KR101591012B1 - 뇌우 돌풍 예측 장치 및 방법 - Google Patents

뇌우 돌풍 예측 장치 및 방법 Download PDF

Info

Publication number
KR101591012B1
KR101591012B1 KR1020150006966A KR20150006966A KR101591012B1 KR 101591012 B1 KR101591012 B1 KR 101591012B1 KR 1020150006966 A KR1020150006966 A KR 1020150006966A KR 20150006966 A KR20150006966 A KR 20150006966A KR 101591012 B1 KR101591012 B1 KR 101591012B1
Authority
KR
South Korea
Prior art keywords
moving average
thunderstorm
time
wind
wind speed
Prior art date
Application number
KR1020150006966A
Other languages
English (en)
Inventor
이승수
김준영
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020150006966A priority Critical patent/KR101591012B1/ko
Application granted granted Critical
Publication of KR101591012B1 publication Critical patent/KR101591012B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 뇌우 돌풍의 전조 현상을 분석하여 뇌우 또는 돌풍의 발생을 예측할 수 있도록 하는 뇌우 돌풍 예측 장치 및 방법에 관한 것으로,
상기 뇌우 돌풍 예측 장치는, 뇌우 돌풍 발생 시점의 기상 정보를 수집하여 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 간격으로 일정 시간 동안의 풍속변화의 이동평균 시계열을 생성한 후, 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 뇌우돌풍확률분포DB부; 예측시점 이전의 일정 기간 동안의 이동평균 시간 간격별 풍속에 대한 이동평균 시계열을 생성하는 이동평균시계열생성부; 각 이동평균의 이동 평균 시간 간격별 풍속의 상승 시점을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 이동평균상승시점을 도출하는 이동평균상승시점도출부; 및 상기 뇌우돌풍확률분포DB부로부터 상기 이동평균상승시점도출부의 이동평균 시간 간격에 대응하는 이동평균 상승 시점 후 돌풍 발생 확률분포를 추출한 후, 상기 이동평균상승시점 이후의 경과 시간 별 뇌우 돌풍 발생 확률을 추출하는 뇌우돌풍예측부;를 포함하여 구성되어,
국지적인 뇌우 돌풍 발생을 예측하여 예보하는 것에 의해 뇌우 돌풍에 의한 피해를 최소화시키는 효과를 제공한다.

Description

뇌우 돌풍 예측 장치 및 방법{THUNDERSTORM WIND GUST PREDICTION APPARATUS AND THE METHOD THEREOF}
본 발명은 뇌우 돌풍 예측에 관한 것으로, 더욱 상세하게는, 뇌우 돌풍의 전조 현상을 분석하여 뇌우 돌풍의 발생을 예측할 수 있도록 하는 뇌우 돌풍 예측 장치 및 방법에 관한 것이다.
폭우, 폭설, 태풍, 날씨 등의 기상 자연 상황은 규모가 커지는 경우, 인류에게 불가항력적인 피해를 입히는 자연재해가 된다. 그러나 이러한 자연재해는 미리 알고 대배하는 경우, 그 피해를 최소화할 수 있다. 따라서 자연재해에 의한 피해를 최소화시키고자 미리 대비할 수 있도록 기상 예측 기술이 발전하고 있다.
이러한 기상 예측 기술들의 예를 들면, 대한민국 공개특허 제 10-2007-0038068호(선행문헌 1)는 기상 예보 데이터를 비정형 격자에 맞는 행정동 단위로 수집한 후, 분석하여 방사 벡터의 가중치를 적용한 기온, 하늘 상태, 상대습도, 풍향, 풍속, 강수형태, 강수확률, 하늘 상태, 파고, 12시간 단위 강수량, 12시간 단위 적설, 최저기온, 최고기온 등의 12개 예보 데이터를 획득하여, 기상 데이터를 바탕으로 행정동을 기준으로 한 방사형 가중치를 적용하여 국지 기상장 데이터를 생성하고, 5km ㅧ 5km 단위의 국지 기상장 데이터를 지도 정보에 통합하여 기상 지리정보 시스템으로 디스플레이시키는 것에 의해, 기상 데이터와 지리정보시스템과의 연결 오차를 줄이고, 지역적 특성을 살린 기상 예보데이터를 산출할 수 있는 '비정형 격자를 통한 기상 예보 방법 및 시스템'을 개시한다.
또한, 대한민국 공개특허 제 10-2013-0049521호(선행문헌 2)는 x-band 레이더를 통해 레이더 영상을 수집하여 지정된 윈도우에 출력하여 제 1 기상 영상을 화면을 생성하고, 강수 에코 추적 반경을 설정한 후, 바로 직전의 관측주기에 생성된 제 2 기상 영상 화면에서 강수 에코가 나타난 윈도우를 중심으로 추적반경 내에 포함되는 제 1 기상 영상 화면들을 분석 대상 윈도우로 선정하며, 분석 대상 윈도우에서 강수 에코가 나타난 윈도우를 강수 에코의 이동 경로 윈도우로 선정한 후, 상기 제 2 기상 영상 화면의 강수에코가 나타난 윈도우의 중심점을 시작 좌표로 하고, 이동 경로 윈도우이 중심점을 끝 좌표로 설정하여 이동벡터를 산출하며, 이동벡터에 근거하여 다음 관측주기의 강수에코 이동경로를 예측하는 것에 의해, 종래기술에서 레이더 빔 각도를 조절하여 레이더 반사도에 따른 레이더 영상을 수집하기 때문에, 레이더 영상을 생성하기 위해서 충분한 시간이 필요한 문제점을 해결하는 '강수에코 이동 경로 예측 방법 및 장치'를 개시한다.
또한, 대한민국 등록특허 제 10-1035398호(선행문헌 3)는 태양과 등의 신재생에너지 발전단지가 위치한 특정 지점의 실시간 기상예측을 토대로 향후 24 시간까지의 발전량을 실시간으로 예측하여, 계획발전을 하도록 하고, 기상 여건에 따라 실시간으로 계획발전이 가능하도록 하기 위하여, 발전단지 내의 기상정보를 수집하여 데이터베이스화 하고, 일정 시간별 기상 예측 모델을 이용하여 발전단지 내의 실시간 기상을 예측하여 발전량을 예측하는 '특정지점 기상예측 기반 신재생 에너지 발전량 실시간 예측 방법 및 그 시스템'을 개시한다.
또한, 대한민국 등록특허 제 10- 1153706호(선행문헌 4)는 연안 해일 피해를 방지하기 위해, 비태풍 시 해상풍과 해면기압을 예측하는 정밀격자 비태풍 해상풍 모델, 태풍 내습 시 상기 태풍의 중심위치와 중심기압을 포함하는 태풍정보와 최대풍 반경을 이용하여 상기 태풍의 이동에 따른 해상풍과 해면기압을 예측하는 정밀격자 태풍 해상풍 모델과, 정밀격자 비태풍 해상풍 모델과 상기 정밀격자 태풍 해상풍 모델에 의해 예상된 해상풍과 해면기압을 태풍의 내습 유무에 따라 선택적 입력값으로 하여 연속 방정식과 수심 평균된 모멘텀 방정식으로 해일고를 예측하는 정밀격자 해일모델을 이용하여, 해일의 정확한 도달시간과 높이를 빠른 시간 내에 예측할 수 있도록 하는 '연안 정밀 폭풍해일 예측 시스템과 연안정밀 폭풍 해일 예측 방법'을 개시한다.
상술한 바와 같이, 종래기술들은 비정형 격자를 통한 기상 예측, 강수에코 이동 경로 예측, 특정지점 기상예측 기반 신재생 에너지 발전량 실시간 예측 또는 연안정밀 폭풍 해일 예측을 위한 기술들을 개시한다.
그러나 상술한 종래기술들은 뇌우에 의한 강풍 또는 돌풍에 대한 예측을 제공하지 못하고 있다.
최근 강풍에 의한 피해가 증가 추세에 있으며, 종관규모의 기상 현상뿐만 아니라 국지적으로 발생하는 현상에 의해, 시설은 물론 낙과와 같은 피해도 보고되고 있다. 이와 같은 피해는 풍속의 세기는 물론 발생의 불확실성에 의해 나타나고 있다. 이와 같이 피해를 야기하는 바람을 일반적으로 강풍 (strong wind) 또는 돌풍 (gust)이라고 표현한다.
기상학적 현상을 공간 규모로 분류하는 경우, 수천 km 규모의 종관 기상 규모 (synoptic scale), 1 km 이내 규모의 미기상 규모 (micro scale) 및 중간 규모의 메조 기상 규모 (meso scale)로 분류할 수 있다. 특히 중간 규모의 기상현상은 보다 세분화하여 2-20km 규모의
Figure 112015003976476-pat00001
, 20-200km 규모의
Figure 112015003976476-pat00002
및 200-2000km 규모의
Figure 112015003976476-pat00003
로 분류되는데, 국내 기상청의 경우 뇌우 기상의 공간적 범위를 2km- 20km를 갖는
Figure 112015003976476-pat00004
로 정의한다.
상술한 돌풍의 원인으로는 종관 기상인 난류 성분에 의해 발생하거나, 지형적인 영향 또는 뇌우에 의해 야기될 수 있다. 이 중, 종관기상을 원인으로 하는 돌풍은 사전 예보를 통해 일정 수준 이상 예보하고 있다. 그러나 또 다른 돌풍 발생의 원인인 뇌우의 발생 시기는 물론 공간적 범위도 사전에 예측하기 매우 어려워 이에 동반되는 돌풍도 사전 예측이 거의 불가능한 실정이다.
즉, 국지적으로 단기간 내에 발생과 소멸의 단계를 거치는 뇌우는 기존 기상 관측 지점에서의 명확한 관측이 어렵고 피해에 대한 대비도 극히 어려운 실정이다.
자연재해와 같은 불확실성이 큰 현상에 의한 위험도 (Risk)의 평가에는 현상의 강도 (Intensity)와 빈도 (Frequency)가 갖는 불확실성 (Uncertainty)의 정량적 평가를 위해 통계적 극치 분석이 주로 이용되는데, 이는 임의의 강도의 현상이 임의의 시간을 주기로 발생함에 따른 영향을 평가하기 때문으로, 빈도를 결정할 때는 묵시적으로 주기성 (Periodicity)을 가정하고 있다. 그러나 불확실성이란 어떠한 사건이 일어날지에 대한 예측이 어려운 정도를 의미하며, 불확실성이 클수록 이 현상에 대비하는 등의 사전 조치가 어렵게 된다. 뇌우 돌풍의 경우 그 강도와 빈도가 종관기상에 의한 돌풍과 비교하여 발생의 임의성이 보다 중요한 요소로서 바람에 의한 피해 규모 및 범위를 결정하는 중요한 요인으로 지적되고 있다. 따라서 뇌우 동반 돌풍의 전조 현상 분석이나 발생에 대한 사전 예측 기술은 매우 중요하다고 할 수 있으나, 국내에서는 상술한 특성을 가진 뇌우에 대해 주로 발생 환경이나 발생 빈도에 대한 연구가 수행되었을 뿐, 현재까지 효율적인 뇌우 동반 돌풍에 대한 전조 현상 분석이나 발생에 대한 사전 예측 기술이 제공되지 않고 있는 문제점이 있다.
선행문헌 1: 대한민국 공개특허 제 10-2007-0038068호 선행문헌 2: 대한민국 공개특허 제 10-2013-0049521호 선행문헌 3: 대한민국 등록특허 제 10-1035398호 선행문헌 4: 대한민국 등록특허 제 10- 1153706호
따라서 본 발명은 상술한 종래기술의 문제점을 해결하기 위한 것으로, 뇌전이 발생한 날에 관측된 돌풍을 뇌우 돌풍으로 분류하고, 분류된 뇌우 돌풍 발생일의 특정 시간 간격 평균 풍속의 시계열을 통해 뇌우 돌풍 발생에 관한 시계열 특성을 파악하며, 뇌우 돌풍 시계열의 이동평균을 활용하여 전조 현상에 대해 분석함으로써 전조 현상의 특성을 이용하여 뇌우 돌풍에 대한 사전 예측을 수행할 수 있도록 하는 뇌우 돌풍 예측 장치 및 방법을 제공하는 것을 목적으로 한다.
상술한 목적을 달성하기 위한 본 발명의 뇌우 돌풍 예측 장치는, 뇌우 돌풍 발생 시점의 기상 정보를 수집하여 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 간격으로 일정 시간 동안의 풍속변화의 이동평균 시계열을 생성한 후, 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 뇌우돌풍확률분포DB부; 예측시점 이전의 일정 기간 동안의 이동평균 시간 간격별 풍속에 대한 이동평균 시계열을 생성하는 이동평균시계열생성부; 각 이동평균의 이동 평균 시간 간격별 풍속의 상승 시점을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 이동평균상승시점을 도출하는 이동평균상승시점도출부; 및 상기 뇌우돌풍확률분포DB부로부터 상기 이동평균상승시점도출부의 이동평균 시간 간격에 대응하는 이동평균 상승 시점 후 돌풍 발생 확률분포를 추출한 후, 상기 이동평균상승시점 이후의 경과 시간 별 뇌우 돌풍 발생 확률을 추출하는 뇌우돌풍예측부;를 포함하여 구성되는 것을 특징으로 한다.
상기 뇌우돌풍확률분포는, 일정 기간의 기상청 돌풍 관측 데이터를 수집한 후, 통계적 분석을 수행하여 획득된 이동 평균 산출 시간 간격별 이동 평균값에 대한 이동평균 상승 시점 이후로부터 경과된 시간에 따른 돌풍 발생 확률 분포인 것을 특징으로 한다.
상기 이동평균시계열생성부는, 상기 예측 시점 이전의 풍속 변화 수집 데이터에 대하여, S는 평균의 단위 시간, xi는 시계열, 시계열 x1, x2, x3,...,xn 에 대해 최초의 s개 항의 평균인
Figure 112015003976476-pat00005
로 표시되는 이동평균 시계열을 생성하는 것을 특징으로 한다.
상기 이동평균 모형화 함수는, 특정 평균 시간 S에서의 이동평균 시계열을 V(t;S)라 하고, a, b, c, d, e는 각각 원 데이터 이동평균에 대하여 최소자승법으로 얻은 계수라 할 때,
Figure 112015003976476-pat00006
인 것을 특징으로 한다.
상술한 목적을 달성하기 위한 본 발명의 뇌우 돌풍 예측 방법은, 예측시점 이전의 일정 기간 동안의 이동평균 시간 간격별 풍속에 대한 이동평균 시계열을 생성하는 풍속이동평균시계열생성과정; 각 이동평균의 이동 평균 시간 간격별 풍속의 상승 시점을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 이동평균상승시점을 도출하는 이동평균상승시점도출과정; 및 상기 뇌우돌풍확률분포DB부로부터 상기 이동평균상승시점도출부의 이동평균 시간 간격에 대응하는 이동평균 상승 시점 후 돌풍 발생 확률분포를 추출한 후, 상기 이동평균상승시점 이후의 경과 시간 별 뇌우 돌풍 발생 확률을 추출하는 뇌우돌풍예측과정;을 포함하여 이루어지는 것을 특징으로 한다.
상기 이동평균시계열생성과정은, 상기 예측 시점 이전의 풍속 변화 수집 데이터에 대하여, S는 평균의 단위 시간, xi는 시계열, 시계열 x1, x2, x3,...,xn 에 대해 최초의 s개 항의 평균인
Figure 112015003976476-pat00007
을 적용하여 생성된 풍속변화에 대한 이동평균 시계열을 생성하는 과정인 것을 특징으로 한다.
상기 이동평균 모형화 함수는, 특정 평균 시간 S에서의 이동평균 시계열을 V(t;S)라 하고, a, b, c, d, e는 각각 원 데이터 이동평균에 대하여 최소자승법으로 얻은 계수라 할 때,
Figure 112015003976476-pat00008
인 것을 특징으로 한다.
상기 뇌우 돌풍예측 방법은, 뇌우 돌풍 발생 시점의 기상 정보를 수집하여 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 간격으로 일정 시간 동안의 풍속변화의 이동평균 시계열을 생성한 후, 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 뇌우돌풍확률분포DB생성과정;을 더 포함하여 이루어지는 것을 특징으로 한다.
상술한 구성의 본 발명은, 뇌우 돌풍 발생 이전의 풍속 변화에 대한 이동평균 시계열 정보를 통계 분석하여 뇌우돌풍확률분포DB를 저장한 후, 예측 시점의 일정 시간 동안의 풍속변화 이동평균 시계열을 산출한 후 이동평균 모형화 함수를 이용하여 풍속 상승 시점을 도출한 후, 뇌우돌풍확률분포를 이용하여 풍속 상승 시점 이 후의 시간 경과에 따른 뇌우 돌풍 확률을 예측할 수 있도록 하는 효과를 제공한다.
또한, 본 발명은 뇌우 돌풍 발생 확률을 예측하는 것에 의해 뇌우 돌풍에 대한 사전 기상 예보를 제공할 수 있어, 뇌우 돌풍에 의한 재해에 대한 대책을 수립하는 것에 의해 피해를 최소화시키는 효과를 제공한다.
도 1은 본 발명의 실시예에 따르는 뇌우 돌풍 예측 장치의 블록 구성도.
도 2는 본 발명의 뇌우 돌풍 예측 방법의 처리과정을 나타내는 순서도.
도 3은 뇌우 돌풍 발생일의 1분 평균 풍속 시계열 그래프 예시도.
도 4는 비뇌우 돌풍 발생일의 1분 평균 풍속 시계열 그래프 예시도.
도 5는 뇌우 돌풍과 비뇌우 돌풍 발생 일의 평균 풍속 및 최대 풍속 관측 표 예시도.
도 6은 뇌우 돌풍과 비뇌우 돌풍 발생 시점 이전 1시간 ?? 12 시간 풍속 평균을 나타내는 표 예시도.
도 7은 2007년 6월 8일 영월 발생 뇌우 돌풍의 1분 평균 풍속 시계열 그래프 예시도.
도 8은 도 7의 평균 풍속 시계열에 대한 시간 간격 S에 따른 뇌우 돌풍의 이동평균 그래프 예시도.
도 9는 2002~2009년 관측된 지역별 20m/s 이상 1분 평균 풍속 발생 빈도를 나타내는 표 예시도.
도 10은 뇌우 돌풍의 이동평균 모형화 함수와 이동평균 시계열의 비교 그래프 (3, 6, 9, 12시간 이동평균) 예시도.
도 11은 이동평균 상승시점의 확률분포 로그우도 비교표 (1시간 이동평균) 예시도.
도 12는 이동 평균 시간 변화에 따른 풍속증가 시점 이 후 경과 시간에서의 뇌우 돌풍 발생 확률 분포를 나타내는 그래프 예시도.
이하, 본 발명의 실시예를 나타내는 첨부 도면을 참조하여 본 발명을 더욱 상세히 설명한다.
하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 발명의 개념에 따른 실시 예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로 특정 실시 예들을 도면에 예시하고 본 명세서 또는 출원서에 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예를 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 본 발명의 실시예에 따르는 뇌우 돌풍 예측 장치(1)의 블록 구성도이다.
도 1과 같이, 본 발명의 뇌우 돌풍 예측 장치(1)는 제어부(10), 입력부(20). 출력부(30), 표시부(40), 통신부(50), 이동평균시계열생성부(60), 이동평균상승시점도출부(70), 뇌우돌풍예측부(80) 및 뇌우돌풍확률분포DB부(90)를 포함하는 컴퓨터 장치로 구성될 수 있다.
상술한 구성에서 상기 제어부(10)는 상기 뇌우 돌풍 예측 장치(1)의 전체 구동을 제어하고, 상기 이동평균시계열생성부(60), 이동평균상승시점도출부(70), 뇌우돌풍예측부(80) 및 뇌우돌풍확률분포DB부(90)들과 연동하여 뇌우 돌풍 예측 처리과정을 수행할 수 있도록 하는 중앙처리장치로 구성된다.
상기 입력부(20)는 뇌우 돌풍 예측 장치(1)를 이용한 뇌우 돌풍 예측을 위한, 제어명령, 데이터 등을 입력할 수 있는, 키보드, 키패드, 터치패드, 데이터 리더기 등의 데이터 입력 수단으로 구성된다.
상기 출력부(20)는 상기 뇌우 돌풍 예측 장치(1)에 의한 뇌우 돌풍 예측 결과 데이터를 문서정보, 디지털 정보로 출력할 수 있도록 하는 프린터, 데이터 라이터 등의 데이터 출력 장치를 포함하여 구성된다.
상기 표시부(40)는 뇌우 돌풍 예측 장치(1)의 구동 상태를 표시하는 디스플레이장치로 구성된다.
상기 이동평균시계열 생성부(60)는, 예측시점 이전의 일정 기간을 등 이동평균 시간 간격으로 분할하여 각 이동평균 시간 간격별로 풍속에 대한 이동평균 시계열을 생성하도록 구성된다.
상기 이동평균상승시점도출부(70)는, 각 이동평균의 시간 간격별 풍속의 상승 시점을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 풍속 증가 시점인 이동평균상승시점을 도출하도록 구성된다.
상기 뇌우돌풍예측부(80)는, 뇌우돌풍확률분포DB부로부터 상기 이동평균상승시점도출부의 이동평균 시간 간격에 대응하는 이동평균 상승 시점 후 돌풍 발생 확률분포를 추출한 후, 상기 이동평균상승시점 이후의 경과 시간 별 뇌우 돌풍 발생 확률을 추출하도록 구축된다.
상기 뇌우돌풍확률분포DB부(90)는, 뇌우 돌풍 발생 시점의 기상 정보를 수집하여, 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 동안의 이동평균 시간 간격에 따르는 이동평균을 도출하여 풍속변화의 이동평균 시계열을 생성한 후, 풍속변화의 시계열 상에서의 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 데이터베이스를 포함하여 구성된다.
상기 뇌우 돌풍 예측 장치(1)는 퍼스널컴퓨터, 서버컴퓨터, 독립적인 뇌우 돌풍 예측 단말기 등의 컴퓨터 장치로 구성될 수 있다.
도 2는 본 발명의 뇌우 돌풍 예측 방법의 처리과정을 나타내는 순서도이다.
도 2와 같이, 본 발명의 뇌우 돌풍 예측 방법은, 뇌우돌풍확률분포DB생성과정(S10), 풍속이동평균시계열생성과정(S20), 이동평균상승시점도출과정(S30) 및 뇌우돌풍예측과정(S40)을 포함하여 이루어진다.
상술한 처리과정에서 상기 뇌우돌풍확률분포DB생성과정(S10)은, 뇌우 돌풍 발생 시점의 기상 정보를 수집하여 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 간격으로 일정 시간 동안의 이동평균을 도출하여 풍속변화의 이동평균 시계열을 생성한 후, 풍속변화의 시계열 상에서의 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 것에 의해 뇌우돌풍확률분포DB를 생성한다.
상기 풍속이동평균시계열생성과정(S20)은, 뇌우 돌풍 발생 예측시점 이전의 일정 기간을 등 시간 간격으로 분할하여 풍속에 대한 이동평균을 도출하여 풍속 변화에 대한 이동평균 시계열을 생성한다.
구체적으로, 상술한 이동평균 시계열 생성과정(S20)은, 상기 예측 시점 이전의 풍속 변화 수집 데이터에 대하여, S는 평균의 단위 시간, xi는 시계열, 시계열 x1, x2, x3,...,xn 에 대해 최초의 s개 항의 평균인 [수학식 1]을 적용하여 생성된 풍속변화에 대한 이동평균 시계열을 생성한다.
[수학식 1]
Figure 112015003976476-pat00009

상기 이동평균상승시점도출과정(S30)은, 이동평균들을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 풍속 증가 시점(변곡점)을 도출한다.
여기서 상기 이동평균 모형화 함수는 특정 평균 시간 S에서의 이동평균 시계열을 V(t;S)라 하고, a, b, c, d, e는 각각 원 데이터 이동평균에 대하여 최소자승법으로 얻은 계수라 할 때 [수학식 2]로 표시된다.
[수학식 2]
Figure 112015003976476-pat00010

상기 뇌우돌풍예측과정(S40)은, 뇌우돌풍확률밀도DB부(90)로부터 상기 예측 시점 이전의 일정 기간의 이동 평균 시간 간격과 대응하는 이동평균 시간 간격을 가지는 뇌우 돌풍 발생 확률 분포를 추출한 후, 상기 풍속 증가 시점 이후의 지속 시간 별 뇌우 돌풍 발생 확률을 추출하는 것에 의해 뇌우 돌풍 발생을 예측한다.
<실시예>
도 3 내지 도 12는 본 발명의 구체적인 실시예를 나타낸다.
본 발명의 실시예에서는 2002년 - 2009년 기간의 순간풍속 20m/s 이상의 풍속을 연구대상 돌풍으로 정의하고, 뇌전이 발생한 날에 관측된 돌풍을 뇌우 돌풍으로 분류하였다. 이는 국내의 돌풍에 대한 정량적 기준의 부재에 따라 방재학적인 관점에서 피해를 야기할 만한 돌풍을 대상으로 하기 위함으로, 기상청에서 발령하고 있는 강풍 주의보 기준을 사용하였다. 또한 분류된 뇌우 돌풍 발생일의 1분 평균 풍속의 시계열을 통해 뇌우 돌풍 발생에 관한 시계열 특성을 파악하고, 뇌우 돌풍 시계열의 이동평균을 활용하여 전조현상에 대해 분석한 후, 전조현상의 특성을 이용하여 뇌우 돌풍의 발생 확률을 도출하는 것에 의해 뇌우 돌풍의 발생을 예측하였다.
돌풍의 발생 원인은 종관기상의 난류 성분, 지형적 특성 및 뇌우 등을 포함하는데, 제한된 공간에 발생하고 단기간에 발생과 소멸이 진행되는 뇌우 돌풍은 예측이나 관측의 어려움으로 다른 원인에 의한 돌풍에 비해 피해에 대한 대비가 어려워 위험도를 증가시킨다.
도 3은 뇌우 돌풍 발생일의 1분 평균 풍속 시계열 그래프로서, 2007년 6월 8일 발생한 영월지역과, 2003년 8월 6일 철원지역에 발생한 뇌우 동반 돌풍의 1분 평균 풍속의 시계열이다. 최대 풍속이 발생하기 전 낮은 풍속이 유지 되고 있는 것을 확인할 수 있으며, 수분 내에도 발생과 소멸 과정을 거치는 뇌우의 특성이 잘 나타나고 있다.
도 4는 비뇌우 돌풍 발생일의 1분 평균 풍속 시계열 그래프로서, 2007년 3월 5일 상주지역과, 2009년 2월 13일 서산지역에 발생한 비뇌우 돌풍의 시계열로서 뇌우 돌풍과는 달리 최대풍속이 발생 이전 12시간 이전부터 꾸준히 풍속이 증가한 후에 최대 풍속이 발생한다. 뇌우 돌풍과는 달리 이 경우 사전에 강풍에 대한 대비를 하게 됨에 따라 재해를 미연에 방지할 수 있다.
풍속과 같이 임의성(randomness)을 보이는 자연 현상은 평균이나 표준편차와 같은 통계적 특성이 통계 구간에 거의 무관함을 보이는 정상적 (stationary) 임의성이나 통계 구간에 따라 통계적 특성이 크게 변하는 비정상적 (non-stationary) 임의성을 갖는다.
뇌우 돌풍에 경우 도 3과 같은 비정상성 (non-stationarity)의 특성이 강하게 나타나는 시계열을 보이고 갑작스럽게 최대풍속이 나타난다. 반면에 도 4에 나타난 비뇌우 돌풍에 경우 지역 별로 차이는 존재하지만 대체로 서서히 증가하는 시계열이 나타낸다. 따라서 뇌우 돌풍에서 나타난 풍속 시계열은 뇌우 돌풍의 발생을 예측하고 대비하는 입장에서 큰 어려움이 있음을 나타낸다. 이러한 특성은 뇌우 돌풍과 비뇌우 돌풍 발생일의 최대 풍속과 평균 풍속을 통해 좀 더 명확히 구분된다.
도 5는 뇌우 돌풍과 비뇌우 돌풍 발생 일의 평균 풍속 및 최대 풍속 관측 표로서, 도 5의 표는, 뇌우 돌풍과 비뇌우 돌풍 발생 일에 평균 풍속과 1분 평균 풍속 중 일 최대풍속을 나타낸다. 도 5의 표에 나타난 바와 같이, 비뇌우 돌풍에 비해 뇌우 돌풍은 평균 풍속이 낮은 반면 최고 풍속은 상회하거나 거의 비슷하다. 또한 평균 풍속과 최대풍속의 비율은 뇌우 돌풍의 경우 4배 이상의 높은 풍속이 발생하는 반면 비뇌우 돌풍은 2배 내외의 비율을 보인다. 이러한 결과는 뇌우 돌풍의 갑작스러운 발생하는 특성에 대한 근거가 되며, 뇌우 돌풍의 불확실성이 더 높다는 것을 반증하는 것이다.
도 6은 뇌우 돌풍과 비뇌우 돌풍 발생 시점 이전 1시간 ?? 12 시간 풍속 평균을 나타내는 표이다.
도 6의 표에서는 뇌우 돌풍과 비뇌우 돌풍의 최고 풍속이 발생한 시점의 1시간에서 12시간 전의 이동평균을 이용한 풍속의 변화를 보여준다. 즉, 돌풍이 발생한 시점을 기준으로 이전 시계열에 대한 1시간 평균부터 12시간 평균까지 1시간 간격으로 증가함에 따른 평균 풍속의 변화를 보여준다.
비뇌우 돌풍은 대체로 점진적인 변화를 보이는 반면 뇌우 돌풍은 시간이 짧아질수록 급격한 증가를 보인다. 즉, 뇌우 돌풍은 지역별 차이가 존재하나 비뇌우 돌풍에 비해 보다 짧은 시간동안 갑작스러운 강풍을 유발하는 것을 의미하며, 비뇌우 돌풍은 꾸준히 풍속이 증가하는 것을 나타낸다. 이러한 결과는 강풍발생에 대한 불확실성이 뇌우에 의한 돌풍의 경우가 더 높다는 것을 보여준다.
도 3에서 확인한 바와 같이 뇌우 돌풍의 시계열은 돌풍의 발생 시점 부근에서 급격히 풍속이 증가한다. 이동평균을 통한 뇌우 돌풍 풍속 시계열의 추세는 이와 같은 특성이 반영 되어 나타나며, 보다 명확한 전조현상에 대해 분석이 가능할 것으로 판단하였다.
도 7은 2007년 6월 8일 영월 발생 뇌우 돌풍의 1분 평균 풍속 시계열 그래프이다.
도 7은 뇌우 돌풍으로 분류된 이벤트 중 2007년 6월 8일 영월에 발생한 뇌우 돌풍의 시계열을 나타내는데, 돌풍이 발생하기 전 낮은 풍속이 관측되다가 수분 사이에 급격한 풍속의 증가가 나타나고 있다. 이와 같은 시계열의 전조를 확인하기 위해 추세분석을 하였으며, 추세를 분석하는 기법으로 이동평균을 사용하였다. 이동평균은 [수학식 1]과 같이 정의된다.
[수학식 1]
Figure 112015003976476-pat00011
여기서, tj는 시계열
Figure 112015003976476-pat00012
,
Figure 112015003976476-pat00013
Figure 112015003976476-pat00014
에 대해 최초의
Figure 112015003976476-pat00015
개 항의 평균이고,
Figure 112015003976476-pat00016
는 평균의 단위시간이다.
본 발명의 실시예에서는 1시간 - 12시간으로 적용하여 이동평균 시계열을 생성하였다.
도 8은 도 7의 평균 풍속 시계열에 대한 시간 간격 S에 따른 뇌우 돌풍의 이동평균 그래프이고, 도 9는 2002~2009년 관측된 지역별 20m/s 이상 1분 평균 풍속 발생 빈도를 나타내는 표이다.
즉 도 8은 도 7의 시계열에 대해 [수학식 1]의 이동평균을 산정함에 있어 평균 시간 S를 1시간 - 12시간까지 1시간 간격으로 변화시킨 결과이다.
도 8에 나타난 뇌우 돌풍의 이동평균은 일부케이스를 제외하고 공통적으로 나타난 특징으로서 뇌우 돌풍 발생 전 짧게는 수분에서 최대 수 시간 전 풍속이 급격히 증가하며, 풍속 증가 이전 수 시간 동안 감소하는 경향을 보이고 있다. 비뇌우 돌풍의 경우에도 풍속이 상승하는 경향이 나타나는 케이스가 일부 존재하였으나, 뇌우 돌풍과는 달리 선형에 가까운 증가 추세로 나타난다. 이는 뇌우의 발생에서 상승기류가 발생하고 발달 단계에 이르며 점차 상승기류가 약해지고 차가워진 공기가 하강기류를 유발하면서 발생하는 뇌우 돌풍의 현상에 따른 것으로 상승기류 발생 시 다소 높은 풍속이 발생했다가 상승기류가 약해지면서 풍속은 감소하고 냉각 된 공기의 하강기류(Downburst)로 인해 돌풍이 발생하는 과정으로 이해된다.
이러한 특징은 본 발명의 실시예에서 이용한 2002년 - 2009년 사이에 전국 27개 지점에서 관측된 뇌우 동반 돌풍 기록에서 공통적으로 확인되었다. 도 9의 표는 본 발명의 실시예에서 이용된 풍속 자료를 요약한 것이다.
이처럼 이동평균 분석법을 통해 뇌우 돌풍에 대한 특성을 파악할 수 있다. 하지만 이동평균 분석법의 부분열의 크기 결정에서 어느 범위가 풍속의 시계열을 잘 나타내고 있는지 판단하는 데에 한계점이 존재한다. 즉, 도 8에 나타나듯 평균시간의 간격에 따라 풍속이 상승하는 시점에 차이가 나타난다. 예를 들어 1시간 간격의 이동평균에서는 약 600분 이전 시점에 풍속이 상승하는 반면 12시간 이동평균에서는 약 320분 전부터 상승하지만, 비교적 급격한 상승을 하는 구간은 약 100여분 이전부터이다. 또한 풍속이 상승하는 시점은 각 케이스 별 서로 다른 결과가 나타난다. 이러한 결과는 실제 시계열에서 수분 만에 풍속이 상승할 경우 12시간의 평균 풍속에서 충분히 상승한 풍속 값의 비율이 높지 않으므로 풍속의 증가가 잘 반영 되어 나타난다. 또한 비뇌우 돌풍의 일부 케이스에서도 급격한 풍속 상승 패턴을 보이고 있으나, 풍속증가 기울기가 완만하게 나타나거나 풍속 상승 전 풍속의 감소구간이 나타나지 않는다. 따라서 이동평균을 통한 시계열을 통해 뇌우 돌풍의 전조를 판단하기 위해서는 각 이동평균의 시간 간격별 풍속의 상승하는 시점의 일반화가 필요하다.
이를 위하여 본 발명의 실시예에서는 뇌우 돌풍의 이동평균 시계열에 대해 다양한 함수 형태를 이용한 분석을 통해 [수학식 2]에 나타낸 함수 형태로 이동평균을 모형화 함수를 생성하였다.
[수학식 2]
Figure 112015003976476-pat00017
여기서, V(t;S)는 특정 평균 시간 S에서의 이동평균 시계열, a, b, c, d, e는 각각 원 데이터 이동평균에 대하여 최소자승법으로 얻은 계수이다.
[수학식 2]를 이용하여 해석적으로 이동평균 시계열의 기울기가 0인 지점, 즉 평균풍속 상승 시점으로 파악하였다.
도 10은 뇌우 돌풍의 이동평균 모형화 함수와 이동평균 시계열의 비교 그래프 (3, 6, 9, 12시간 이동평균)이다.
도 10에서는 [수학식 2]를 이용한 결과를 이동평균 시계열과 비교하였는데 잘 나타내고 있음을 알 수 있다. 앞에서 기술한 바와 같이 이동평균 모형 함수에 의한 뇌우 돌풍 발생 시점, 즉 전조 현상 분석의 정량화는 비록 같은 평균시간에 대해서도 지점과 시기에 따라 차이를 보인다. 따라서 앞 절에서 기술한 [수학식 1]의 이동평균 모형은 발생 이후 분석에는 유용할 수 있으나 사전에 뇌우 돌풍 발생을 예측하여 피해를 경감하기 위한 자료로는 불충분하다고 할 수 있다.
따라서 본 발명의 실시예에서는 이용된 모든 뇌우 돌풍 기록을 이동평균모형을 통해 분석하여 전조 출현 시점, 즉 이동평균 시계열의 증가 시점에 대한 확률적 분석을 수행하였다. 앞 절과 같이 뇌우 돌풍 발생 이전의 시계열에 대해 1시간 - 12시간의 평균시간을 같도록 하였으며, [수학식 2]로 표현되는 각 경우에 대해 기울기가 0이 되는 시점, 즉 이동평균 상승시점을 누적하여 확률분포로 표현하였다. 확률 분포로는 Gamma, Log-normal, Normal, Extreme Value, GEV(Generalized Extreme Value) 분포를 선택하였으며, 로그우도 (log likelihood)를 계산하여 최적의 분포모델을 선택하였다.
도 11은 이동평균 상승시점의 확률분포 로그우도 비교표(1시간 이동평균)이다.
도 11의 표는 예로서 1시간 단위의 이동평균 상승시점에 대한 확률분포모델의 로그우도를 타나내며, GEV가 가장 적합한 것으로 나타났으며, 그 외의 이동평균에 대해서도 모두 GEV가 가장 적합함을 확인하였다.
도 12는 이동 평균 시간 변화에 따른 풍속증가 시점 이 후 경과 시간에서의 뇌우 돌풍 발생 확률 분포를 나타내는 그래프이다.
도 12는 이동평균 시간 변화에 따른 풍속 증가 시점의 확률분포를 나타내며, 이를 이용하여 뇌우 돌풍의 발생시간에 대한 발생 확률을 추정할 수 있다.
예를 들어, 뇌전 현상이 예상되는 기상조건하에서 1분 평균 풍속에 대한 1시간 이동평균을 산정하던 중, 이동평균값이 감소하다가 증가하는 시점이 나타난다면 그 시점으로부터 9시간에서 12시간 후 풍속 20m/s 이상의 뇌우 돌풍이 발생할 확률이 약 24% 정도라고 추정할 수 있다.
반면에 12시간 이동평균이 감소하다가 증가한다면 6시간 이후에 풍속 20m/s 이상의 뇌우 돌풍이 발생할 확률이 약 27%라고 할 수 있다.
즉, 본 발명은 뇌우 돌풍의 발생 시점을 수 시간 이전에 확률적으로 예상함으로써 국지적이고 단기간에 발생하는 뇌우 돌풍의 피해를 사전에 저감할 수 있는 기법으로 활용될 수 있다.
1: 뇌우 돌풍 예측 장치

Claims (8)

  1. 뇌우 돌풍 발생 시점의 기상 정보를 수집하여 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 간격으로 일정 시간 동안의 풍속변화의 이동평균 시계열을 생성한 후, 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 뇌우돌풍확률분포DB부;
    예측시점 이전의 일정 기간 동안의 이동평균 시간 간격별 풍속에 대한 이동평균 시계열을 생성하는 이동평균시계열생성부;
    각 이동평균의 이동 평균 시간 간격별 풍속의 상승 시점을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 이동평균상승시점을 도출하는 이동평균상승시점도출부; 및
    상기 뇌우돌풍확률분포DB부로부터 상기 이동평균상승시점도출부의 이동평균 시간 간격에 대응하는 이동평균 상승 시점 후 돌풍 발생 확률분포를 추출한 후, 상기 이동평균상승시점 이후의 경과 시간 별 뇌우 돌풍 발생 확률을 추출하는 뇌우돌풍예측부;를 포함하고,
    상기 이동평균 모형화 함수는,
    특정 평균 시간 S에서의 이동평균 시계열을 V(t;S)라 하고, a, b, c, d, e는 각각 원 데이터 이동평균에 대하여 최소자승법으로 얻은 계수라 할 때,
    [수학식 2]
    Figure 112015105434052-pat00034

    인 것을 특징으로 하는 뇌우 돌풍 예측 장치.
  2. 청구항 1에 있어서, 상기 뇌우돌풍확률분포는,
    일정 기간의 기상청 돌풍 관측 데이터를 수집한 후, 통계적 분석을 수행하여 획득된 이동 평균 산출 시간 간격별 이동 평균값에 대한 이동평균 상승 시점 이후로부터 경과된 시간에 따른 돌풍 발생 확률 분포인 것을 특징으로 하는 뇌우 돌풍 예측 장치.
  3. 청구항 1에 있어서, 상기 이동평균시계열생성부는,
    상기 예측 시점 이전의 풍속 변화 수집 데이터에 대하여, S는 평균의 단위 시간, xi는 시계열, 시계열 x1, x2, x3,...,xn 에 대해 최초의 s개 항의 평균인
    [수학식 1]
    Figure 112015105434052-pat00018

    로 표시되는 이동평균 시계열을 생성하는 것을 특징으로 하는 뇌우 돌풍 예측 장치.
  4. 삭제
  5. 예측시점 이전의 일정 기간 동안의 이동평균 시간 간격별 풍속에 대한 이동평균 시계열을 생성하는 풍속이동평균시계열생성과정;
    각 이동평균의 이동 평균 시간 간격별 풍속의 상승 시점을 일반화한 이동평균 모형화 함수를 적용하여 상기 이동평균 시계열에서 이동평균상승시점을 도출하는 이동평균상승시점도출과정; 및
    뇌우돌풍확률분포DB부로부터 이동평균상승시점도출부의 이동평균 시간 간격에 대응하는 이동평균 상승 시점 후 돌풍 발생 확률분포를 추출한 후, 상기 이동평균상승시점 이후의 경과 시간 별 뇌우 돌풍 발생 확률을 추출하는 뇌우돌풍예측과정;을 포함하고,
    상기 이동평균 모형화 함수는,
    특정 평균 시간 S에서의 이동평균 시계열을 V(t;S)라 하고, a, b, c, d, e는 각각 원 데이터 이동평균에 대하여 최소자승법으로 얻은 계수라 할 때,
    [수학식 2]
    Figure 112015105434052-pat00035

    인 것을 특징으로 하는 뇌우 돌풍 예측 방법.
  6. 청구항 5에 있어서, 상기 이동평균시계열생성과정은,
    상기 예측 시점 이전의 풍속 변화 수집 데이터에 대하여, S는 평균의 단위 시간, xi는 시계열, 시계열 x1, x2, x3,...,xn 에 대해 최초의 s개 항의 평균인
    [수학식 1]
    Figure 112015105434052-pat00020

    을 적용하여 생성된 풍속변화에 대한 이동평균 시계열을 생성하는 과정인 것을 특징으로 하는 뇌우 돌풍 예측 방법.
  7. 삭제
  8. 청구항 5에 있어서,
    뇌우 돌풍 발생 시점의 기상 정보를 수집하여 뇌우 돌풍 발생 이전의 풍속에 변화에 대한 일정 시간 간격으로 일정 시간 동안의 풍속변화의 이동평균 시계열을 생성한 후, 풍속 증가 시점 이후 시간 경과에 따른 돌풍 발생 확률분포를 생성하여 저장하는 뇌우돌풍확률분포DB생성과정;을 더 포함하여 이루어지는 것을 특징으로 하는 뇌우 돌풍 예측 방법.
KR1020150006966A 2015-01-14 2015-01-14 뇌우 돌풍 예측 장치 및 방법 KR101591012B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150006966A KR101591012B1 (ko) 2015-01-14 2015-01-14 뇌우 돌풍 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150006966A KR101591012B1 (ko) 2015-01-14 2015-01-14 뇌우 돌풍 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101591012B1 true KR101591012B1 (ko) 2016-02-03

Family

ID=55355942

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150006966A KR101591012B1 (ko) 2015-01-14 2015-01-14 뇌우 돌풍 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101591012B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000187082A (ja) * 1998-12-21 2000-07-04 Fuji Electric Co Ltd 降雨予測補正方法、その装置、及び記録媒体
KR20070038068A (ko) 2007-03-13 2007-04-09 (주)이안테크놀로지 태양에너지 이용 설비의 설치 최적화 시스템
KR20110044411A (ko) * 2009-10-23 2011-04-29 한국해양연구원 연안정밀 폭풍해일 예측 시스템과 연안정밀 폭풍 해일 예측 방법
KR101035398B1 (ko) 2010-11-22 2011-05-20 (주)에코브레인 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템
KR20130049521A (ko) 2011-11-04 2013-05-14 주식회사 케이티 강수에코 이동경로 예측 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000187082A (ja) * 1998-12-21 2000-07-04 Fuji Electric Co Ltd 降雨予測補正方法、その装置、及び記録媒体
KR20070038068A (ko) 2007-03-13 2007-04-09 (주)이안테크놀로지 태양에너지 이용 설비의 설치 최적화 시스템
KR20110044411A (ko) * 2009-10-23 2011-04-29 한국해양연구원 연안정밀 폭풍해일 예측 시스템과 연안정밀 폭풍 해일 예측 방법
KR101153706B1 (ko) 2009-10-23 2012-06-05 한국해양연구원 연안정밀 폭풍해일 예측 시스템과 연안정밀 폭풍 해일 예측 방법
KR101035398B1 (ko) 2010-11-22 2011-05-20 (주)에코브레인 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템
KR20130049521A (ko) 2011-11-04 2013-05-14 주식회사 케이티 강수에코 이동경로 예측 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김준영 외 1인, ‘뇌우에 의한 돌풍의 전조 특성 분석’, 한국방재학회 2014년도 정기학술발표대회, 2014.02.19., p.277.* *
김준영 외 1인, '뇌우돌풍의 전조 현상에 관한 고찰', 한국기상학회 학술대회 논문집, 2013.10., pp.188-189. *

Similar Documents

Publication Publication Date Title
Xi et al. Evaluation of a physics-based tropical cyclone rainfall model for risk assessment
JP5242414B2 (ja) 自然災害予報に対する統計的決定手法
Weisse et al. Wave climate and long-term changes for the Southern North Sea obtained from a high-resolution hindcast 1958–2002
JP5797599B2 (ja) 発電量予測方法及びそのシステム
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
Fedele Space–time extremes in short-crested storm seas
WO2012047874A2 (en) Statistical prediction functions for natural chaotic systems and computer models thereof
Niroomandi et al. Extreme value analysis of wave climate in Chesapeake Bay
US20220268963A1 (en) System and method for environment-dependent probabilistic tropical cyclone modeling
Spassiani et al. Application of Self-organizing Maps to classify the meteorological origin of wind gusts in Australia
Hunt Floods in a changing climate: a review
El Rafei et al. Analysis of extreme wind gusts using a high-resolution Australian regional reanalysis
Gallo et al. Exploring convection-allowing model evaluation strategies for severe local storms using the finite-volume cubed-sphere (FV3) model core
Tateo et al. A statistical method based on the ensemble probability density function for the prediction of “Wind Days”
CN113075751A (zh) 一种观测资料在短临预报中的融合方法和系统
KR101591012B1 (ko) 뇌우 돌풍 예측 장치 및 방법
Prein Thunderstorm straight line winds intensify with climate change
Ruju et al. Spectral wave modelling of the extreme 2013/2014 winter storms in the North-East Atlantic
Agbonaye et al. Best-fit probability distribution model for rainfall frequency analysis of three cities in south eastern Nigeria
Rodwell et al. New developments in the diagnosis and verification of high-impact weather forecasts
Liu et al. Evaluation of forecast performance for four meteorological models in summer over Northwestern China
Yuk et al. Modelling of storm-induced seawater flooding in the Suyeong River area, South Korea: A case study due to the storm surge and waves during Typhoon Sanba
Frysinger et al. A statistical sea-breeze prediction algorithm for Charleston, South Carolina
Spassiani Climatology of severe convective wind gusts in Australia
Gallagher Exploring environmental and methodological sensitivities of forecasted and observed surface winds and gusts using underutilized datasets

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200204

Year of fee payment: 5