개수이고,
는 j년도 Ci군집의 태풍 개수 예측을 위한 m 번째 예측인자의 회귀 계수이며,
는j년도 Ci군집의 태풍 개수 예측을 위한 회귀 상수이다.
[수학식 5]

[수학식 6]

상기 [수학식 6]에서 f는 다중 선형 회귀의 최소 자승법을 이용하여 상기
와
값을 구하기 위한 최소 자승법 식이다.
[수학식 7]

[수학식 8]

상기 [수학식 8]에서,
은 예측된 각 군집별 태풍 개수의 합으로서 예측 하고자 하는 해(j 년도)의 태풍의 총 발생 개수의 예측값이다.
[수학식 9]

상기 [수학식 9]에서,
은 예측하고자 하는 해(j 년도)의 태풍 진로 분포 확률 예측값이고, C는 총 군집의 개수이다.