KR101556463B1 - 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램 - Google Patents

열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램 Download PDF

Info

Publication number
KR101556463B1
KR101556463B1 KR1020140009493A KR20140009493A KR101556463B1 KR 101556463 B1 KR101556463 B1 KR 101556463B1 KR 1020140009493 A KR1020140009493 A KR 1020140009493A KR 20140009493 A KR20140009493 A KR 20140009493A KR 101556463 B1 KR101556463 B1 KR 101556463B1
Authority
KR
South Korea
Prior art keywords
damage
predicted
value
scale
magnitude
Prior art date
Application number
KR1020140009493A
Other languages
English (en)
Other versions
KR20150089186A (ko
Inventor
허창회
박두선
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020140009493A priority Critical patent/KR101556463B1/ko
Publication of KR20150089186A publication Critical patent/KR20150089186A/ko
Application granted granted Critical
Publication of KR101556463B1 publication Critical patent/KR101556463B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 열대 저기압에 의한 예상 피해규모 예측 방법에 관한 것이다. 본 발명은 적어도 하나의 기상 관측소의 기상 예측값을 입력 받는 단계, 상기 열대 저기압의 예측된 영향 기간 동안의 상기 적어도 하나의 기상 관측소의 상기 입력 받은 기상 예측값을 누적하는 단계 및 상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 단계를 포함하고, 상기 누적하는 단계는 상기 입력 받은 기상 예측값이 미리 정해진 값을 초과하는 경우에만 누적한다.

Description

열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램{METHODS, SYSTEM, AND PROGRAM OF ESTIMATING HUMAN AND PROPERTY LOSSES BY USING GUST AND DOWNPOUR INDICES OF TYPHOONS}
본 발명은 인명 및 재산 피해규모 추정 방법, 시스템, 및 프로그램에 관한 것이다. 구체적으로, 본 발명은 열대 저기압의 강풍과 폭우 지수(즉, 풍속과 강수량 지수)를 이용한 인명 및 재산 피해규모 추정 방법, 시스템, 및 프로그램에 관한 것이다.
열대 해상에서 발생하는 열대 저기압의 영향에 의한 강풍과 폭우로 인하여 열대 저기압의 영향권에 있는 국가들은 매년 막대한 규모의 인명과 재산 피해를 입는다. 2000년대 이후 한국에 큰 영향을 미친 열대 저기압만 예를 들더라도, 2002년 태풍 루사는 250여명의 사망 및 실종자, 5조원 이상의 재산 피해를 발생시켰고, 2003년 태풍 매미는 130여명의 인명 피해, 4조원 이상의 재산 피해를 발생시켰으며, 2007년 태풍 나리는 10여명의 인명 피해, 1600억원에 육박하는 재산 피해를 발생시킨 바 있다. 한편, 2013년에는 태풍 하이옌이 필리핀 지역을 강타하여 약 6100여명의 사망자, 약 1780명의 실종자, 약 27000명의 부상자와, 129억 달러에 이르는 재산 피해 등 역대 최대 규모의 피해를 발생시키는 등, 국내외로 열대 저기압의 영향으로 인한 피해가 끊이지 않고 있다. 이에 따라, 열대 저기압으로 인한 피해규모의 보다 정교한 예측과, 이를 통한 적극적인 대처 가능성에 대한 관심이 증대되고 있다. 기상청 국가태풍센터 등 공공기관, 민간 기상 정보 제공 회사, 및 손해보험회사 등에서는 열대 저기압으로 인한 피해규모를 정량적으로 추정함으로써, 열대 저기압으로 인한 피해에 적극적으로 대비할 수 있도록 노력하고 있다.
종래의 열대 저기압 피해규모 예측 모델들은 Best-track의 최대 풍속 데이터를 기초로 앞으로 영향을 미칠 열대 저기압의 피해규모를 예측하였다. Best-track이란, 열대 저기압이 소멸한 후 인공위성과 육상·해상 등지에서 관측한 각종 자료를 분석한 후 최종적으로 확정한 열대 저기압의 실제 이동 경로이며, 열대 저기압의 이동 경로에 따라 매 6시간마다 5 노트 간격으로 열대 저기압의 영향 반경 내에서의 최대 풍속 데이터가 제공된다. 종래의 예측 모델들은 과거의 열대 저기압의 영향 반경 내에서의 최대 풍속 데이터를 기초로 과거의 열대 저기압들의 강도를 계산하여, 앞으로 영향을 미칠 열대 저기압의 피해규모를 예측하는데 이용한다.
도 1은 한반도에 영향을 미친 복수의 열대 저기압(예를 들면, 태풍, 허리케인, 싸이클론 등)의 진행 경로에 따라, 한국의 각 지역에서 관측된 풍속 및 강우량(또는 강수량)을 나타낸 도면이다. 도 1의 (가) 내지 (라)는 한반도에 영향을 미치는 열대 저기압의 경로를 네 가지 유형으로 나타낸 도면이고, 도 1의 (마) 내지 (아)는 도 1의 (가) 내지 (라)가 나타내는 각 유형의 열대 저기압 경로에 따라 한반도 각 지역에서 관측된 풍속을 나타낸 도면이며, 도 1의 (자) 내지 (타)는 도 1의 (가) 내지 (라)가 나타내는 각 유형의 열대 저기압 경로에 따라 한반도 각 지역에서 관측된 강우량을 나타낸 도면이다. 도 1의 (마) 내지 (아)에서 더 큰 원은 더 큰 풍속을, 더 작은 원은 더 작은 풍속을 나타내며, 도 1의 (자) 내지 (타)에서 더 큰 원은 더 많은 강우량을, 더 작은 원은 더 적은 강우량을 나타낸다. 도 1에 도시된 바와 같이, 열대 저기압이 한반도의 어느 쪽을 통과하는지에 따라 한반도 전체에 미치는 영향(최대 풍속, 강수량)의 강도에는 큰 차이가 있으며, 한편 한반도의 각 지역에서 관측되는 풍속과 강수량에도 지역별로 상당한 차이가 있다.
Best-track 데이터에 기초한 종래의 열대 저기압 피해규모 예측 방법은, 열대 저기압의 영향 반경 전체에서의 하나의 최대 풍속 값만을 기초로 하여 열대 저기압의 강도를 계산, 피해규모 예측에 고려하므로, 열대 저기압의 진행 경로에 따라 실제로 특정 지역에 영향을 미치는 강도의 차이를 정확히 반영하지 못한다. 또한 종래의 열대 저기압 피해규모 예측 방법은, 열대 저기압이 영향을 미치는 기간 동안 매 6시간 마다 하나의 값으로 제공되는 최대 풍속 값만을 기초로 하여 열대 저기압의 강도를 계산, 피해규모 예측에 고려하므로, 열대 저기압의 영향 반경에 포함된 세부 지역에 어느 정도의 직접적인 영향을 미쳤는지를 정확히 반영하지 못한다.
열대 저기압으로 인한 강한 바람뿐만 아니라 열대 저기압이 동반한 폭우에 의해서도 실제로 상당한 인명 및 재산 피해가 발생한다. 대표적인 예로, 2002년 태풍 루사는 강릉 지역에 850mm에 이르는 비를 내렸고, 2007년 태풍 나리는 제주도에 시간당 100mm 이상의 폭우를 내리면서, 많은 인명 및 재산상 피해를 남겼다. 그러나 Best-track 데이터에 기초한 종래의 열대 저기압 피해규모 예측 방법은 매 6시간 마다의 최대 풍속만을 열대 저기압의 강도로서 고려하기 때문에, 열대 저기압에 동반한 폭우로 인해 유발되는 피해를 전혀 고려하지 않는 문제가 있다.
또한, 열대 저기압의 영향에 의하여 실제로 발생하는 인명 및 재산 피해는 열대 저기압의 영향을 받은 전체 지역의 인구, 경제 성장 및 개발의 정도에 따라서도 달라진다. 예컨대 열대 저기압에 의한 강풍 및 강수량이 동일하더라도, 인구가 많은 지역에 열대 저기압이 영향을 미치는 경우 인구가 적은 지역에 영향을 미치는 경우보다 더 큰 인명 피해를 유발할 수 있다. 마찬가지로, 열대 저기압에 의한 강풍 및 강수량이 동일하더라도, 열대 저기압이 미개발된 지역에 영향을 미칠 때보다 개발된 지역에 영향을 미칠 경우에 더 큰 재산 피해를 유발할 것이다. 열대 저기압의 영향을 받는 지역의 인구, 경제 성장 및 개발의 정도는 시간의 흐름에 따라 지속적으로 변동되므로, 동일한 강도의 열대 저기압의 영향으로 인한 인명 및 재산 피해는 시간의 흐름에 따라서 달라질 것이다. 그러나 종래의 열대 저기압 피해규모 예측 방법은 시간의 흐름에 따른 인구의 변동 및 경제 성장 요소를 고려하지 않는 문제가 있다.
본 발명은 열대 저기압에 의한 예상 피해규모 예측 방법, 시스템, 및 프로그램을 제공한다. 일 실시예에서, 본 발명은 적어도 하나의 기상 관측소의 기상 예측값을 입력받는 단계, 상기 열대 저기압의 예측된 영향 기간 동안의 상기 적어도 하나의 기상 관측소의 상기 입력받은 기상 예측값을 누적하는 단계, 및 상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 단계를 포함하고, 상기 누적하는 단계는 상기 입력받은 기상 예측값이 미리 정해진 값을 초과하는 경우에만 누적하는 열대 저기압에 의한 예상 피해규모 예측 방법을 제공한다.
또한, 상기 기상 예측값은 풍속 예측값과 강수량 예측값을 포함할 수 있다.
그리고, 상기 누적하는 단계는 이하 [수식 1]을 사용하여 상기 풍속 예측값 및 상기 강수량 예측값을 누적하는 것을 포함한다.
[수식 1]
Figure 112014008204294-pat00001
(상기 DWi는 예측 풍속 지수, 상기 DRi는 예측 강수량 지수, 상기 tn은 열대 저기압의 예측된 영향기간, 상기 s는 기상 관측소, 상기 Vs는 각 기상 관측소에서 14m/s 이상인 풍속 예측값, 상기 Rs는 각 기상 관측소에서 80mm/day 이상인 강수량 예측값, 상기 α와 상기 β는 다중선형회귀모델에서 최대 R2값이 나오는 값을 나타냄)
한편, 상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 단계에서, 상기 예상 피해규모는 상기 예측 풍속 지수 및 상기 예측 강수량 지수에 각각 미리 정해진 계수를 곱해서 결정될 수 있다.
그리고, 상기 예상 피해규모는 예상 인명피해규모 및 예상 재산피해규모를 포함하고, 상기 예상 인명피해규모 및 상기 예상 재산피해규모는 각각 이하 [수식 2]를 사용하여 예측된다.
[수식 2]
Figure 112014008204294-pat00002
(상기 C는 예상 인명피해규모, 상기 D는 예상 재산피해규모, 상기 ac, bc, ad, bd는 다중선형회귀모델에 의해 도출된 미리 정해진 계수, 상기 εi,c는 인명피해규모를 줄이기 위한 노력지수, 상기 εi,d는 재산피해규모를 줄이기 위한 노력지수를 나타냄)
한편, 상기 미리 정해진 계수는 적어도 하나의 과거 열대 저기압의 관측값, 과거 인명피해규모 및 과거 재산피해규모를 기초로 하여 생성될 수 있다.
상기 εi,c는 과거 열대 저기압에 대해 예상한 인명피해규모와 실제 인명피해규모의 차이를 나타내고, 상기 εi,d은 상기 과거 열대 저기압에 대해 예상한 재산피해규모와 실제 재산피해규모의 차이를 나타낸다.
그리고, 상기 과거 열대 저기압의 관측값은 상기 과거 열대 저기압의 영향으로 인한 일 최대 풍속 관측값, 일 최대 강수량 관측값을 포함한다.
상기 미리 정해진 계수를 생성하는 경우, 상기 과거 인명피해규모 및 상기 과거 재산피해규모는 이하 [수식 3]에 따라 기준년도로 환산된 인명피해규모 및 재산피해규모를 기초로 할 수 있다.
[수식 3]
Figure 112014008204294-pat00003
(상기 Cs는 기준년도로 환산된 인명피해규모, 상기 Ds는 기준년도로 환산된 재산피해규모, 상기 Py는 상기 인명피해규모가 발생한 연도의 인구를 기준년도로 환산하기 위한 비율, 상기 Iy는 상기 재산피해규모가 발생한 연도의 인플레이션을 기준년도로 환산하기 위한 비율, 상기 NWy는 상기 재산피해규모가 발생한 연도의 국부를 기준년도로 환산하기 위한 비율)
본 발명에 따르면, 열대 저기압의 진행 경로에 따라 열대 저기압의 영향 반경 내에 포함된 세부 지역에 미친 직접적인 영향의 정도를 반영하여 열대 저기압으로 인한 인명 및 재산 피해의 규모를 예측할 수 있고, 열대 저기압에 의한 강풍뿐만 아니라 열대 저기압에 동반한 강수량을 고려하여 열대 저기압으로 인한 인명 및 재산 피해의 규모를 예측할 수 있으며, 시간의 흐름에 따라 변동되는 특정 지역의 인구, 경제 성장 및 개발의 정도, 화폐 가치를 고려하여 인명 피해 및 재산 피해를 환산하여 제공하므로, 열대 저기압으로 인한 피해규모 예측의 정확성이 개선될 수 있다.
도 1은 한반도에 영향을 미친 열대 저기압의 진행 경로에 따라, 한국의 각 지역에서 관측된 풍속 및 강우량을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른, 기상 관측값을 제공하는 기상 관측소들의 지리적 분포를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른, 열대 저기압에 의한 피해규모를 예측하는 시스템의 구성도이다.
도 4는 본 발명의 일 실시예에 따라 피해 예측 계수 계산장치에서 피해 예측 계수를 생성하는 방법을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따라 피해 예측 계수 계산장치에서 피해 예측 계수를 갱신하는 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시예에 따라 인명피해규모 및 재산피해규모를 예측하는 방법을 나타내는 흐름도이다.
도 7은 본 발명의 일 실시예에 따라 인명피해규모에 대한 노력지수 및 재산피해규모에 대한 노력지수를 계산하는 방법을 나타내는 흐름도이다.
도 8은 본 발명의 또 다른 일 실시예에 따라 인명피해규모 및 재산피해규모를 예측하는 방법을 나타내는 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예를 상세하게 설명한다.
도 2는 본 발명의 일 실시예에 따른, 기상 관측값 및/또는 기상 예측값을 제공하는 기상 관측소의 지리적 분포를 나타낸 도면이다. 설명의 편의를 위하여, 본 발명에 대한 설명에서 기상 관측소는 기상 요소들을 관측 및/또는 예측하는 지방 기상청, 기상대, 관측소를 모두 포함할 수 있다. 본 발명의 일 실시예에 따르면, 기상 관측소는 열대 저기압으로 인한 피해를 예측하고자 하는 지역 전체에서의 기상 요소 관측값 및/또는 예측값을 제공하도록 해당 지역 전체에 걸쳐 고루 분포할 수 있다. 도 2에서 별표(*)로 표시된 부분은, 본 발명의 일 실시예에 따른, 기상 관측값 및/또는 예측값을 제공하는 예컨대 60개의 기상 관측소의 위치를 나타낸다. 기상 관측값은 기상 관측소 등에서 실제로 측정된 과거의 기온, 강수량, 풍향, 풍속, 기압, 습도 등의 기상 요소들을 수치화한 값을 포함한다. 기상 예측값은 기상 관측 자료에 근거하여 미래의 특정 시점에 특정 지역에서 발생 및 관측될 것으로 예상되는 기상 요소들을 수치화한 값을 포함한다. 기상 예측값을 예측하기 위해서, 지상 관측소에서 관측된 기상 관측값, 레윈존데 관측 및 수직측풍장비 관측 등을 통해서 고층의 대기 상태를 관측한 값, 기상 위성이 촬영한 위성 사진, 기상 레이더 관측 결과 등이 기상 관측 자료로서 사용될 수 있다.
본 발명의 일 실시예에 따르면, 기상 관측소에서 제공하는 기상 관측값은 기상 관측소가 위치한 곳의 지상에서 관측된 관측값이고, 기상 요소들의 예측값은 기상 관측소가 위치한 곳(또는 기상 관측소가 위치한 곳을 포함한 특정 지역)의 지상에서 미래에 관측될 것으로 예측되는 예측값이다. 종래의 열대 저기압 피해규모 예측 방법들은 열대 저기압의 영향 반경 전체에서 관측된 하나의 최대 풍속 값만을 열대 저기압의 강도로서 고려하여 피해규모 예측에 이용하는 반면에, 본 발명에서는 피해규모를 예측하고자 하는 범위의 지역에 고루 분포한 기상 관측소의 지상에서 관측 및/또는 예측된 일 최대 풍속 및 일 강수량을 피해규모 예측에 이용할 수 있다.
도 3은 본 발명의 일 실시예에 따른, 열대 저기압에 의한 피해규모를 예측하는 시스템(305)의 구성도이다. 도시된 시스템(305)은 예측값 수신장치(310), 예측값 누적장치(315), 노력지수 계산장치(335), 과거 데이터 DB(340), 피해 예측 계수 계산장치(345), 예상 피해규모 예측장치(320), 피해규모 환산 장치(325), 및 출력 장치(330)를 포함한다. 시스템(305)은 데이터를 저장하고 연산 처리할 수 있는 개인용 컴퓨터, 서버 시스템, 워크스테이션 등과 같은 장치일 수 있으며, 하나의 장치로 도시되어 있으나, 이에 한정되지 않으며, 복수의 장치들이 서로 연결되어 있는 형태일 수도 있다.
본 발명의 일 실시예에 따르면, 예측값 수신장치(310)는 적어도 하나의 기상 관측소(355a 내지 355n)로부터 해당 기상 관측소의 위치에서의 기상 예측값을 입력 받는다. 기상 예측값은 기상 관측소가 위치한 곳의 지상에서 미래에 관측될 것으로 예상되는 일 최대 풍속 예측값 및 일 강수량 예측값을 포함할 수 있다. 한편, 예측값 수신장치(310)는 네트워크(360)를 통해서 기상 예측값을 수신할 수 있다. 본 발명의 다른 실시예에 따르면, 예측값 수신장치(310)는 유형의 데이터 저장 매체에 기록된 데이터의 판독을 통해서 기상 관측소(355a 내지 355n)로부터의 기상 예측값을 입력받을 수 있다. 또한, 예측값 수신장치(310)는 하나 이상의 기상 예보 데이터베이스(미도시)로부터 적어도 하나의 기상 관측소의 위치에서의 기상 예측값을 입력받을 수도 있다. 예측값 수신장치(310)는 수신한 기상 예측값을 예측값 누적장치(315)에 제공한다.
예측값 누적장치(315)는 피해규모를 예측하고자 하는 열대 저기압의 예측된 영향 기간 동안의 기상 예측값들을 누적하여, 예측 풍속 지수("누적된 풍속 예측값"이라고도 함) 및 예측 강수량 지수("누적된 강수량 예측값"이라고도 함)를 계산한다. 예측값 누적장치(315)는 아래 수식에 의해 각 기상 관측소의 위치에서의 일 최대 풍속 예측값 및 일 강수량 예측값을 누적할 수 있다.
Figure 112014008204294-pat00004
위 수식에서 DWi는 예측 풍속 지수로서 일 최대 풍속 예측값들의 누적값이고, DRi는 예측 강수량 지수로서 일 강수량 예측값들의 누적값이며, tn은 열대 저기압의 예측된 영향 기간, s는 기상 관측소, Vs는 각 기상 관측소에서 14 m/s 이상인 일 최대 풍속 예측값, Rs는 각 기상 관측소에서 80 mm/day 이상인 일 강수량 예측값이다. 위 수식에서 α와 β는 복수의 과거의 열대 저기압들의 영향 기간 동안 실제 관측된 관측값을 기초로 하는 관측 풍속 지수 및 관측 강수량 지수를 설명 변수로 하고 실제 인명피해규모 및 실제 재산피해규모를 피설명 변수로 하는 다중선형회귀모델에서 R-square 값이 최대가 되도록 하는 값들로 선택될 수 있다. 관측 풍속 지수 및 관측 강수량 지수에 관해서는 후술한다.
본 발명의 일 실시예에 따르면, 특정 날짜에, 기상 관측소 1부터 기상 관측소 60까지의 각 위치에서 예측되는 풍속 예측값 V1 내지 V60이 누적될 수 있다. 본 발명의 일 실시예에 따르면, 일 최대 풍속 예측값들의 누적을 통한 풍속 지수의 산출 과정에서, 의미 있는 규모의 피해를 유발하지 않는 약한 바람을 제외하기 위하여, 특정 날짜에 특정 기상 관측소의 위치에서 예측되는 일 최대 풍속 예측값이 14 m/s 이상인 경우에만 해당 예측값을 누적할 수 있다.
한편, 본 발명의 일 실시예에 따르면, 예측의 정확성을 높이기 위하여, 기상 관측소 s의 위치에서 예측되는 풍속 예측값을 α제곱한 Vs α 값이 누적될 수 있다. 전술한 바와 같이 α값은 과거의 열대 저기압의 데이터를 기초로 만들어지는 다중선형회귀모델에서 R-square 값이 최대가 되도록 하는 값으로 미리 정해진다. 복수의 기상 관측소의 풍속 예측값을 누적한 값을 열대 저기압의 예측된 영향 기간(일 단위)인 tn 동안 다시 누적함으로써, 피해규모를 예측하고자 하는 열대 저기압의 예측 풍속 지수인 DWi를 계산할 수 있다.
다음으로, 본 발명의 일 실시예에 따라 예측 강수량 지수인 DRi를 계산하는 방법에 대하여 이하 설명한다. 특정 날짜에, 기상 관측소 1부터 기상 관측소 60까지의 각 위치에서 예측되는 강수량 예측값 R1 내지 R60이 누적될 수 있다. 일 강수량 예측값들의 누적을 통한 강수량 지수의 산출에서, 의미 있는 규모의 피해를 유발하지 않는 적은 강수량을 제외하기 위하여, 특정 날짜에 특정 기상 관측소의 위치에서 예측되는 일 강수량이 80mm/day 이상인 경우에만 해당 예측값을 누적할 수도 있다. 본 발명의 일 실시예에 따르면, 피해규모의 예측의 정확성을 높이기 위하여, 기상 관측소 s의 위치에서 예측되는 강수량 예측값을 β제곱한 Rs β 값이 누적될 수 있다. 전술한 바와 같이 β값은 과거의 열대 저기압의 데이터를 기초로 만들어지는 다중선형회귀모델에서 R-square 값이 최대가 되도록 하는 값으로 미리 정해진다. 복수의 기상 관측소의 강수량 예측값을 누적한 값을 열대 저기압의 예측된 영향 기간(일 단위)인 tn 동안 다시 누적함으로써, 피해규모를 예측하고자 하는 열대 저기압의 예측 강수량 지수인 DRi를 계산할 수 있다. 이와 같이, 한반도에 분포한 모든 기상 관측소의 예측값들을 누적함으로서, 어느 한 지역에만 편중되지 않고, 한반도 전체에 걸친 열대 저기압의 풍속 및 강수량을 산출할 수 있게 된다. 한편, 모든 기상 관측소의 예측값들을 누적할 수도 있지만, 일부 특정지역의 기상 관측소의 예측값들을 누적할 수도 있다.
노력지수 계산장치(335)는 과거 열대 저기압의 영향을 받는 기간 동안의 기상 관측값을 기초로 계산된 인명 및 재산피해규모와, 과거 열대 저기압으로 인하여 실제로 유발된 인명 및 재산피해규모에 근거하여 인명피해규모에 대한 노력지수(εi,c) 및 재산피해규모에 대한 노력지수(εi,d)를 계산하는 장치이다. 인명피해규모에 대한 노력지수(εi,c)는 열대 저기압으로 인한 인명피해규모를 줄이기 위해 기울인 인위적인 노력의 실제 효과의 정도를 나타내는 값이며, 재산피해규모에 대한 노력지수(εi,d)는, 열대 저기압으로 인한 재산피해규모를 줄이기 위해 기울인 인위적인 노력의 실제 효과의 정도를 나타내는 값이다.
인명피해규모를 줄이기 위한 노력지수(εi,c)를 계산하기 위하여, 노력지수 계산장치(335)는 과거 데이터 DB(340)로부터 실제 과거 인명피해규모(PC), 과거 열대 저기압의 관측 풍속 지수(PWi), 관측 강수량 지수(PRi)를 수신한다. 과거 데이터 DB(340)는 하나 이상의 과거의 열대 저기압의 영향 기간동안 기상 관측소에서 관측된 풍속 관측값, 강수량 관측값, 관측 풍속 지수, 관측 강수량 지수, 인명피해규모, 재산피해규모 등이 기록된 저장 장치일 수 있다. 과거 데이터 DB(340)는 휘발성 메모리, 비휘발성 메모리, 하드디스크, 플로피디스크, 광학디스크, 및 네트워크 스토리지 등의 저장장치에 저장된 데이터의 모음일 수 있다.
또한, 노력지수 계산장치는(335)는 피해 예측 계수 계산장치로부터 피해 예측 계수(ac, bc)를 수신한다. 일 실시예에서 피해 예측 계수는 피해 예측 계산장치(345)로부터 노력지수 계산장치(335)로 미리 전송되어 저장되고 있을 수 있다. 노력지수 계산장치(335)는 상기 수신한 실제 과거 인명피해규모(PC), 과거 열대 저기압의 관측 풍속 지수(PWi), 관측 강수량 지수(PRi), 피해 예측 계수(ac, bc)에 근거하여, 인명피해규모에 대한 노력지수(εi,c)를 계산한다. 구체적으로, 이하 수식에 나타난 바와 같이, 먼저, 과거 열대 저기압의 관측 풍속 지수(PWi), 관측 강수량 지수(PRi) 각각에 피해 예측 계수(ac, bc)를 곱하여, 피해 예측 계수에 의해 도출된 인명피해규모를 계산하고, 그 값을 실제 과거 인명피해규모(PC)에서 뺀다. 이렇게 도출된 차이값이 바로 인명피해규모에 대한 노력지수(εi,c)에 해당한다. 다시 말해, 인명피해규모에 대한 노력지수(εi,c)는 과거 열대 저기압으로 인한 실제 인명피해규모에서 과거 열대 저기압의 영향 기간동안의 기상 관측값을 기초로 계산된 인명피해규모를 뺀 값이다.
Figure 112014008204294-pat00005
마찬가지로, 재산피해규모를 줄이기 위한 노력지수(εi,d)를 계산하기 위하여, 노력지수 계산장치(335)는 과거 데이터 DB(340)로부터 실제 과거 재산피해규모(PD)를 추가로 수신하고, 피해 예측 계산장치로부터 피해 예측 계수(ad, bd)를 추가로 수신한다. 일 실시예에서 피해 예측 계수는 피해 예측 계산장치(345)로부터 노력지수 계산장치(335)로 미리 전송되어 저장되고 있을 수 있다. 노력지수 계산장치(335)는 이하의 수식에 나타난 바와 같이 먼저, 과거 열대 저기압의 관측 풍속 지수(PWi), 관측 강수량 지수(PRi) 각각에 피해 예측 계수(ad, bd)를 곱하여, 피해 예측 계수에 의해 도출된 재산피해규모를 계산하고, 그 값을 실제 과거 재산피해규모(PD)에서 뺀다. 이렇게 도출된 차이 값이 바로 재산피해규모에 대한 노력지수(εi,d)에 해당한다. 다시 말해, 재산피해규모에 대한 노력지수(εi,d)는 과거 열대 저기압으로 인한 실제 재산피해규모에서 과거 열대 저기압의 영향 기간동안의 기상 관측값을 기초로 계산된 재산피해규모를 뺀 값이다.
Figure 112014008204294-pat00006
인명피해규모에 대한 노력지수(εi,c)와 재산피해규모에 대한 노력지수(εi,d)가 각각 더 작은 음의 값을 가질수록, 인명 및 재산피해규모를 줄이기 위한 각각의 노력이 실제 피해를 줄이는데 효과적이었다는 것을 의미하고, 노력지수(εi,c) 및 노력지수(εi,d)가 더 큰 양의 값을 가질수록 그 노력에도 불구하고 실제 피해를 줄이지 못하였음을 의미한다. 노력지수 계산 장치(335)는 위와 같이 계산된 인명피해규모에 대한 노력지수(εi,c)와 재산피해규모에 대한 노력지수(εi,d)를 예상 피해규모 예측장치(320)에 제공한다.
피해 예측 계수 계산장치(345)는 과거 열대 저기압에 관한 정보를 기초로, 미래의 열대 저기압으로 인한 인명 및 재산피해규모를 예측하기 위한 피해 예측 계수를 계산하는 장치이다. 피해 예측 계수 계산장치(345)는 과거 데이터 DB(340)로부터 과거 열대 저기압의 영향 기간동안 기상 관측소에서 관측한 풍속 관측값, 강수량 관측값, 과거 열대 저기압에 의한 인명피해규모, 재산피해규모 데이터를 수신하고, 이를 기초로 인명피해규모에 대한 피해 예측 계수(ac, bc), 재산피해규모에 대한 피해 예측 계수(ad, bd)를 계산한다. 인명피해규모에 대한 피해 예측 계수(ac, bc)는 열대 저기압으로 인해 예상되는 인명피해규모(C)를 계산하기 위한 계수이고, 재산피해규모에 대한 피해 예측 계수(ad, bd)는 열대 저기압으로 인해 예상되는 재산피해규모(D)를 계산하기 위한 계수이다. 본 발명의 일 실시예에 따르면, 피해 예측 계수는 다중선형회귀모델에 의하여 도출된다.
먼저 피해 예측 계수 계산장치(345)는 최근에 발생했던 둘 이상의 열대 저기압에 대하여, 과거 데이터 DB(340)로부터 수신한 각각의 열대 저기압의 영향 기간동안 기상관측소에서 관측한 일 최대풍속 관측값, 일 강수량 관측값를 기초로 각각의 열대 저기압의 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)를 계산한다. 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)는 각 기상 관측소에서 관측된 일 최대 풍속값 및 일 강수량 관측값을 선택적으로 누적함으로써 계산될 수 있다. 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)의 구체적인 계산은 예측값 누적장치(315)에 의해 예측 풍속 지수(DWi) 및 예측 강수량 지수(DRi)를 계산하는 방법과 동일한 방법이 사용될 수 있다.
피해 예측 계수 계산장치(345)는 둘 이상의 과거 열대 저기압에 대하여 각각 계산된 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)를 설명 변수로 하고, 과거 열대 저기압으로 인한 실제 인명피해규모(PC) 및 실제 재산피해규모(PD)를 피설명 변수로 하는 아래 수식과 같은 다중선형회귀모델에 의하여, 인명피해규모에 대한 피해 예측 계수(ac, bc) 및 재산피해규모에 대한 피해 예측 계수(ad, bd)를 계산할 수 있다.
Figure 112014008204294-pat00007
본 발명의 일 실시예에 따르면, 과거 열대 저기압으로 인한 인명피해규모(PC) 및 재산피해규모(PD)는 해당 열대 저기압으로 인한 실제 인명피해규모 및 실제 재산피해규모가 기준년도를 기준으로 한 인명피해규모(Cs) 및 재산피해규모(Ds)로 환산된 수치일 수 있다. 기준년도로 환산된 인명피해규모(Cs) 및 재산피해규모(Ds)는 아래 수식에 따라 계산될 수 있다.
Figure 112014008204294-pat00008
위 수식에서, Cs는 기준년도로 환산된 인명피해규모, Ds는 기준년도로 환산된 재산피해규모이다. 본 발명의 일 실시예에 따르면, 열대 저기압 발생 시점의 인구를 기준년도의 인구로 환산하기 위한 비율을 나타내는 Py값을 인명피해규모(PC)에 곱함으로써, 기준년도로 환산된 인명 (Cs)를 계산할 수 있다. 한편, 열대 저기압 발생 시점의 인플레이션을 기준년도로 환산하기 위한 비율 Iy값 및 열대 저기압 발생 시점의 국부(national wealth)를 기준년도로 환산하기 위한 비율 NWy값을 재산피해규모(PD)에 곱함으로써, 기준년도로 환산된 재산피해규모(Ds)를 계산할 수 있다. 이렇게, 환산된 인명피해규모(Cs) 및 재산피해규모(Ds)를 상기 피해 예측 계수들(ac, bc, ad, bd)을 계산하기 위한 수식에서 수신한 인명피해규모(PC) 및 재산피해규모(PD) 대신 대입하고, 또 다른 열대 저기압에 대해서도 마찬가지로 기준년도로 환산한 값을 대입함으로써, 그 결과 피해 예측 계수들을 계산하기 위하여 다중선형회귀모델을 적용하는 경우(즉, 복수개의 열대 저기압 데이터를 비교하여 피해 예측 계수들을 계산하는 경우), 기준년도로 환산된 값들을 이용하므로, 각기 다른 시점에 발생한 둘 이상의 과거 열대 저기압들에 의한 피해규모에 있어서 인구, 경제 성장 및 개발의 정도의 차이에 의한 영향을 반영한, 더욱 정확한 값을 도출해 낼 수 있게 된다.
피해 예측 계수 계산장치(345)는 계산된 인명피해규모에 대한 피해 예측 계수(ac, bc) 및 재산피해규모에 대한 피해 예측 계수(ad, bd)를 예상 피해규모 예측장치(320) 및/또는 노력지수 계산장치(335)에 제공할 수 있다.
예상 피해규모 예측장치(320)는 예측값 누적장치(315)에 의해 계산된 예측 풍속 지수(DWi) 및 예측 강수량 지수(DRi)를 수신하고, 피해 예측 계수 계산 장치(345)에 의해 계산된 피해 예측 계수(ac, bc, ad, bd)를 수신한다. 예상 피해규모 예측장치(320)는 수신한 예측 풍속 지수(DWi), 예측 강수량 지수(DRi), 피해 예측 계수(ac, bc, ad, bd)를 기초로 예상 인명피해규모(Cs) 및 예상 재산피해규모(Ds)를 계산한다. 본 발명의 다른 실시예에 따르면, 예상 피해규모 예측장치(320)는 노력지수 계산장치(335)로부터 인명피해규모에 대한 노력지수(εi,c)와 재산피해규모에 대한 노력지수(εi,d)를 추가로 수신하여, 예상 인명피해규모(Cs) 및 예상 재산피해규모(Ds)의 계산에 추가로 이용할 수 있다. 본 발명의 일 실시예에 따르면, 예상 인명피해규모(Cs) 및 예상 재산피해규모(Ds)는 기준년도로 환산된 수치일 수 있다.
예상 피해규모 예측장치(320)는 아래 수식에 따라 예상 인명 피해 및 예상 재산 피해를 계산할 수 있다.
Figure 112014008204294-pat00009
위 수식에서, Cs는 예상 인명피해규모, Ds는 예상 재산피해규모이다. ac와 bc는 피해 예측 계수 계산 장치(345)가 과거 열대 저기압의 관측 데이터와 과거 열대 저기압으로 인한 실제 인명피해규모 데이터를 기초로 하는 다중선형회귀모델에 의해 도출된 미리 정해진 계수이며, ad, bd는 피해 예측 계수 계산 장치(345)가 과거 열대 저기압의 관측 데이터와 과거 열대 저기압으로 인한 실제 재산피해규모 데이터를 기초로 하는 다중선형회귀모델에 의해 도출된 미리 정해진 계수이다. 위 수식에서 εi,c는 인명피해규모를 줄이기 위해 기울인 노력의 정도를 나타내는 인명 피해 경감 노력지수이고, εi,d는 재산피해규모를 줄이기 위해 기울인 노력의 정도를 나타내는 재산 피해 경감 노력지수이다.
예상 피해규모 예측장치(320)는 계산한 예상 인명피해규모 및 재산피해규모를 피해규모 환산 장치(325) 및/또는 출력 장치(330)에 제공할 수 있다.
본 발명의 일 실시예에 따르면, 피해규모 환산 장치(325)는 기준년도를 기준으로 한 예상 인명피해규모(Cs)및 예상 재산피해규모(Ds)를 예상되는 열대 저기압의 발생 시점을 기준으로 하는 수치로 환산한다. 피해규모 환산 장치(325)는 예상 피해규모 예측장치(320)로부터 기준년도를 기준으로 한 예상 인명피해규모(Cs)및 예상 재산피해규모(Ds)를 수신한다. 환산 장치(325)는 아래 수식에 따라 열대 저기압의 발생 시점을 기준으로 하는 예상 인명피해규모(C) 및 예상 재산피해규모(D)를 계산할 수 있다.
Figure 112014008204294-pat00010
위 수식에서, Cs는 기준년도로 환산된 예상 인명피해규모, Ds는 기준년도로 환산된 예상 재산피해규모이다. 본 발명의 일 실시예에 따르면, 피해규모를 예측하고자 하는 열대 저기압 발생 시점의 인구를 기준년도의 인구로 환산하기 위한 비율을 나타내는 Py값의 역수를 기준년도로 환산된 인명피해규모(Cs)에 곱함으로써, 예상되는 열대 저기압 발생 시점을 기준으로 환산된 예상 인명피해규모(C)를 계산할 수 있다. 본 발명의 일 실시예에 따르면, 피해규모를 예측하고자 하는 열대 저기압 발생 시점의 인플레이션을 기준년도로 환산하기 위한 비율 Iy값의 역수 및 피해규모를 예측하고자 하는 열대 저기압 발생 시점의 국부(national wealth)를 기준년도로 환산하기 위한 비율 NWy값의 역수를 기준년도로 환산된 재산피해규모(Ds)에 곱함으로써, 예상되는 열대 저기압 발생 시점을 기준으로 환산된 예상 재산피해규모(D)를 계산할 수 있다. 피해규모 환산 장치(325)는 환산된 피해규모를 출력 장치(330)에 제공할 수 있다.
이후, 출력 장치(330)는 예상 피해규모 예측장치(320) 및/또는 피해규모 환산 장치(325)로부터 수신한 예상 인명피해규모 및 예상 재산피해규모를 출력할 수 있다. 출력 장치(330)는 디스플레이 장치, 프린터, 데이터 저장 매체 기록 장치, 네트워크 장치 등을 포함한다.
도 4는 본 발명의 일 실시예에 따라 피해 예측 계수 계산장치에서 피해 예측 계수를 생성하는 방법을 나타내는 흐름도이다. 먼저, 피해 예측 계수 계산장치는 기상관측소에서 관측한 관측값들 및/또는 과거 열대 저기압에 의한 피해자료들이 저장되어있는 과거 데이터 데이터베이스(DB)로부터 과거 열대 저기압의 풍속 관측값, 강수량 관측값, 인명피해규모, 재산피해규모 데이터를 수신한다(410).
피해 예측 계수 계산장치는 수신된 데이터에 기초하여 피해 예측 계수를 계산한다(420). 피해 예측 계수 계산장치는 최근에 발생했던 둘 이상의 열대 저기압에 대하여, 각각의 열대 저기압의 영향 기간동안 기상관측소에서 관측한 일 최대풍속 관측값, 일 강수량 관측값를 기초로 각각의 열대 저기압의 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)를 계산한다. 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)는 각 기상 관측소에서 관측된 일 최대 풍속값 및 일 강수량 관측값을 선택적으로 누적함으로써 계산될 수 있다. 관측 풍속 지수(PWi) 및 관측 강수량 지수(PRi)의 구체적인 계산은 예측값 누적장치(315)에 의해 예측 풍속 지수(DWi) 및 예측 강수량 지수(DRi )를 계산하는 방법과 동일한 방법이 사용될 수 있다.
한편, 피해 예측 계수 계산장치는 가장 최근 발생했던 둘 이상의 열대 저기압의 인명피해규모(PC) 및 재산피해규모(PD)를 수신한다. 이렇게 산출된 관측 풍속 지수(PWi), 관측 강수량 지수(PRi), 인명피해규모(PC), 및 재산피해규모(PD)를 근거로 하여, 이하 수식에 따라, 인명피해규모에 대한 피해 예측 계수(ac, bc) 및 재산피해규모에 대한 피해 예측 계수(ad, bd)를 계산한다. 일 실시예에서, 피해 예측 계수들(ac, bc, ad, bd)은 복수개의 열대 저기압의 데이터를 이용하여 다중선형회귀모델에 의해 도출될 수 있다.
Figure 112014008204294-pat00011
이와 같이, 피해 예측 계수들은 과거 발생한 열대 저기압의 관측 데이터를 기초로 하여 생성되기 때문에, 이렇게 생성된 피해 예측 계수를 열대 저기압의 예측값들에 적용할 경우, 더욱 정확한 피해 예측이 가능하게 된다. 따라서, 계산된 피해 예측 계수들은 이후 피해 예측 계산을 위하여 예상 피해규모 예측장치로 송신된다(430). 다른 실시예에서는, 피해 예측 계수들이 노력지수 계산장치로 송신될 수 있다.
본 발명의 일 실시예에서는, 피해 예측 계수들(ac, bc, ad, bd)을 계산하기 위해 입력되는 열대 저기압의 인명피해규모(PC) 및 재산피해규모(PD)는, 아래 수식에 따라 기준년도를 기준으로 한 인명피해규모(Cs)및 재산피해규모(Ds)로 환산될 수 있다.
Figure 112014008204294-pat00012
위 수식에서, Cs는 기준년도로 환산된 인명피해규모, Ds는 기준년도로 환산된 재산피해규모이다. 본 발명의 일 실시예에 따르면, 열대 저기압 발생 시점의 인구와 기준년도의 인구의 비를 나타내는 Py값을 수신한 열대 저기압의 인명피해규모(PC)에 곱함으로써, 기준년도 시점으로 환산된 인명피해규모(Cs)를 계산할 수 있다. 또한, 본 발명의 일 실시예에 따르면, 열대 저기압 발생 시점의 인플레이션을 기준년도로 환산하기 위한 비율 Iy값 및 열대 저기압 발생 시점의 국부(national wealth)를 기준년도로 환산하기 위한 비율 NWy값을 수신한 열대 저기압의 재산피해규모(PD)에 곱함으로써, 기준년도 시점으로 환산된 재산피해규모(Ds)를 계산할 수 있다.
이렇게 환산된 인명피해규모(Cs) 및 재산피해규모(Ds)를 상기 피해 예측 계수들(ac, bc, ad, bd)을 계산하기 위한 수식에서 수신한 인명피해규모(PC) 및 재산피해규모(PD) 대신 대입하고, 또 다른 열대 저기압에 대해서도 마찬가지로 기준년도로 환산한 값을 대입함으로써, 그 결과 피해 예측 계수들을 계산하기 위하여 다중선형회귀모델을 적용하는 경우(즉, 복수개의 열대 저기압 데이터를 비교하여 피해 예측 계수들을 계산하는 경우), 기준년도로 환산된 값들을 이용하므로, 더욱 정확한 값을 도출해 낼 수 있게 된다.
도 5는 본 발명의 일 실시예에 따라 피해 예측 계수 계산장치에서 피해 예측 계수를 갱신하는 방법을 나타내는 흐름도이다. 앞서 도 4와 관련하여 설명한 바와 같이, 피해 예측 계수는 과거 발생한 열대 저기압의 관측 데이터를 기초로 하여 생성된다. 그러나, 시간이 지남에 따라 새로운 열대 저기압이 발생하고 그에 따라 새로운 데이터가 발생하게 된다면, 피해 예측 계수는 새롭게 발생한 데이터에 근거하여 수정/변경될 필요가 있다. 이를 위하여, 본 발명에서는 먼저, 과거 데이터 DB에 새로운 데이터가 발생하였는지 모니터링 한다(510). 만약, 새로운 데이터가 발생하지 않았다면, 기존 계산된 피해 예측 계수를 계속적으로 사용한다. 그러나, 만약 새로운 데이터가 발생하였다면(예를 들면, 새로운 열대 저기압이 한반도를 통과한 뒤, 통과한 열대 저기압에 대한 풍속, 강수량, 피해규모 데이터가 수집 완료되었다면), 피해 예측 계수 계산장치는 새로운 데이터를 포함하여 과거 열대 저기압의 풍속 관측값, 강수량 관측값, 인명피해규모, 재산피해규모 데이터를 수신한다(520). 이렇게 수신된 데이터에 기초하여, 도 4에서 설명한 바와 마찬가지로 피해 예측 계수를 계산한다(530). 계산된 피해 예측 계수는 예상 피해규모 예측장치로 송신되고(540), 이후 예상 피해규모 예측장치는 새롭게 수신한 피해 예측 계수를 기초로 하여 피해규모를 예측하게 된다.
도 6은 본 발명의 일 실시예에 따라 인명피해규모 및 재산피해규모를 예측하는 방법을 나타내는 흐름도이다. 먼저, 기상 관측소로부터 적어도 하나의 풍속 예측값 및 강수량 예측값을 수신한다(610). 다음으로, 예측값 누적장치는 수신한 풍속 예측값을 누적하여 예측 풍속 지수(DWi, 누적된 풍속 예측값)를 산출하고, 또한 수신한 강수량 예측값을 누적하여 예측 강수량 지수(DRi, 누적된 강수량 예측값)를 산출한다(620). 일 실시예에서, 예측값 누적장치는 풍속 예측값을 누적하는 경우 풍속이 14 m/s 이상인 값만 누적할 수도 있고, 강수량 예측값을 누적하는 경우 강수량이 80 mm/day 이상인 값만 누적할 수도 있다. 피해규모 예측장치는 예측값 누적장치로부터 누적된 풍속 예측값 및 강수량 예측값을 수신하고, 또한 피해 예측 계수 계산장치로부터 피해 예측 계수(ac, bc, ad, bd)를 수신하여 피해규모를 예측한다(630). 일 실시예에서, 피해 예측 계수는 미리 피해 예측 계수 계산장치로부터 수신하여 예상 피해규모 예측장치에 저장해두고 있을 수도 있다. 한편, 상기 도 4 및 도 5와 관련하여 설명한 바와 같이, 피해 예측 계수들은 열대 저기압의 과거 데이터들을 기초로하여 생성된다.
구체적으로, 예상 피해규모 예측장치는 예상 인명피해규모(C)를 생성하기 위하여, 누적 풍속 예측값(DWi) 및 누적 강수량 예측값(DRi)에 각각 피해 예측 계수(ac, bc)를 곱하여 산출한다. 또한, 예상 재산피해규모(D)를 생성하기 위하여, 누적 풍속 예측값(DWi) 및 누적 강수량 예측값(DRi)에 각각 피해 예측 계수(ad, bd)를 곱하여 산출한다. 생성된 예상 인명피해규모(C) 및 예상 재산피해규모(D)는 열대 저기압 발생시점이 아닌 기준년도로 환산된 예상 인명피해규모(Cs) 및 예상 재산피해규모(Ds)일 수 있다.
Figure 112014008204294-pat00013
이후, 생성된 예상 인명피해규모(C) 및 예상 재산피해규모(D)가 출력되어, 피해규모를 예측할 수 있게 된다(640).
도 7은 본 발명의 일 실시예에 따라 인명피해규모에 대한 노력지수(εi,c) 및 재산피해규모에 대한 노력지수(εi,d)를 계산하는 방법을 나타내는 흐름도이다. 먼저, 인명피해규모를 줄이기 위한 노력지수(εi,c)를 계산하기 위하여, 노력지수 계산장치는 과거 데이터 DB로부터 실제 과거 인명피해규모(PC)를 수신한다(710). 또한, 과거 데이터 DB로부터 과거 열대 저기압의 풍속 관측값, 강수량 관측값을 수신하고(720), 피해 예측 계산장치로부터 피해 예측 계수(ac, bc)를 수신한다(730). 일 실시예에서 피해 예측 계수는 피해 예측 계산장치로부터 노력지수 계산장치로 미리 전송되어 저장되고 있을 수 있다.
노력지수 계산장치는 상기 수신한 실제 과거 인명피해규모(PC), 과거 열대 저기압의 풍속 관측값, 강수량 관측값, 피해 예측 계수(ac, bc)에 근거하여, 인명피해규모에 대한 노력지수(εi,c)를 계산한다. 구체적으로, 이하 수식에 나타난 바와 같이, 먼저, 과거 열대 저기압의 풍속 관측값을 기초로 계산된 관측 풍속 지수(PWi), 강수량 관측값을 기초로 계산된 관측 강수량 지수(PRi) 각각에 피해 예측 계수(ac, bc)를 곱하여, 피해 예측 계수에 의해 도출된 인명피해규모를 계산하고(740), 그 값을 실제 과거 인명피해규모(PC)에서 뺀다(750). 이렇게 도출된 차이값이 바로 인명피해규모에 대한 노력지수(εi,c)에 해당한다.
Figure 112014008204294-pat00014
재산피해규모에 대한 노력지수(εi,d)도 상기와 마찬가지 방법에 따라 이하 공식을 통해 계산될 수 있다.
Figure 112014008204294-pat00015
도 8은 본 발명의 또 다른 일 실시예에 따라 인명피해규모 및 재산피해규모를 예측하는 방법을 나타내는 흐름도이다. 구체적으로, 본 실시예는 도 7과 관련하여 기재된 실시예에서 산출된 인명피해규모에 대한 노력지수(εi,c) 및 재산피해규모에 대한 노력지수(εi,d)를 사용하여, 더욱 정확한 인명피해규모 및 재산피해규모를 산출하는 방법이다. 먼저, 기상 관측소로부터 적어도 하나의 풍속 예측값 및 강수량 예측값을 수신한다(810). 다음으로, 예측값 누적장치는 수신한 풍속 예측값을 누적하여 예측 풍속 지수(DWi)를 산출하고, 또한 수신한 강수량 예측값을 누적하여 예측 강수량 지수(DRi)를 산출한다(820). 일 실시예에서, 예측값 누적장치는 풍속 예측값을 누적하는 경우 풍속이 14 m/s 이상인 값만 누적할 수도 있고, 강수량 예측값을 누적하는 경우 강수량이 80 mm/day 이상인 값만 누적할 수도 있다.
다음으로, 피해규모 예측장치는 노력지수 계산장치로부터 인명피해규모에 대한 노력지수 및 재산피해규모에 대한 노력지수를 수신한다(830). 또한, 피해규모 예측장치는 예측값 누적장치로부터 예측 풍속 지수 및 예측 강수량 지수를 수신하고, 또한 피해 예측 계수 계산장치로부터 피해 예측 계수(ac, bc, ad, bd)를 수신하여, 피해규모를 예측한다(630). 일 실시예에서, 피해 예측 계수는 미리 피해 예측 계수 계산장치로부터 수신하여 예상 피해규모 예측장치에 저장해두고 있을 수도 있다. 한편, 상기 도 4 및 도 5와 관련하여 설명한 바와 같이, 피해 예측 계수들은 열대 저기압의 과거 데이터들을 기초로하여 생성된다.
구체적으로, 예상 피해규모 예측장치는 예상 인명피해규모(C)를 생성하기 위하여, 예측 풍속 지수(DWi) 및 예측 강수량 지수(DRi)에 각각 피해 예측 계수(ac, bc)를 곱한뒤 인명피해규모에 대한 노력지수(εi,c)를 더하여 산출한다. 또한, 예상 재산피해규모(D)를 생성하기 위하여, 예측 풍속 지수(DWi) 및 예측 강수량 지수(DRi)에 각각 피해 예측 계수(ad, bd)를 곱한뒤 재산피해규모에 대한 노력지수(εi,d)를 더하여 산출한다.
Figure 112014008204294-pat00016
이렇게, 예상 인명피해규모 및 예상 재산피해규모 산출하는 과정에서, 인명피해규모에 대한 노력지수(εi,c) 및 재산피해규모에 대한 노력지수(εi,d)를 함께 고려하기 때문에, 더욱 정확한 피해규모 예측이 가능해진다. 상기 산출된 예상 인명피해규모(C) 및 예상 재산피해규모(D)는 필요한 장치로 출력된다(850).

Claims (17)

  1. 열대 저기압에 의한 예상 피해규모 예측 방법으로서,
    적어도 하나의 기상 관측소의 기상 예측값을 입력받는 단계;
    상기 열대 저기압의 예측된 영향 기간 동안의 상기 적어도 하나의 기상 관측소의 상기 입력받은 기상 예측값을 누적하는 단계; 및
    상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 단계를 포함하고,
    상기 누적하는 단계는 상기 입력받은 기상 예측값이 미리 정해진 값을 초과하는 경우에만 누적하고,
    상기 기상 예측값은 풍속 예측값과 강수량 예측값을 포함하며,
    상기 누적하는 단계는 [수식 1]을 사용하여 상기 풍속 예측값 및 상기 강수량 예측값을 누적하는 것을 포함하는, 열대 저기압에 의한 예상 피해규모 예측 방법.
    [수식 1]
    Figure 112015063280931-pat00017

    (상기 DWi는 예측 풍속 지수, 상기 DRi는 예측 강수량 지수, 상기 tn은 열대 저기압의 예측된 영향기간, 상기 s는 기상 관측소, 상기 Vs는 각 기상 관측소에서 14m/s 이상인 풍속 예측값, 상기 Rs는 각 기상 관측소에서 80mm/day 이상인 강수량 예측값, 상기 α와 상기 β는 다중선형회귀모델에서 R-square 값이 최대가 되도록 하는 값을 나타냄)
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 단계에서, 상기 예상 피해규모는 상기 예측 풍속 지수 및 상기 예측 강수량 지수에 각각 미리 정해진 계수를 곱해서 결정되는, 열대 저기압에 의한 예상 피해규모 예측 방법.
  5. 제4항에 있어서, 상기 예상 피해규모는 예상 인명피해규모 및 예상 재산피해규모를 포함하고, 상기 예상 인명피해규모 및 상기 예상 재산피해규모는 각각 [수식 2]를 사용하여 예측되는, 열대 저기압에 의한 예상 피해규모 예측 방법.
    [수식 2]
    Figure 112014008204294-pat00018

    (상기 C는 예상 인명피해규모, 상기 D는 예상 재산피해규모, 상기 ac, bc, ad, bd는 다중선형회귀모델에 의해 도출된 미리 정해진 계수, 상기 εi,c는 인명피해규모를 줄이기 위한 노력지수, 상기 εi,d는 재산피해규모를 줄이기 위한 노력지수를 나타냄)
  6. 제5항에 있어서, 상기 미리 정해진 계수는 적어도 하나의 과거 열대 저기압의 관측값, 과거 인명피해규모 및 과거 재산피해규모를 기초로 하여 생성되는, 열대 저기압에 의한 예상 피해규모 예측 방법.
  7. 제5항에 있어서, 상기 εi,c는 과거 열대 저기압에 대해 예상한 인명피해규모와 실제 인명피해규모의 차이를 나타내고, 상기 εi,d은 상기 과거 열대 저기압에 대해 예상한 재산피해규모와 실제 재산피해규모의 차이를 나타내는, 열대 저기압에 의한 예상 피해규모 예측 방법.
  8. 제6항에 있어서, 상기 과거 열대 저기압의 관측값은 상기 과거 열대 저기압의 영향으로 인한 일 최대 풍속 관측값, 일 최대 강수량 관측값을 포함하는, 열대 저기압에 의한 예상 피해규모 예측 방법.
  9. 제6항에 있어서, 상기 미리 정해진 계수를 생성하는 경우, 상기 과거 인명피해규모 및 상기 과거 재산피해규모는 [수식 3]에 따라 기준년도로 환산된 인명피해규모 및 재산피해규모를 기초로 하는, 열대 저기압에 의한 예상 피해규모 예측 방법.
    [수식 3]
    Figure 112014008204294-pat00019

    (상기 Cs는 기준년도로 환산된 인명피해규모, 상기 Ds는 기준년도로 환산된 재산피해규모, 상기 Py는 상기 인명피해규모가 발생한 연도의 인구를 기준년도로 환산하기 위한 비율, 상기 Iy는 상기 재산피해규모가 발생한 연도의 인플레이션을 기준년도로 환산하기 위한 비율, 상기 NWy는 상기 재산피해규모가 발생한 연도의 국부를 기준년도로 환산하기 위한 비율)
  10. 열대 저기압에 의한 예상 피해규모 예측 시스템으로서,
    적어도 하나의 기상 관측소의 기상 예측값을 입력받는 장치;
    상기 열대 저기압의 예측된 영향 기간 동안의 상기 적어도 하나의 기상 관측소의 상기 입력받은 기상 예측값을 누적하는 장치; 및
    상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 장치를 포함하고,
    상기 누적하는 장치는 상기 입력받은 기상 예측값이 미리 정해진 값을 초과하는 경우에만 누적하고,
    상기 기상 예측값은 풍속 예측값과 강수량 예측값을 포함하며,
    상기 누적하는 장치는 [수식 1]을 사용하여 상기 풍속 예측값 및 상기 강수량 예측값을 누적하는 것을 포함하는, 열대 저기압에 의한 예상 피해규모 예측 시스템.
    [수식 1]
    Figure 112015063280931-pat00020

    (상기 DWi는 예측 풍속 지수, 상기 DRi는 예측 강수량 지수, 상기 tn은 열대 저기압의 예측된 영향기간, 상기 s는 기상 관측소, 상기 Vs는 각 기상 관측소에서 14m/s 이상인 풍속 예측값, 상기 Rs는 각 기상 관측소에서 80mm/day 이상인 강수량 예측값, 상기 α와 상기 β는 다중선형회귀모델에서 R-square 값이 최대가 되도록 하는 값을 나타냄)
  11. 삭제
  12. 삭제
  13. 제10항에 있어서, 상기 예상 피해규모는 예상 인명피해규모 및 예상 재산피해규모를 포함하고, 상기 예상 인명피해규모 및 상기 예상 재산피해규모는 각각 [수식 2]를 사용하여 예측되는, 열대 저기압에 의한 예상 피해규모 예측 시스템.
    [수식 2]
    Figure 112015063280931-pat00021

    (상기 C는 예상 인명피해규모, 상기 D는 예상 재산피해규모, 상기 ac, bc, ad, bd는 다중선형회귀모델에 의해 도출된 미리 정해진 계수, 상기 εi,c는 인명피해규모를 줄이기 위한 노력지수, 상기 εi,d는 재산피해규모를 줄이기 위한 노력지수를 나타냄)
  14. 제13항에 있어서, 상기 미리 정해진 계수는 적어도 하나의 과거 열대 저기압의 관측값, 과거 인명피해규모 및 과거 재산피해규모를 기초로 하여 생성되는, 열대 저기압에 의한 예상 피해규모 예측 시스템.
  15. 제13항에 있어서, 상기 εi,c는 과거 열대 저기압에 대해 예상한 인명피해규모와 실제 인명피해규모의 차이를 나타내고, 상기 εi,d은 상기 과거 열대 저기압에 대해 예상한 재산피해규모와 실제 재산피해규모의 차이를 나타내는, 열대 저기압에 의한 예상 피해규모 예측 시스템.
  16. 제14항에 있어서, 상기 과거 인명피해규모 및 상기 과거 재산피해규모를 [수식 3]에 따라 기준년도로 환산된 인명피해규모 및 재산피해규모로 변환하는 장치를 더 포함하는, 열대 저기압에 의한 예상 피해규모 예측 시스템.
    [수식 3]
    Figure 112014008204294-pat00022

    (상기 Cs는 기준년도로 환산된 인명피해규모, 상기 Ds는 기준년도로 환산된 재산피해규모, 상기 Py는 상기 인명피해규모가 발생한 연도의 인구를 기준년도로 환산하기 위한 비율, 상기 Iy는 상기 재산피해규모가 발생한 연도의 인플레이션을 기준년도로 환산하기 위한 비율, 상기 NWy는 상기 재산피해규모가 발생한 연도의 국부를 기준년도로 환산하기 위한 비율)
  17. 열대 저기압에 의한 예상 피해규모를 예측하기 위하여,
    적어도 하나의 기상 관측소의 기상 예측값을 입력받는 프로세스;
    상기 열대 저기압의 예측된 영향 기간 동안의 상기 적어도 하나의 기상 관측소의 상기 입력받은 기상 예측값을 누적하는 프로세스; 및
    상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 프로세스
    를 포함하고,
    상기 누적하는 프로세스는 상기 입력받은 기상 예측값이 미리 정해진 값을 초과하는 경우에만 누적하고,
    상기 기상 예측값은 풍속 예측값과 강수량 예측값을 포함하며,
    상기 누적하는 프로세스는 [수식 1]을 사용하여 상기 풍속 예측값 및 상기 강수량 예측값을 누적하고,
    [수식 1]
    Figure 112014008204294-pat00023

    (상기 DWi는 예측 풍속 지수, 상기 DRi는 예측 강수량 지수, 상기 tn은 열대 저기압의 예측된 영향기간, 상기 s는 기상 관측소, 상기 Vs는 각 기상 관측소에서 14m/s 이상인 풍속 예측값, 상기 Rs는 각 기상 관측소에서 80mm/day 이상인 강수량 예측값, 상기 α와 상기 β는 다중선형회귀모델에서 R-square 값이 최대가 되도록 하는 값을 나타냄)
    상기 누적된 기상 예측값을 기초로 하여 상기 열대 저기압에 의한 예상 피해규모를 예측하는 프로세스에서, 상기 예상 피해규모는 예상 인명피해규모 및 예상 재산피해규모를 포함하고, 상기 예상 인명피해규모 및 상기 예상 재산피해규모는 각각 [수식 2]를 사용하여 예측되는, 프로세스를 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
    [수식 2]
    Figure 112014008204294-pat00024

    (상기 C는 예상 인명피해규모, 상기 D는 예상 재산피해규모, 상기 ac, bc, ad, bd는 다중선형회귀모델에 의해 도출된 미리 정해진 계수, 상기 εi,c는 인명피해규모를 줄이기 위한 노력지수, 상기 εi,d는 재산피해규모를 줄이기 위한 노력지수를 나타냄)
KR1020140009493A 2014-01-27 2014-01-27 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램 KR101556463B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140009493A KR101556463B1 (ko) 2014-01-27 2014-01-27 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140009493A KR101556463B1 (ko) 2014-01-27 2014-01-27 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램

Publications (2)

Publication Number Publication Date
KR20150089186A KR20150089186A (ko) 2015-08-05
KR101556463B1 true KR101556463B1 (ko) 2015-10-01

Family

ID=53885684

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140009493A KR101556463B1 (ko) 2014-01-27 2014-01-27 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램

Country Status (1)

Country Link
KR (1) KR101556463B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230055767A (ko) * 2021-10-19 2023-04-26 공주대학교 산학협력단 역학모형 및 통계적 기법을 활용한 태풍의 동아시아 상륙빈도 예측 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106707367B (zh) * 2015-11-13 2019-12-13 国家海洋局秦皇岛海洋环境监测中心站 滨海旅游度假区水文气象监测方法及系统
CN106570215B (zh) * 2016-10-13 2019-08-06 北京航空航天大学 一种基于时变气象数据的热带气旋动态仿真方法
KR102344522B1 (ko) * 2019-11-27 2021-12-28 주식회사 포디솔루션 재해 리스크 모델을 이용한 운영 피해 추정 방법 및 이를 수행하는 운영 피해 추정 장치
CN114910980B (zh) * 2022-06-08 2023-07-18 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风圈预报方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
R.J.Murnane 외 1인, 'Maximum wind speeds and US hurricane losses', Geophysical Research Letters Vol.39, 2012
Roger A. Pielke Jr 외 5인, 'Normalized Hurricane Damage in the United States: 1900-2005', Natural Hazards Review Vol.9 No.1, 2008.02.01, pp.29-42
남채현 외 6인, ‘한반도 영향 태풍의 피해규모 재분석’, 2012년도 한국기상학회 가을 학술대회 논문집, 2012, pp.440-441*

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230055767A (ko) * 2021-10-19 2023-04-26 공주대학교 산학협력단 역학모형 및 통계적 기법을 활용한 태풍의 동아시아 상륙빈도 예측 방법
KR102639424B1 (ko) 2021-10-19 2024-02-21 공주대학교 산학협력단 역학모형 및 통계적 기법을 활용한 태풍의 동아시아 상륙빈도 예측 방법

Also Published As

Publication number Publication date
KR20150089186A (ko) 2015-08-05

Similar Documents

Publication Publication Date Title
Bass et al. Surrogate modeling of joint flood risk across coastal watersheds
Khadr Forecasting of meteorological drought using Hidden Markov Model (case study: The upper Blue Nile river basin, Ethiopia)
Coccia et al. Recent developments in predictive uncertainty assessment based on the model conditional processor approach
JP5242414B2 (ja) 自然災害予報に対する統計的決定手法
Forestieri et al. The impact of climate change on extreme precipitation in Sicily, Italy
KR101556463B1 (ko) 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램
KR102073768B1 (ko) 포털 기반 가뭄정보 제공 시스템
Diodato et al. How the aggressiveness of rainfalls in the Mediterranean lands is enhanced by climate change
Versini et al. Climate change impact on water resources availability: case study of the Llobregat River basin (Spain)
Almasi et al. Assessment of the climate change impacts on flood frequency (case study: Bazoft Basin, Iran)
Condon et al. Optimal storm generation for evaluation of the storm surge inundation threat
Tonn et al. Hurricane Isaac: a longitudinal analysis of storm characteristics and power outage risk
Habitou et al. CHIRPS precipitation open data for drought monitoring: application to the Tensift basin, Morocco
Ashok et al. A systematic quantitative review on the performance of some of the recent short-term rainfall forecasting techniques
CN115238947A (zh) 气候变化下旱涝急转事件的社会经济暴露度预估方法
Madrigal et al. Skill assessment of a seasonal forecast model to predict drought events for water resource systems
Park et al. Development of earth observational diagnostic drought prediction model for regional error calibration: A case study on agricultural drought in Kyrgyzstan
Bajamgnigni Gbambie et al. Added value of alternative information in interpolated precipitation datasets for hydrology
Ravindranath et al. Season-ahead forecasting of water storage and irrigation requirements–an application to the southwest monsoon in India
Akpovi et al. Hydrological appraisal using multi-source rainfall data in PDM model over the Qinhuai River basin in China
Santos et al. Application of Markov chains to Standardized Precipitation Index (SPI) in São Francisco River Basin
Mishra et al. Simulating hydrological drought properties at different spatial units in the United States based on wavelet–Bayesian regression approach
Lin et al. Hurricane freshwater flood risk assessment model for residential buildings in southeast US coastal states considering climate change
Šaur Forecasting of convective precipitation through NWP models and algorithm of storms prediction
Rahmouni et al. Hydrological drought forecasts using Markov chains and regression models (Case Study: North-west of Algeria)

Legal Events

Date Code Title Description
A201 Request for 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: 20180820

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190902

Year of fee payment: 5