KR101280562B1 - 태풍정보 예보 시스템 및 그 방법 - Google Patents

태풍정보 예보 시스템 및 그 방법 Download PDF

Info

Publication number
KR101280562B1
KR101280562B1 KR1020120134062A KR20120134062A KR101280562B1 KR 101280562 B1 KR101280562 B1 KR 101280562B1 KR 1020120134062 A KR1020120134062 A KR 1020120134062A KR 20120134062 A KR20120134062 A KR 20120134062A KR 101280562 B1 KR101280562 B1 KR 101280562B1
Authority
KR
South Korea
Prior art keywords
information
typhoon
model
forecast
actual
Prior art date
Application number
KR1020120134062A
Other languages
English (en)
Inventor
권혁조
유희동
박윤호
인희진
박종숙
원성희
신도식
장기호
김태룡
이기로
전대현
신성철
오승은
이윤제
Original Assignee
(주)오픈에스앤에스
대한민국(기상청장)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)오픈에스앤에스, 대한민국(기상청장) filed Critical (주)오픈에스앤에스
Priority to KR1020120134062A priority Critical patent/KR101280562B1/ko
Application granted granted Critical
Publication of KR101280562B1 publication Critical patent/KR101280562B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/24Radio transmission systems, i.e. using radiation field for communication between two or more posts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30192Weather; Meteorology

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 태풍정보 예보 시스템 및 그 방법에 관한 것으로서, 더욱 상세히는 다수의 태풍 모델이 제공하는 태풍 예보정보를 실측되는 태풍의 실측정보와 비교하여 정확성이 높은 태풍 모델을 구분하고, 이에 따라 가중치를 상이하게 부여하는 방식으로 태풍 예보의 정확성을 높이는 태풍정보 예보 시스템 및 그 방법에 관한 것이다. 본 발명에 따르면 다양한 태풍모델이 산출한 결과를 현재 실측정보와 비교하여 정확도가 높은 순으로 자동으로 가중치를 상이하게 부여한 후 평균하여 최종 예보정보를 산출하는 것으로서, 기존과 같이 단순 누적된 데이터에 의존하여 성능이 좋은 태풍모델을 수동으로 선택하는 것과 달리 현재 태풍의 변화를 반영하여 가장 정확도가 높은 결과를 산출하는 태풍모델을 자동적으로 선별하고, 정확도가 높은 하나 이상의 태풍모델에 대한 컨센서스 결과를 예보정보로 산출하므로 다양한 태풍의 변화에 적응적으로 대응이 가능하며 보다 객관적인 결과를 산출할 수 있어 신뢰성이 높은 예보정보를 제공하는 효과가 있다.

Description

태풍정보 예보 시스템 및 그 방법{System for forecasting typhoon information and method thereof}
본 발명은 태풍정보 예보 시스템 및 그 방법에 관한 것으로서, 더욱 상세히는 다수의 태풍 모델이 제공하는 태풍의 예보정보를 실측되는 태풍의 실측정보와 비교하여 정확성이 높은 태풍 모델을 구분하고, 이에 따라 가중치를 상이하게 부여하는 방식으로 태풍 예보의 정확성을 높이는 태풍정보 예보 시스템 및 그 방법에 관한 것이다.
태풍은 중심 최대풍속이 17m/s 이상이며 폭풍우를 동반하는 열대저기압을 의미하는 것으로서, 태풍에 의한 막대한 피해를 줄이기 위해서는 정확한 태풍 예보는 필수이다.
현재 태풍 예보를 제공하는 다양한 기관에서는 다수의 태풍 모델을 평균하는 컨센서스 결과를 우선적으로 참조한다. 미국 NHC(National Hurricane Center)에서는 GFDL(Geophysical Fluid Dynamics Laboratory Hurricane Model Forecast Track/Intensity), UM(Unified Model), NOGAPS(Navy Operational Global Atmospheric Prediction System), AVN(Aviation Model)의 평균인 GUNA(GFDL, UKMET, NOGAPS, AVN의 머리 글자를 따서 만들어짐)를 일차 가이던스로 활용하고 JTWC(Joint Typhoon Warning Center)에서는 CONW(official track forecast by JTWC)를 활용하는 것이 그 예이다.
즉, 기존의 태풍 관련 예보 시스템은 성능이 우수한 몇 개의 태풍모델로부터 산출된 예보정보를 평균하여 산출하는 것으로 태풍예보를 실시하도록 구성된다. 이러한 경우 태풍에 대한 예보정보와 실제 측정되는 실측정보와의 차이가 없는 경우에는 예보에 어려움이 없으나 일단 차이가 발생하면 이후 결과는 차이가 누적되어 점점 더 벌어질 수 있으므로 예보정보 자체의 신뢰성이 크게 저하된다.
또한, 기존의 태풍 관련 예보 시스템은 현재까지 누적된 각 태풍모델의 성능 데이터에만 의존하여 예보정보를 산출하는 것으로, 다양한 변수가 존재하는 자연현상 중 하나인 태풍에 대한 예보를 성능이 우수한 태풍모델을 선택하는 것으로 신뢰성이 보장되지 않는다.
따라서 보다 객관적인 방법으로 태풍모델을 활용하여 태풍 예측의 오차를 줄이는 것이 절대적으로 필요하다.
한국등록특허 제0990847호
상기한 문제점을 해결하기 위하여, 본 발명은 실측되는 태풍 정보와 다수의 태풍모델 사이의 비교를 통해 정확도를 판단하여 추후 예상되는 태풍 정보를 정확도가 높은 태풍모델을 통해 산출하여 정확도를 향상시키는 태풍정보 예보 시스템을 제공하는 것을 그 목적으로 한다.
또한, 본 발명은 정확도가 높은 태풍모델을 산출하는 전 과정을 자동으로 진행하여 정확도와 신뢰성을 향상시킬 수 있는 태풍정보 예보 시스템을 제공하는 것을 그 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 실시예에 따른 태풍정보 예보 시스템은 외부로부터 태풍에 대한 실측정보를 수신하는 태풍정보 실측부와, 각 태풍모델에 상기 태풍정보 실측부로부터 수신한 실측정보를 적용하여 태풍모델별로 예보정보를 산출하는 모델정보 제공부와, 상기 모델정보 제공부의 각 예보정보를 상기 실측정보와 비교하여 편차정보를 산출하며 상기 편차정보에 따라 상기 태풍모델별로 상이한 가중치를 설정하는 제어부와, 상기 예보정보마다 대응되는 태풍모델에 설정된 가중치를 적용한 후 평균하여 최종 예보정보를 제공하는 예측부를 포함한다.
이때, 상기 제어부는 상기 편차정보가 기설정된 기준치 이상인 태풍모델을 제외시키는 것을 특징으로 할 수 있다.
또한, 상기 제어부는 제외된 태풍모델에 따른 나머지 태풍모델의 수에 따라 상기 가중치를 조절할 수 있다.
더하여, 상기 제어부는 상기 예보정보를 경과시간별로 대응되는 실측정보와 비교하여 경과시간별 편차정보를 누적하고, 각 태풍모델의 누적된 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 할 수 있다.
이때, 상기 제어부는 각 태풍모델마다 누적된 편차정보를 평균하여 평균 편차정보를 산출하고, 상기 평균 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정할 수도 있다.
그 밖에, 상기 모델정보 제공부는 서로 다른 태풍모델을 제공하는 태풍 관련 외부 기관과 상호 통신하여, 각 기관으로부터 동일 실측정보를 통해 산출된 상기 예보정보를 수신할 수 있다.
또한, 상기 모델정보 제공부는 사용자 입력에 따라 서로 상이한 복수의 태풍모델을 그룹화하여 그룹화된 태풍모델이 산출한 복수의 예보정보를 평균하여 평균 예보정보를 상기 예보정보로 제공하며, 상기 그룹화된 태풍모델을 하나의 새로운 태풍모델로 내부적으로 추가할 수 있다.
이외에도, 상기 예측부는 상기 제어부에 의해 가중치가 설정된 태풍모델에 대응되는 예보정보를 상기 제어부 또는 상기 모델정보 제공부로부터 수신하여 상기 최종 예보정보를 제공할 수 있다.
한편, 상기 예측부가 상기 모델정보 제공부로부터 예보정보를 수신하는 경우상기 모델정보 제공부는 상기 예측부의 요청에 따라 가중치가 설정된 하나 이상의 태풍모델과 동일한 태풍모델을 선택하여, 각 태풍모델에 상기 태풍정보 실측부로부터 최근 실측정보를 적용하여 산출되는 갱신된 예보정보를 상기 예측부로 제공할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 실시예에 따른 하나 이상의 태풍모델을 이용하여 태풍 관련 예보정보를 제공하는 태풍정보 예보 시스템의 태풍정보 예보 방법은, 외부로부터 태풍에 대한 실측정보를 수신하는 제 1단계와, 상기 각 태풍모델에 상기 제 1단계를 통해 수신한 실측정보를 적용하여 태풍모델별로 예보정보를 산출하는 제 2단계와, 상기 제 2단계를 통해 산출된 각 예보정보를 상기 실측정보와 비교하여 편차정보를 산출하며 상기 편차정보에 따라 상기 태풍모델별로 상이한 가중치를 설정하는 제 3단계와, 상기 예보정보마다 상기 제 3단계를 통해 대응되는 태풍모델에 설정된 상기 가중치를 적용한 후 평균하여 최종 예보정보를 제공하는 제 4단계를 포함한다.
이때, 상기 제 3단계는 상기 편차정보가 기설정된 기준치 이상인 태풍모델을 제외시키는 것을 특징으로 할 수 있다.
또한, 상기 제 3단계는 제외된 태풍모델에 따른 나머지 태풍모델의 수에 따라 상기 가중치를 조절하는 것을 특징으로 할 수 있다.
더하여, 상기 제 3단계는 상기 예보정보를 경과시간별로 대응되는 실측정보와 비교하여 경과시간별 편차정보를 누적하고, 각 태풍모델의 누적된 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 할 수 있다.
이외에도, 상기 제 3단계는 각 태풍모델마다 누적된 편차정보를 평균하여 평균 편차정보를 산출하고, 상기 평균 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 할 수 있다.
한편, 상기 태풍모델은 KMA(Korea Meteorological Administration), RSMC(Regional Specialized Meteorological Center), JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA) 등의 태풍센터 정보와, UM(Unified Model), UM_R(Unified Model Regional), TWRF(Typhoon WRF(Weather Research and Forecasting model)), KWRF(Korea WRF(Weather Research and Forecasting model)), DLM(Dynamic Linear Model), DBAR(Double-Fourier-Series Barotropic model), JGSM(Japan Global Spectral Model), TEPS(Typhoon Ensemble Prediction System), NOGAPS(Navy Operational Global Atmospheric Prediction System), GFS(Global Forecast System), ECMWF(The European Centre for Medium Range Weather Forecasts) 등의 모델정보를 포함할 수 있다.
본 발명에 따르면 다양한 태풍모델이 산출한 결과를 현재 실측정보와 비교하여 정확도가 높은 순으로 자동으로 가중치를 상이하게 부여한 후 평균하여 최종 예보정보를 산출하는 것으로서, 기존과 같이 단순 누적된 데이터에 의존하여 성능이 좋은 태풍모델을 수동으로 선택하는 것과 달리 현재 태풍의 변화를 반영하여 가장 정확도가 높은 결과를 산출하는 태풍모델을 자동적으로 선별하고, 정확도가 높은 하나 이상의 태풍모델에 대한 컨센서스 결과를 예보정보로 산출하므로 다양한 태풍의 변화에 적응적으로 대응이 가능하며 보다 객관적인 결과를 산출할 수 있어 신뢰성이 높은 예보정보를 제공하는 효과가 있다.
또한, 본 발명에 따르면 현재 태풍변화에 대하여 신뢰성이 낮은 태풍모델을 제외하여 정확도를 더욱 상승시킬 수 있는 동시에 최근 데이터를 반영한 예보정보에 가중치를 적용하여 최종 예보정보를 제공함으로써, 태풍변화에 대한 적응성과 신뢰성을 동시에 향상시키는 효과가 있다.
더하여, 본 발명은 상이한 복수의 태풍모델을 조합하여 하나의 새로운 태풍모델로 추가하고 이에 대한 성능을 객관적으로 검증할 수 있어, 한정적인 태풍모델을 확장하여 현재의 태풍에 대하여 최적의 태풍모델을 제공하는 효과가 있다.
도 1은 본 발명의 실시예에 따른 태풍정보 예보 시스템의 구성도.
도 2는 본 발명의 실시예에 따른 태풍모델을 이용한 예보정보 산출에 대한 화면.
도 3은 본 발명의 실시예에 따른 제어부의 상세 구성도.
도 4는 본 발명의 실시예에 따른 태풍모델별 편차정보에 따른 가중치 설정 화면.
도 5는 본 발명의 실시예에 따른 최종 예보정보의 출력 화면.
도 6은 본 발명의 실시예에 따른 최종 예보정보의 통보문 형태 출력 화면.
도 7은 본 발명의 실시예에 따른 태풍정보 예보 방법에 대한 순서도.
본 발명의 실시예에 따른 태풍정보 예보 시스템은 다양한 태풍모델 중 현재 측정되는 태풍의 실측정보와 가장 정확성이 높은 순으로 다수의 태풍모델을 자동적으로 선별하고, 선별된 태풍모델이 산출한 결과들에 대해 정확도가 높은 순으로 가중치를 상이하게 부여한 후 평균하여 예보정보를 산출하는 것으로서, 현재 태풍의 변화에 따라 적응적으로 대응이 가능하며 보다 객관적인 결과를 산출할 수 있어 신뢰성이 높은 예보정보를 제공할 수 있다.
상술한 내용을 바탕으로 도면을 참고하여 본 발명의 실시예에 따른 태풍정보 예보 시스템을 설명한다.
도 1은 본 발명의 실시예에 따른 태풍정보 예보 시스템의 구성도로서, 도시된 바와 같이 상기 태풍정보 예보 시스템은 외부로부터 태풍에 대한 실측정보를 수신하는 태풍정보 실측부(110)와, 각 태풍모델에 상기 태풍정보 실측부(110)로부터 수신한 실측정보를 적용하여 태풍모델별로 예보정보를 산출하는 모델정보 제공부(130)와, 상기 모델정보 제공부(130)의 예보정보를 상기 실측정보와 비교하여 편차정보를 산출하며 상기 편차정보에 따라 상기 태풍모델별로 상이한 가중치를 설정하는 제어부(120)와, 상기 모델정보 제공부(130)의 각 예보정보에 태풍모델별로 설정된 상기 가중치를 적용한 후 평균하여 최종 예보정보를 제공하는 예측부(140)를 포함한다.
상기 태풍모델은 KMA(Korea Meteorological Administration), RSMC(Regional Specialized Meteorological Center), JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA), KMA(Korea Meteorological Administration), RSMC(Regional Specialized Meteorological Center), JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA), GDAPS(Global Data Assimilation and Prediction System), RDAPS(Regional Data Assimilation and Prediction System), T213(GDAPS resolution T213), T426(GDAPS resolution T426), AVN(Aviation Model), BATS(Barotropic Adaptive-grid Typhoon Simulation Model), MTM(MM5 based Typhoon Model), JTYM(Japan Typhoon Model) 등을 포함할 수 있으며, 이 중에서 KMA(Korea Meteorological Administration), RSMC(Regional Specialized Meteorological Center), JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA) 등의 태풍센터 정보와, UM(Unified Model), UM_R(Unified Model Regional), TWRF(Typhoon WRF(Weather Research and Forecasting model)), KWRF(Korea WRF(Weather Research and Forecasting model)), DLM(Dynamic Linear Model), DBAR(Double-Fourier-Series Barotropic model), JGSM(Japan Global Spectral Model), TEPS(Typhoon Ensemble Prediction System), NOGAPS(Navy Operational Global Atmospheric Prediction System), GFS(Global Forecast System), ECMWF(The European Centre for Medium Range Weather Forecasts) 등의 모델정보를 이용하는 것이 바람직하다. 상기 각 태풍모델은 상기 실측정보의 측정시간으로부터 경과시간별로 예측되는 태풍의 변화를 산출하여 이를 예보정보로 제공한다.
이때, 상기 예보정보는 현재로부터 경과시간별로 태풍의 예측 진로정보, 태풍의 예측 중심기압 정보, 태풍의 예측 강풍반경 정보 등에 대한 태풍 관련 정보를 포함할 수 있다. 또한, 상기 각 경과시간 사이의 간격은 각 태풍모델에 설정된 시간간격에 따라 가변될 수 있다.
또한, 상기 모델정보 제공부(130)는 태풍모델들이 예보정보를 산출하기 위해 사용되는 태풍 센터들의 예보자료, 태풍의 진로에 관한 데이터 등이 저장된 DB와 연결될 수 있다.
더하여, 상기 태풍정보 실측부(110)는 기상청 또는 태풍센터와 같은 외부 서버와 통신하여 현재 실측되는 태풍정보인 실측정보를 외부로부터 수신할 수 있다.
이때, 상기 실측정보는 태풍의 현재 진로정보, 태풍의 현재 중심기압 정보, 태풍의 현재 강풍반경 정보 등을 포함할 수 있다.
상술한 구성에 따라, 상기 제어부(120)는 상기 모델정보 제공부(130)로부터 예보정보가 수신되는 경우 예보정보에 포함된 경과시간마다 상기 실측정보를 수신할 수 있다. 이에 따라, 상기 제어부(120)는 동일 시간의 예보정보와 실측정보를 비교하여 편차정보를 산출할 수 있으며, 상기 편차정보에 따라 상기 태풍모델별로 상이한 가중치를 설정할 수 있다.
이를 통해, 상기 제어부(120)는 시간대별로 예보정보와 실측정보를 비교하여 편차정보가 작은 태풍모델 순으로 높은 가중치를 설정할 수 있다. 다시말해, 상기 실측정보와 예보정보의 차이가 작은 태풍모델을 가장 정확도가 높은 태풍모델로 간주하여 높은 가중치를 설정하고, 차이가 큰 태풍모델에 대해서는 낮은 가중치를 설정하여, 편차정보에 따라 차이가 작은 태풍모델의 결과를 우선적으로 적용할 수 있다.
한편, 상기 예측부(140)는 상기 모델정보 제공부(130)로부터 가장 최근의 실측정보에 따라 산출된 태풍모델별 예보정보를 수신하고, 각 예보정보마다 대응되는 상기 가중치를 적용한 후 평균하여 상기 최종 예보정보를 제공할 수 있다.
상술한 구성을 바탕으로 각 구성에 대한 상세 실시예를 도면을 참고하여 상세히 설명하기로 한다.
우선, 도 2는 상기 모델정보 제공부(130)의 태풍모델을 이용한 예보정보 산출에 대한 화면을 도시한 도면으로서, 도시된 바와 같이 상기 모델정보 제공부(130)는 내부적으로 태풍모델을 기저장할 수 있으며, 태풍모델별로 상기 태풍정보 실측부(110)로부터 수신한 실측정보를 적용하여 태풍모델별 예보정보를 산출할 수 있다.
이때, 상기 모델정보 제공부(130)는 사용자 입력을 수신하여 원하는 태풍모델을 선택하여 선택된 태풍모델에 대한 예보정보만을 제공할 수도 있다.
또한, 상기 모델정보 제공부(130)는 서로 다른 태풍모델을 제공하는 복수의 기관과 통신하여 각 기관으로부터 상기 예보정보를 수신할 수도 있다. 이때, 상기 각 기관으로부터 수신되는 상기 예보정보는 동일 실측정보를 각 기관의 태풍모델에 적용하여 산출될 수 있다.
또한, 상기 모델정보 제공부(130)는 도시된 바와 같이 각 태풍모델이 산출한 예보정보를 디스플레이와 같은 출력장치에 출력할 수 있으며, 상기 실측정보 역시 상기 출력장치를 통해 동시에 출력하여 실측정보에 따른 태풍의 변화와 예보정보에 따른 태풍의 변화를 용이하게 비교 판단할 수 있도록 제공할 수 있다.
더하여, 상기 모델정보 제공부(130)는 하나의 태풍모델로부터 예보정보를 산출할 수 있을 뿐만 아니라 사용자 선택 입력을 수신하여 원하는 복수의 태풍모델의 예보정보를 평균하여 평균 예보정보를 산출할 수도 있다.
이때, 상기 평균 예보정보 역시 하나의 태풍모델로부터 산출한 예보정보와 동일한 파라미터로 간주된다. 다시말해, 상기 모델정보 제공부(130)는 복수의 태풍모델을 그룹화하여 새로운 하나의 태풍모델을 생성할 수 있으며, 이로부터 생성된 평균 예보정보를 상기 예보정보로 제공할 수 있다.
한편, 이와 같은 평균 예보정보를 산출하는 그룹화된 복수 태풍모델을 다른 태풍모델과 구분하기 위하여 별도의 구분표시로서 표시될 수 있다.
이를 통해, 상기 모델정보 제공부(130)는 기존의 태풍모델에 한정되지 않고 복수 태풍모델의 다양한 조합으로 더욱 다양한 예보정보를 제공할 수도 있다.
도 3은 상기 제어부(120)의 상세 구성을 도시한 도면으로서, 도시된 바와 같이 상기 제어부(120)는 비교부(121)와 가중치 설정부(122)로 구성될 수 있다.
상기 비교부(121)는 상기 모델정보 제공부(130)로부터 각 태풍모델별로 산출한 예보정보와 실측정보를 비교하여 편차정보를 산출하고, 상기 가중치 설정부(122)는 상기 비교부(121)가 산출한 편차정보에 따라 가장 차이가 작은(정확도가 높은) 태풍모델 순으로 높은 가중치를 설정할 수 있다.
이때, 상기 비교부(121)는 상기 예보정보와 실측정보에 포함된 동일 파라미터끼리 비교하여 편차정보를 산출할 수 있다. 이때, 상기 파라미터는 태풍의 진로정보, 태풍의 중심기압 정보, 태풍의 강풍반경 정보 등을 포함하며, 일례로 상기 비교부(121)는 상기 예보정보에 포함된 태풍의 예측 진로정보와, 상기 태풍의 예측 진로정보와 동일 파라미터인 상기 실측정보에 포함된 태풍의 현재 진로정보를 상호 비교할 수 있다.
상술한 제어부(120)의 구성을 도 4를 통해 더욱 상세히 설명한다. 도 4는 상기 제어부(120)의 편차정보 산출과 가중치 설정에 대한 실시예이다.
도 4에 도시된 바와 같이, 상기 비교부(121)는 상기 예보정보와 실측정보에 포함된 파라미터 중 태풍의 진로정보에 대한 동일 파라미터를 비교한다. 즉, 상기 비교부(121)는 예보정보에 따른 태풍의 예상 위치와 실측정보에 따른 태풍의 현재 위치의 거리 차이(DIS)를 연산하고 이를 상기 편차정보에 포함하여 산출할 수 있다. 이때, 상기 비교부(121)는 태풍의 진로정보 이외의 예보정보와 실측정보에 포함된 다른 파라미터에 대해서도 차이를 연산하여 상기 편차정보로 산출할 수 있음은 물론이다.
한편, 상기 가중치 설정부(122)는 도시된 표의 각 행에 표시된 바와 같이 상기 비교부(121)가 산출한 편차정보에 따라 가중치(WT)를 설정할 수 있으며, 예보정보와 실측정보의 차이가 작은 태풍모델일수록 높은 가중치를 설정할 수 있다.
일례로 JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA), TEPS(Typhoon Ensemble Prediction System), RSMC(Regional Specialized Meteorological Center), JGSM(Japan Global Spectral Model)의 태풍모델을 포함하는 5행에 표시된 결과를 참고하면, 상기 가중치 설정부(122)는 태풍모델인 JTWC(Joint Typhoon Warning Center)의 예보정보와 실측정보의 거리 차이가 가장 작으므로 가장 높은 가중치를 JTWC(Joint Typhoon Warning Center)에 설정하며, 또 다른 태풍모델인 JGSM(Japan Global Spectral Model)은 거리 차이가 가장 크므로 가장 낮은 가중치를 설정할 수 있다.
또한, 상기 가중치 설정부(122)는 상기 모델정보 제공부(130)가 제공하는 예보정보에 따른 태풍모델의 수에 따라 각 행에 표시된 바와 같이 설정될 가중치를 상이하게 조절할 수 있다.
한편, 상기 가중치 설정부(122)는 상기 편차정보가 기설정된 기준치 이상인 경우 신뢰성이 낮은 태풍모델로 간주하여 해당 태풍모델을 제외할 수 있다. 일례로, 도시된 표의 7행을 참고하면, 상기 가중치 설정부(122)는 거리 차이(DIS)에 대한 기설정된 기준치가 700인 경우 편차정보가 700 이상에 해당하는 태풍모델인 AVN(Aviation Model), MTM(MM5 based Typhoon Model)을 제외시킬 수 있다.
이에 따라, 상기 가중치 설정부(122)는 편차정보가 기설정된 기준치 이상인 태풍모델을 제외한 나머지 태풍모델의 수에 따라 가중치를 재조정할 수 있으며, 도시된 표에서는 총 7개의 태풍모델 중 2개가 제외되어 5행의 가중치와 같이 조정될 수 있다.
한편, 상기 예보정보는 상술한 바와 같이 경과시간별로 상이한 정보를 가지고 있으므로, 상기 비교부(121)는 사용자 입력 또는 기설정된 정보에 따라 상기 실측정보와 비교할 시간 범위를 설정할 수도 있으며 해당 시간 범위에서 누적되는 다수의 실측정보를 상기 예보정보와 비교하여 상기 편차정보를 생성할 수도 있다.
이에 대하여 다시 도 4를 참고하면, 도시된 표의 상단에 표시된 바와 같이 상기 예보정보는 24시간 이후, 48시간 이후, 72시간 이후, 96시간 이후, 120시간 이후 등과 같이 경과시간별로 태풍의 변화에 따른 상이한 정보를 포함하므로, 상기 비교부(121)는 상기 태풍정보 실측부(110)로부터 수신되는 실측정보를 누적하여 상기 시간 범위에 따라 각 경과시간별로 대응되는 시간의 실측정보와 비교하여 각 경과시간별로 편차정보를 산출할 수 있다.
이에 따라, 상기 가중치 설정부(122)는 상기 비교부(121)에 설정된 시간범위에 따라 상기 비교부(121)로부터 상기 시간 범위에 속한 복수의 편차정보를 태풍모델별로 수신하고, 태풍모델별로 복수의 편차정보를 고려하여 가중치를 상이하게 설정할 수도 있다.
일례로, 상기 가중치 설정부(122)는 각 태풍모델마다 대응되는 복수의 편차정보를 평균하여 태풍모델별로 평균 편차정보를 연산할 수 있으며, 이에 따라 가장 낮은 값의 평균 편차정보를 가진 태풍모델일수록 높은 가중치를 설정할 수 있다.
이와 같이, 기존에 사용자 입력을 받아 수동적으로 태풍모델을 적용하여 예보하는 시스템과 달리, 상기 제어부(120)는 정확도가 높은 태풍모델을 자동적으로 구별하여 정확도가 높은 태풍모델에 대하여 높은 가중치를 부여함으로써, 높은 성능의 태풍모델이 산출한 예보정보를 우선적으로 고려할 수 있어 정확도를 높일 수 있다.
또한, 상기 제어부(120)는 단일시간의 비교 뿐만 아니라 태풍모델이 산출한 예보정보를 경과시간별로 실측정보와 비교하여 전체적인 태풍의 변화와 가장 일치하는 태풍모델에 높은 가중치를 설정하도록 하여, 태풍의 변화에 대한 추적이 우수한 태풍모델을 우선적으로 고려함으로써 더욱 정확도를 높일 수 있다.
즉, 상기 제어부(120)는 각 태풍모델의 성능을 자동 평가하여 우선적으로 이를 고려함으로써 기존 시스템에 비하여 높은 정확도와 신뢰성을 보장할 수 있다.
한편, 상기 예측부(140)는 상기 제어부(120)에 의해 상기 각 태풍모델에 설정된 가중치를 근거로 상기 모델정보 제공부(130)로부터 최근 실측정보로 산출된 각 태풍모델의 예보정보에 대응되는 가중치를 적용한 후 평균하여 최종 예보정보를 제공할 수 있다.
즉, 상기 예측부(140)는 상기 제어부(120)의 태풍모델에 대한 가중치 설정에 따른 성능평가가 종료된 이후 상기 모델정보 제공부(130)로부터 최근 태풍정보를 근거로 갱신된 예보정보를 바탕으로 태풍의 움직임에 대한 최종 예보정보를 제공한다.
이를 통해, 최근 태풍정보를 바탕으로 예보정보를 갱신하여 이를 바탕으로 최종 예보정보를 제공하므로 정확도를 추가적으로 높일 수 있다.
이때, 상기 예측부(140)는 상기 제어부(120)에 수신된 태풍모델별 예보정보를 상기 제어부(120)로부터 수신하여, 태풍모델별로 설정된 가중치를 대응되는 각 태풍모델별 예보정보에 적용하여 최종 예보정보를 산출할 수 있음은 당연하다.
도 5는 예측부(140)에 따른 최종 예보정보 제공에 따른 예보화면을 도시한 것으로서, 상기 예측부(140)는 상기 제어부(120)를 통해 가중치가 설정된 태풍모델을 판단하여 대응되는 하나 이상의 태풍모델들에 대한 예보정보를 상기 모델정보 제공부(130)에 요청하며, 상기 모델정보 제공부(130)는 상기 예측부(140)의 요청에 따라 대응되는 태풍모델에 상기 태풍정보 실측부(110)로부터 수신한 최근 시간의 실측정보를 적용하여 산출된 예보정보를 태풍모델별로 상기 예측부(140)에 제공할 수 있다.
이에 따라, 상기 예측부(140)는 상기 제어부(120)에 의해 태풍모델별로 설정된 가중치를 대응되는 각 태풍모델의 예보정보에 적용하며, 가중치가 적용된 하나 이상의 예보정보를 평균하여 최종 예보정보를 제공할 수 있다.
이에 따라, 도 5에 도시된 바와 같이 상기 최종 예보정보는 경과시간별로 가중치가 적용된 하나 이상의 태풍모델별 예보정보가 평균화된 정보가 표시된다.
이때, 상기 예측부(140)는 최종 예보정보에 사용된 태풍모델별 예보정보를 출력장치에 표시할 수 있으며, 사용자의 입력에 따라 선택된 태풍모델에 대응되는 예보정보를 최종 예보정보와 함께 출력장치에 표시하여 비교화면을 출력할 수도 있다.
더하여, 상기 예측부(140)는 도 6에 도시된 바와 같이 경과시간별로 예보정보에 포함된 태풍의 예상 진로정보, 예상 강풍반경 정보, 예상 중심기압 정보를 화면에 직접 표시하여 통보문 형태로 출력할 수도 있다.
이와 같이, 상기 제어부(120)는 현재의 태풍변화에 대하여 가장 적응적으로 대처가 가능한 태풍모델에 대하여 높은 가중치를 설정하고, 상기 예측부(140)는 제어부를 통해 현재의 태풍변화에 가장 정확도가 높은 태풍모델을 우선적으로 반영하여 컨센서스 결과로 최종 예보정보를 산출한다.
따라서, 본 발명에 따른 태풍정보 예보 시스템은 기존과 같이 현재 태풍의 변화와 관계없이 단순 성능이 좋은 태풍모델을 일관적으로 적용하는 예보 시스템과 달리 현재의 태풍 움직임에 상관하여 성능이 좋은 태풍모델을 지능적으로 선택하고 이로부터 결과를 도출함으로써 정확도와 신뢰성을 기존보다 크게 향상시킬 수 있다.
더하여, 본 발명에 따른 태풍정보 예보 시스템은 동시간대에 측정되는 태풍이 복수인 경우에 대해서도 각 태풍에 대하여 상술한 과정에 따른 최종 예보정보를 동시에 산출할 수 있음은 물론이다.
도 7은 본 발명의 실시예에 따른 태풍정보 예보 방법에 대한 것으로서, 도시된 바와 같이 상기 태풍정보 실측부(110)는 각종 태풍센터 또는 기상청의 외부 서버와 통신하여 현재의 태풍정보에 대한 실측정보를 수신할 수 있다.
또한, 상기 모델정보 제공부(130)는 태풍정보 실측부(110)로부터 상기 실측정보를 수신하고, 태풍모델별로 상기 실측정보를 적용하여 예보정보를 산출하며 하나 이상의 상기 예보정보를 상기 제어부(120)로 제공할 수 있다.
이후, 상기 제어부(120)는 상기 각 예보정보와 대응되는 시간의 실측정보를 상기 태풍정보 실측부(110)로부터 수신하여 상기 예보정보와 실측정보를 상호 비교하여 태풍모델별로 편차정보를 산출하며, 상기 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정할 수 있다.
이때, 상기 제어부(120)는 상기 편차정보에 따라 예보정보와 실측정보의 차이가 작을수록 높은 가중치를 설정할 수 있다.
다음에, 상기 예측부(140)는 각 예보정보에 대하여 상기 각 태풍모델에 설정된 가중치를 대응되는 태풍모델의 예보정보에 적용하고, 가중치가 적용된 하나 이상의 예보정보를 평균하여 최종 예보정보를 산출할 수 있다.
이때, 상기 예측부(140)는 상기 최종 예보정보를 출력장치를 통해 출력하여 태풍예보를 실시할 수 있다.
110: 태풍정보 실측부 120: 제어부
121: 비교부 122: 가중치 설정부
130: 모델정보 제공부 140: 예측부

Claims (16)

  1. 외부로부터 태풍에 대한 실측정보를 수신하는 태풍정보 실측부;
    각 태풍모델에 상기 태풍정보 실측부로부터 수신한 실측정보를 적용하여 태풍모델별로 예보정보를 산출하는 모델정보 제공부;
    상기 모델정보 제공부의 각 예보정보를 상기 실측정보와 비교하여 편차정보를 산출하며 상기 편차정보에 따라 상기 태풍모델별로 상이한 가중치를 설정하는 제어부; 및
    상기 예보정보마다 대응되는 태풍모델에 설정된 가중치를 적용한 후 평균하여 최종 예보정보를 제공하는 예측부
    를 포함하는 태풍정보 예보 시스템.
  2. 청구항 1에 있어서,
    상기 제어부는 상기 편차정보가 기설정된 기준치 이상인 태풍모델을 제외시키는 것을 특징으로 하는 태풍정보 예보 시스템.
  3. 청구항 2에 있어서,
    상기 제어부는 제외된 태풍모델에 따른 나머지 태풍모델의 수에 따라 상기 가중치를 조절하는 것을 특징으로 하는 태풍정보 예보 시스템.
  4. 청구항 1에 있어서,
    상기 제어부는 상기 예보정보를 경과시간별로 대응되는 실측정보와 비교하여 경과시간별 편차정보를 누적하고, 각 태풍모델의 누적된 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 하는 태풍정보 예보 시스템.
  5. 청구항 4에 있어서,
    상기 제어부는 각 태풍모델마다 누적된 편차정보를 평균하여 평균 편차정보를 산출하고, 상기 평균 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 하는 태풍정보 예보 시스템.
  6. 청구항 1에 있어서,
    상기 태풍모델은 KMA(Korea Meteorological Administration), RSMC(Regional Specialized Meteorological Center), JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA)를 포함하는 태풍센터 정보와, UM(Unified Model), UM_R(Unified Model Regional), TWRF(Typhoon WRF(Weather Research and Forecasting model)), KWRF(Korea WRF(Weather Research and Forecasting model)), DLM(Dynamic Linear Model), DBAR(Double-Fourier-Series Barotropic model), JGSM(Japan Global Spectral Model), TEPS(Typhoon Ensemble Prediction System), NOGAPS(Navy Operational Global Atmospheric Prediction System), GFS(Global Forecast System), ECMWF(The European Centre for Medium Range Weather Forecasts)를 포함하는 모델정보를 포함하는 것을 특징으로 하는 태풍정보 예보 시스템.
  7. 청구항 1에 있어서,
    상기 모델정보 제공부는 서로 다른 태풍모델을 제공하는 태풍 관련 외부 기관과 상호 통신하여, 각 기관으로부터 동일 실측정보를 통해 산출된 상기 예보정보를 수신하는 것을 특징으로 하는 태풍정보 예보 시스템.
  8. 청구항 1에 있어서,
    상기 모델정보 제공부는 사용자 입력에 따라 서로 상이한 복수의 태풍모델을 그룹화하여 그룹화된 태풍모델이 산출한 복수의 예보정보를 평균하여 평균 예보정보를 상기 예보정보로 제공하며, 상기 그룹화된 태풍모델을 하나의 새로운 태풍모델로 내부적으로 추가하는 것을 특징으로 하는 태풍정보 예보 시스템.
  9. 청구항 1에 있어서,
    상기 예측부는 상기 제어부에 의해 가중치가 설정된 태풍모델에 대응되는 예보정보를 상기 제어부 또는 상기 모델정보 제공부로부터 수신하여 상기 최종 예보정보를 제공하는 것을 특징으로 하는 태풍정보 예보 시스템.
  10. 청구항 9에 있어서,
    상기 예측부가 상기 모델정보 제공부로부터 예보정보를 수신하는 경우
    상기 모델정보 제공부는 상기 예측부의 요청에 따라 가중치가 설정된 하나 이상의 태풍모델과 동일한 태풍모델을 선택하여, 각 태풍모델에 상기 태풍정보 실측부로부터 최근 실측정보를 적용하여 산출되는 갱신된 예보정보를 상기 예측부로 제공하는 것을 특징으로 하는 태풍정보 예보 시스템.
  11. 하나 이상의 태풍모델을 이용하여 태풍 관련 예보정보를 제공하는 태풍정보 예보 시스템의 태풍정보 예보 방법에 있어서,
    외부로부터 태풍에 대한 실측정보를 수신하는 제 1단계;
    상기 각 태풍모델에 상기 제 1단계를 통해 수신한 실측정보를 적용하여 태풍모델별로 예보정보를 산출하는 제 2단계;
    상기 제 2단계를 통해 산출된 각 예보정보를 상기 실측정보와 비교하여 편차정보를 산출하며 상기 편차정보에 따라 상기 태풍모델별로 상이한 가중치를 설정하는 제 3단계; 및
    상기 예보정보마다 상기 제 3단계를 통해 대응되는 태풍모델에 설정된 상기 가중치를 적용한 후 평균하여 최종 예보정보를 제공하는 제 4단계;
    를 포함하는 태풍정보 예보 방법.
  12. 청구항 11에 있어서,
    상기 제 3단계는 상기 편차정보가 기설정된 기준치 이상인 태풍모델을 제외시키는 것을 특징으로 하는 태풍정보 예보 방법.
  13. 청구항 12에 있어서,
    상기 제 3단계는 제외된 태풍모델에 따른 나머지 태풍모델의 수에 따라 상기 가중치를 조절하는 것을 특징으로 하는 태풍정보 예보 방법.
  14. 청구항 11에 있어서,
    상기 제 3단계는 상기 예보정보를 경과시간별로 대응되는 실측정보와 비교하여 경과시간별 편차정보를 누적하고, 각 태풍모델의 누적된 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 하는 태풍정보 예보 방법.
  15. 청구항 14에 있어서,
    상기 제 3단계는 각 태풍모델마다 누적된 편차정보를 평균하여 평균 편차정보를 산출하고, 상기 평균 편차정보에 따라 각 태풍모델에 대하여 상이한 가중치를 설정하는 것을 특징으로 하는 태풍정보 예보 방법.
  16. 청구항 11에 있어서,
    상기 태풍모델은 KMA(Korea Meteorological Administration), RSMC(Regional Specialized Meteorological Center), JTWC(Joint Typhoon Warning Center), BABJ(official track forecast by CMA)를 포함하는 태풍센터 정보와, UM(Unified Model), UM_R(Unified Model Regional), TWRF(Typhoon WRF(Weather Research and Forecasting model)), KWRF(Korea WRF(Weather Research and Forecasting model)), DLM(Dynamic Linear Model), DBAR(Double-Fourier-Series Barotropic model), JGSM(Japan Global Spectral Model), TEPS(Typhoon Ensemble Prediction System), NOGAPS(Navy Operational Global Atmospheric Prediction System), GFS(Global Forecast System), ECMWF(The European Centre for Medium Range Weather Forecasts)를 포함하는 모델정보를 포함하는 것을 특징으로 하는 태풍정보 예보 방법.
KR1020120134062A 2012-11-23 2012-11-23 태풍정보 예보 시스템 및 그 방법 KR101280562B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120134062A KR101280562B1 (ko) 2012-11-23 2012-11-23 태풍정보 예보 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120134062A KR101280562B1 (ko) 2012-11-23 2012-11-23 태풍정보 예보 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101280562B1 true KR101280562B1 (ko) 2013-07-02

Family

ID=48996255

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120134062A KR101280562B1 (ko) 2012-11-23 2012-11-23 태풍정보 예보 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101280562B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101395652B1 (ko) 2013-08-30 2014-05-20 (주)오픈에스앤에스 태풍 정보 표시 방법 및 시스템
CN103955009A (zh) * 2014-04-25 2014-07-30 宁波市气象台 一种从数值预报产品中提取出台风客观预报信息的方法
KR101538306B1 (ko) * 2013-11-11 2015-07-21 (주)큐버솔루션 유사태풍분석 예측 시스템 및 이를 이용한 유사태풍분석 예측 방법
JP2018163159A (ja) * 2013-04-04 2018-10-18 スカイ モーション リサーチ, ユーエルシーSky Motion Research, Ulc 地点観測を使用して天気予報を精密化する方法及びシステム
KR102239386B1 (ko) 2020-09-09 2021-04-12 대한민국 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치
CN114910980A (zh) * 2022-06-08 2022-08-16 中国气象局上海台风研究所(上海市气象科学研究所) 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法
CN118330787A (zh) * 2024-06-11 2024-07-12 浙江工业大学 一种基于多模态域变换和自适应融合的台风生成预报方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002286863A (ja) 2001-03-28 2002-10-03 Songai Hokenryoritsu Santeikai 台風による風害評価システム
JP2003004864A (ja) 2001-06-19 2003-01-08 Kawasaki Steel Corp 台風接近時の状況分析装置
KR100990847B1 (ko) 2008-03-18 2010-11-01 대한민국 태풍정보 검색 시스템 및 그 방법
KR101041520B1 (ko) 2010-12-23 2011-06-16 공주대학교 산학협력단 동적 데이터베이스를 기반으로 하는 태풍 진로 예측 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002286863A (ja) 2001-03-28 2002-10-03 Songai Hokenryoritsu Santeikai 台風による風害評価システム
JP2003004864A (ja) 2001-06-19 2003-01-08 Kawasaki Steel Corp 台風接近時の状況分析装置
KR100990847B1 (ko) 2008-03-18 2010-11-01 대한민국 태풍정보 검색 시스템 및 그 방법
KR101041520B1 (ko) 2010-12-23 2011-06-16 공주대학교 산학협력단 동적 데이터베이스를 기반으로 하는 태풍 진로 예측 시스템

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018163159A (ja) * 2013-04-04 2018-10-18 スカイ モーション リサーチ, ユーエルシーSky Motion Research, Ulc 地点観測を使用して天気予報を精密化する方法及びシステム
KR101395652B1 (ko) 2013-08-30 2014-05-20 (주)오픈에스앤에스 태풍 정보 표시 방법 및 시스템
KR101538306B1 (ko) * 2013-11-11 2015-07-21 (주)큐버솔루션 유사태풍분석 예측 시스템 및 이를 이용한 유사태풍분석 예측 방법
CN103955009A (zh) * 2014-04-25 2014-07-30 宁波市气象台 一种从数值预报产品中提取出台风客观预报信息的方法
KR102239386B1 (ko) 2020-09-09 2021-04-12 대한민국 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치
US11333795B2 (en) 2020-09-09 2022-05-17 Korea Meteorological Administration Method for typhoon center automatic selection using vectors calculated from radar image data by optical flow technique, recording medium and device for performing the method
CN114910980A (zh) * 2022-06-08 2022-08-16 中国气象局上海台风研究所(上海市气象科学研究所) 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法
CN118330787A (zh) * 2024-06-11 2024-07-12 浙江工业大学 一种基于多模态域变换和自适应融合的台风生成预报方法

Similar Documents

Publication Publication Date Title
KR101280562B1 (ko) 태풍정보 예보 시스템 및 그 방법
US20200063710A1 (en) System and methods for hyper short-term wind power prediction using real-time wind parameter measurements
US8185331B2 (en) Systems, methods and apparatus for indexing and predicting wind power output from virtual wind farms
KR102093796B1 (ko) 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법, 그 방법을 이용한 실시간 태양광 발전량 예측시스템
US10565516B2 (en) Updating prediction model
US9881108B2 (en) Method of evaluation wind flow based on conservation of momentum and variation in terrain
JP5743881B2 (ja) 電力管理システム、電力管理方法、需要家端末及び電力管理装置
CN103218675B (zh) 一种基于聚类和滑动窗口的短期负荷预测方法
CN107133702B (zh) 一种风电场全场功率预测方法
US20180197499A1 (en) Display status adjustment method, display status adjustment device and display device
US20150331023A1 (en) Building energy consumption forecasting procedure using ambient temperature, enthalpy, bias corrected weather forecast and outlier corrected sensor data
KR102396290B1 (ko) 초 저고도 바람 예측 정보 제공 방법
US20170167741A1 (en) Air conditioning parameter generation apparatus, air conditioning operational evaluation apparatus, method and non-transitory computer readable medium
KR101538306B1 (ko) 유사태풍분석 예측 시스템 및 이를 이용한 유사태풍분석 예측 방법
CN109325633A (zh) 一种天气预报集合成员选取方法和系统
JP2007233639A (ja) 風力発電出力予測方法、風力発電出力予測装置およびプログラム
CN108090614A (zh) 一种基于相关系数的空间风场预测模型建立方法
CN116595394A (zh) 风速修正模型的训练方法及风速预测方法、设备和介质
CN109814066A (zh) 基于神经网络学习的rssi室内定位测距方法、室内定位平台
CN110244387A (zh) 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质
US20190035298A1 (en) Systems and methods for simulating wind noise models
CN108256546A (zh) 一种非降水条件下大气边界层高度探测方法和系统
KR101041520B1 (ko) 동적 데이터베이스를 기반으로 하는 태풍 진로 예측 시스템
JP2020134300A (ja) 予測方法、予測プログラム及び情報処理装置
Freedman et al. The Wind Forecast Improvement Project (WFIP): A public/private partnership for improving short term wind energy forecasts and quantifying the benefits of utility operations. The Southern Study Area, Final Report

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160615

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170421

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180508

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190424

Year of fee payment: 7