KR101736915B1 - 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법 - Google Patents
기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법 Download PDFInfo
- Publication number
- KR101736915B1 KR101736915B1 KR1020160037729A KR20160037729A KR101736915B1 KR 101736915 B1 KR101736915 B1 KR 101736915B1 KR 1020160037729 A KR1020160037729 A KR 1020160037729A KR 20160037729 A KR20160037729 A KR 20160037729A KR 101736915 B1 KR101736915 B1 KR 101736915B1
- Authority
- KR
- South Korea
- Prior art keywords
- dimensional
- pattern
- data
- vector sequence
- weather
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 150
- 238000004519 manufacturing process Methods 0.000 claims abstract description 25
- 238000012512 characterization method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000009795 derivation Methods 0.000 claims description 13
- 238000013316 zoning Methods 0.000 claims description 7
- 238000012950 reanalysis Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 2
- 239000012808 vapor phase Substances 0.000 claims 1
- 230000007261 regionalization Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 18
- 238000012935 Averaging Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 241001474374 Blennius Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G06F17/30106—
-
- G06F17/30241—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Environmental & Geological Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (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 기상 수치모델 자료의 DB화 및 검색을 강화하여 신속하게 자연재해 현상의 발생 가능 여부를 경험적인 방법으로 예측할 수 있도록 한 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법에 관한 것으로, 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행하는 대상 영역 구역화부;2/3차원 기상장의 1차원 기상장 벡터 시퀀스를 생성하는 1차원 기상장 벡터 시퀀스 생성부;기상 모델 자료 DB를 활용하여 과거 기상 모델의 모든 자료에 대한 1차원 기상장 벡터 시퀀스 데이터베이스를 구축하는 1차원 기상장 벡터 시퀀스 DB;1차원 벡터 시퀀스 DB를 검색하여 영역별 가중치 부여, 유사패턴 분류 및 유사패턴 범주화를 수행하여 기상장 패턴 시나리오를 도출하는 기상장 패턴 시나리오 도출부;과거 자연 재해 발생 사례 및 관측 자료를 비교하는 관측 자료 비교부;관측 자료 비교부의 비교 결과를 기준으로 시나리오별 자연재해 유형을 도출하는 자연재해 유형 도출부;를 포함하는 것이다.
Description
본 발명은 자연 재해 예측에 관한 것으로, 구체적으로 기상 수치모델 자료의 DB화 및 검색을 강화하여 신속하게 자연재해 현상의 발생 가능 여부를 경험적인 방법으로 예측할 수 있도록 한 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법에 관한 것이다.
기상 수치모델은 대기압, 온도, 바람(풍속, 풍향), 습도, 강우량 등을 사전에 설정한 관심영역내 2차원 수직평균한 평면 또는 3차원 공간에 걸쳐서 생산하고, 이를 바탕으로 일기예보를 내보내는데 사용된다.
하지만, 이렇게 생산된 기상 예측자료는 자료의 양이 막대하여 DB화한 이후 자료검색 및 활용이 용이하지 않다.
우리나라 주변의 기상은, 과거 오랜 목측경험 및 관측자료로부터, 연별 및 계절에 따라 일정한 패턴을 유지하며 반복하고 있으며, 과거뿐만 아니라 앞으로도 일정한 패턴을 유지할 수 밖에 없다.
일정한 기상패턴의 반복과 함께, 자연환경 및 생활환경에 영향이 크게 끼치는 자연재해 현상도 특정한 기상패턴에서 발생한다.
예를 들어, 폭풍해일, 고파랑, 월파, 범람, 해무 등 연안에서 발생하는 재해현상은 특정한 기상패턴에 도달했을 때 발생하는 경우가 많다.
반면, 사전 예보를 위해서 실시간으로 생산되는 기상 예측자료의 기상 패턴으로부터 내륙 또는 연안에서의 재해발생 가능 여부를 신속히 판단할 수 있으면 자연재해를 저감하는데 많은 도움이 될 것이다.
따라서, 기상 수치모델 생산자료의 기상패턴을 특징화하여 예측에 사용하기 위한 새로운 기술의 개발이 요구되고 있다.
본 발명은 이와 같은 종래 기술의 생산된 기상 예측자료의 검색 및 활용 방법의 문제를 해결하기 위한 것으로, 기상 수치모델 자료의 DB화 및 검색을 강화하여 신속하게 자연재해 현상의 발생 가능 여부를 경험적인 방법으로 예측할 수 있도록 한 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명은 과거에 재해가 발생했던 피해사례 관측자료와 함께 그 당시의 기상 수치모델 자료의 기상패턴을 특징화 및 DB화하고 유사한 기상패턴 발생시에 특징화된 기상패턴을 활용하여 즉각적으로 피해 발생지역 및 발생 여부를 검출할 수 있도록 한 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명은 시나리오별 관심영역의 자연재해의 예측을 과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균 등으로 계산되어 제시될 수 있도록 하여 예측 효율성을 높인 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치는 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행하는 대상 영역 구역화부;2/3차원 기상장의 1차원 기상장 벡터 시퀀스를 생성하는 1차원 기상장 벡터 시퀀스 생성부;기상 모델 자료 DB를 활용하여 과거 기상 모델의 모든 자료에 대한 1차원 기상장 벡터 시퀀스 데이터베이스를 구축하는 1차원 기상장 벡터 시퀀스 DB;1차원 벡터시퀀스 DB를 검색하는 1차원 벡터시퀀스 DB 검색부와, 검색된 1차원 벡터시퀀스를 영역별로 가중치를 부여하는 영역별 가중치 부여부와, 유사 패턴을 분류하는 유사패턴 분류부와, 유사패턴 범주화를 수행하는 유사패턴 범주화부와, 기상장 패턴 시나리오를 도출하는 시나리오 도출부를 포함하고, 1차원 벡터 시퀀스 DB를 검색하여 영역별 가중치 부여, 유사패턴 분류 및 유사패턴 범주화를 수행하여 기상장 패턴 시나리오를 도출하는 기상장 패턴 시나리오 도출부;과거 자연 재해 발생 사례 및 관측 자료를 비교하는 관측 자료 비교부;관측 자료 비교부의 비교 결과를 기준으로 시나리오별 자연재해 유형을 도출하는 자연재해 유형 도출부;를 포함하는 것을 특징으로 한다.
여기서, 상기 1차원 기상장 벡터 시퀀스 생성부는, 상세역내 2/3차원 기상장의 1차원 벡터화를 수행하는 1차원 벡터화부와,각 중역내의 상세역 1차원 벡터들로부터 각 중역벡터 계산을 수행하는 중역 벡터화부와,광역내의 중역 대표 벡터들로부터 각 광역벡터 계산을 수행하는 광역 벡터화부와,전역내의 광역 대표 벡터들로부터 전역 벡터 계산을 수행하는 전역 벡터화부를 포함하는 것을 특징으로 한다.
삭제
그리고 유사패턴 분류부는, 시나리오 개수와 시나리오의 형태를 미리 지정해주는 감독 군집기법 또는 자동으로 일정한 군집분류 임계치를 설정하고 시나리오 개수 및 형태를 무감독 군집기법을 사용하는 것을 특징으로 한다.
그리고 상기 유사패턴 범주화부는, 분류된 기상장 패턴 시나리오에서 시나리오 당 배열이 유사한 1차원 벡터시퀀스들은 각 요소엘리먼트의 값들끼리 평균하여 하나의 대표 벡터시퀀스를 구하는 것을 특징으로 한다.
그리고 자연재해 유형 도출을 위하여 사용되는 기상장 요소는, 해상풍, 온도, 습도, 강우량 요소를 포함하는 것을 특징으로 한다.
그리고 자연재해 유형 도출을 위하여 사용되는 기상장 요소가 해상풍, 온도, 습도, 강우량인 경우에는, 대상영역에서 1차원 어레이 형태로 변환된 각 기상장 요소의 1차원 벡터들을 해상풍-온도-습도-강우량의 순으로 배열시키는 것을 특징으로 한다.
그리고 기상 모델 자료는, 과거 기상모델의 수치모델 후측 자료, 예측 자료, 재분석 자료를 포함하는 것을 특징으로 한다.
그리고 상기 자연재해 유형 도출부에서의 시나리오별 관심영역의 자연재해의 예측은, 과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균으로 계산되어 이루어지는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법은 대상 영역 구역화부에서 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행하는 단계;1차원 기상장 벡터 시퀀스 생성부에서 2/3차원 기상장의 1차원 기상장 벡터 시퀀스를 생성하는 1차원 기상장 벡터 시퀀스 생성 단계;1차원 기상장 벡터 시퀀스 DB에서 기상 모델 자료 DB를 활용하여 과거 기상 모델의 모든 자료에 대한 1차원 기상장 벡터 시퀀스 데이터베이스를 구축하는 단계;기상장 패턴 시나리오 도출부에서 1차원 벡터시퀀스 DB를 검색하는 1차원 벡터시퀀스 DB 검색 단계와,검색된 1차원 벡터시퀀스를 영역별로 가중치를 부여하는 영역별 가중치 부여 단계와,유사 패턴을 분류하는 유사패턴 분류 단계와,유사패턴 범주화를 수행하는 유사패턴 범주화 단계와,기상장 패턴 시나리오를 도출하는 시나리오 도출 단계를 포함하는 기상장 패턴 시나리오 도출 단계;관측 자료 비교부에서 과거 자연 재해 발생 사례 및 관측 자료를 비교하여 자연재해 유형 도출부에서 시나리오별 자연재해 유형을 도출하는 자연재해 유형 도출 단계;를 포함하는 것을 특징으로 한다.
여기서, 상기 1차원 기상장 벡터 시퀀스 생성 단계는, 상세역내 2/3차원 기상장의 1차원 벡터화를 수행하는 1차원 벡터화 단계와,각 중역내의 상세역 1차원 벡터들로부터 각 중역벡터 계산을 수행하는 중역 벡터화 단계와,광역내의 중역 대표 벡터들로부터 각 광역벡터 계산을 수행하는 광역 벡터화 단계와,전역내의 광역 대표 벡터들로부터 전역 벡터 계산을 수행하는 전역 벡터화 단계를 포함하는 것을 특징으로 한다.
삭제
그리고 유사패턴 분류 단계는, 시나리오 개수와 시나리오의 형태를 미리 지정해주는 감독 군집기법 또는 자동으로 일정한 군집분류 임계치를 설정하고 시나리오 개수 및 형태를 무감독 군집기법을 사용하는 것을 특징으로 한다.
그리고 상기 유사패턴 범주 단계는, 분류된 기상장 패턴 시나리오에서 시나리오 당 배열이 유사한 1차원 벡터시퀀스들은 각 요소엘리먼트의 값들끼리 평균하여 하나의 대표 벡터시퀀스를 구하는 것을 특징으로 한다.
그리고 자연재해 유형 도출을 위하여 사용되는 기상장 요소가 해상풍, 온도, 습도, 강우량인 경우에는, 대상영역에서 1차원 어레이 형태로 변환된 각 기상장 요소의 1차원 벡터들을 해상풍-온도-습도-강우량의 순으로 배열시키는 것을 특징으로 한다.
그리고 기상 모델 자료는, 과거 기상모델의 수치모델 후측 자료, 예측 자료, 재분석 재료를 포함하는 것을 특징으로 한다.
그리고 상기 자연재해 유형 도출 단계에서의 시나리오별 관심영역의 자연재해의 예측은, 과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균으로 계산되어 이루어지는 것을 특징으로 한다.
이와 같은 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법은 다음과 같은 효과를 갖는다.
첫째, 기상 수치모델 자료의 DB화 및 검색을 강화하여 신속하게 자연재해 현상의 발생 가능 여부를 경험적인 방법으로 예측할 수 있다.
둘째, 과거에 재해가 발생했던 피해사례 관측자료와 함께 그 당시의 기상 수치모델 자료의 기상패턴을 특징화 및 DB화하여 효과적인 검색 및 활용이 가능하다.
셋째, 유사한 기상패턴 발생시에 특징화된 기상패턴을 활용하여 즉각적으로 피해 발생지역 및 발생 여부를 검출할 수 있다.
넷째, 시나리오별 관심영역의 자연재해의 예측을 과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균 등으로 계산되어 제시될 수 있도록 하여 예측 효율성을 높인다.
도 1은 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 구성도
도 2는 본 발명에 따른 1차원 기상장 벡터 시퀀스 생성부의 상세 구성도
도 3은 본 발명에 따른 기상장 패턴 시나리오 도출부의 상세 구성도
도 4는 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법을 나타낸 플로우 차트
도 5는 기상장 관심 영역의 설정 방법의 일 예를 나타낸 구성도
도 6은 관심 영역의 4단계 구역화 방법의 일 예를 나타낸 구성도
도 7은 한 구역내 2/3차원 기상장의 1차원 벡터화를 나타낸 구성도
도 8은 2차원 해상풍장으로부터 1차원 벡터시퀀스의 생성을 나타낸 구성도
도 9는 과거 해상풍 후측자료 DB로부터 1차원 벡터시퀀스의 DB 생성을 나타낸 구성도
도 10은 과거 1차원 벡터시퀀스 DB로부터 해상풍 패턴 시나리오 도출 과정을 나타낸 구성도
도 2는 본 발명에 따른 1차원 기상장 벡터 시퀀스 생성부의 상세 구성도
도 3은 본 발명에 따른 기상장 패턴 시나리오 도출부의 상세 구성도
도 4는 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법을 나타낸 플로우 차트
도 5는 기상장 관심 영역의 설정 방법의 일 예를 나타낸 구성도
도 6은 관심 영역의 4단계 구역화 방법의 일 예를 나타낸 구성도
도 7은 한 구역내 2/3차원 기상장의 1차원 벡터화를 나타낸 구성도
도 8은 2차원 해상풍장으로부터 1차원 벡터시퀀스의 생성을 나타낸 구성도
도 9는 과거 해상풍 후측자료 DB로부터 1차원 벡터시퀀스의 DB 생성을 나타낸 구성도
도 10은 과거 1차원 벡터시퀀스 DB로부터 해상풍 패턴 시나리오 도출 과정을 나타낸 구성도
이하, 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1은 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 구성도이다.
그리고 도 2는 본 발명에 따른 1차원 기상장 벡터 시퀀스 생성부의 상세 구성도이고, 도 3은 본 발명에 따른 기상장 패턴 시나리오 도출부의 상세 구성도이다.
본 발명은 기상 수치모델 자료의 DB화 및 검색을 강화하여 신속하게 자연재해 현상의 발생 가능 여부를 경험적인 방법으로 예측할 수 있도록 한 것으로, 과거에 재해가 발생했던 피해사례 관측자료와 함께 그 당시의 기상 수치모델 자료의 기상패턴을 특징화 및 DB화하고 유사한 기상패턴 발생시에 특징화된 기상패턴을 활용하여 즉각적으로 피해 발생지역 및 발생 여부를 검출할 수 있도록 한 것이다.
이하의 설명에서 기상장 요소들 중에서 해상풍을 중심으로 설명하였으나, 이로 제한되지 않고 온도,습도,강우량 등의 다른 기상장 요소들을 사용할 수 있음은 당연하다.
여러 가지 기상장 요소를 사용하는 경우에는 대상영역에서 1차원 어레이 형태로 변환된 각 기상장 요소의 1차원 벡터들을 해상풍-온도-습도-강우량 등의 순으로 배열시킨다.
본 발명은 과거(예, 약 35년 동안의) 기상모델의 수치모델 후측(또는 예측, 재분석)자료로부터 수치모델링 대상영역에 대한 해상풍의 패턴을 특징화하고 비슷한 유형끼리 범주화하여 같은 군집끼리 묶어주는 구성을 포함한다.
이와 같은 본 발명은 실시간으로 생산되는 기상모델의 예측자료의 기상패턴을 특징화한 후, 과거 DB로부터 비슷한 유형의 기상 패턴의 발생사례를 결정하고, 그에 따른 재해현상의 발생 유무 및 발생 가능성을 모니터링하거나 예측하는데 활용될 수 있도록 한 것이다.
이를 위한 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치는 도 1에서와 같이, 기상패턴을 체계적으로 범주화하고 DB화가 용이하도록 하기 위해서 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행하는 대상 영역 구역화부(10)와, 2/3차원 기상장의 1차원 기상장 벡터 시퀀스를 생성하는 1차원 기상장 벡터 시퀀스 생성부(20)와, 기상 모델 후측 자료 DB(40)를 활용하여 과거 기상 모델의 모든 후측자료에 대한 1차원 기상장 벡터 시퀀스 데이터베이스를 구축하는 1차원 기상장 벡터 시퀀스 DB(30)와, 1차원 벡터 시퀀스 DB를 검색하여 영역별 가중치 부여, 유사패턴 분류 및 유사패턴 범주화를 수행하여 기상장 패턴 시나리오를 도출하는 기상장 패턴 시나리오 도출부(50)와, 과거 자연 재해 발생 사례 및 관측 자료를 비교하는 관측 자료 비교부(60)와, 관측 자료 비교부(60)의 비교 결과를 기준으로 시나리오별 자연재해 유형을 도출하는 자연 재해 유형 도출부(70)를 포함한다.
여기서, 1차원 기상장 벡터 시퀀스 생성부(20)는 도 2에서와 같이, 상세역내 2/3차원 기상장의 1차원 벡터화를 수행하는 1차원 벡터화부(21)와, 각 중역내의 상세역 1차원 벡터들로부터 각 중역벡터 계산을 수행하는 중역 벡터화부(22)와, 광역내의 중역 대표 벡터들로부터 각 광역벡터 계산을 수행하는 광역 벡터화부(23)와, 전역내의 광역 대표 벡터들로부터 전역 벡터 계산을 수행하는 전역 벡터화부(24)를 포함한다.
그리고 기상장 패턴 시나리오 도출부(50)는 도 3에서와 같이, 1차원 벡터시퀀스 DB를 검색하는 1차원 벡터시퀀스 DB 검색부(51)와, 검색된 1차원 벡터시퀀스를 영역별로 가중치를 부여하는 영역별 가중치 부여부(52)와, 시나리오 개수와 시나리오의 형태를 미리 지정해주는 감독 군집기법 또는 자동으로 일정한 군집분류 임계치를 설정하고 시나리오 개수 및 형태를 무감독 군집기법을 사용하여 유사 패턴을 분류하는 유사패턴 분류부(53)와, 분류된 기상장 패턴 시나리오에서 시나리오 당 배열이 유사한 1차원 벡터시퀀스들은 각 요소 엘리먼트의 값들끼리 평균하여 하나의 대표 벡터시퀀스를 구하는 유사패턴 범주화를 수행하는 유사패턴 범주화부(54)와, 기상장 패턴 시나리오를 도출하는 시나리오 도출부(55)를 포함한다.
이와 같은 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법은 다음과 같다.
도 4는 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법을 나타낸 플로우 차트이다.
먼저, 기상장 관심 영역의 설정 및 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행한다.(S401)
이어, 상세 영역내 2/3차원 기상장의 1차원 벡터화를 수행하고(S402), 각 중역내의 상세역 1차원 벡터들로부터 각 중역벡터 계산을 수행한다.(S403)
그리고 광역내의 중역 대표 벡터들로부터 각 광역벡터 계산을 수행하고(S404), 전역내의 광역 대표 벡터들로부터 전역 벡터 계산을 수행한다.(S405)
이어, 과거 기상 모델의 모든 후측자료에 대한 1차원 기상장벡터 시퀀스 데이터베이스 생성을 수행한다.(S406)
그리고 1차원 벡터시퀀스 DB를 검색하여 영역별 가중치 부여, 유사패턴 분류 및 유사패턴 범주화를 수행하여 기상장 패턴 시나리오를 도출한다.(S407)
이와 같은 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법의 바람직한 실시 예를 구체적으로 설명한다.
도 5는 기상장 관심 영역의 설정 방법의 일 예를 나타낸 구성도이고, 도 6은 관심 영역의 4단계 구역화 방법의 일 예를 나타낸 구성도이다.
그리고 도 7은 한 구역내 2/3차원 기상장의 1차원 벡터화를 나타낸 구성도이다.
우리나라 영토를 포함하는 주변 영역에 대해서 과거 상당기간(예, 35년) 생산된 기상모델의 예측 또는 후측자료가 있다. 이 기상모델의 기상장 예측자료량은 막대하여 검색 및 활용이 용이하지 않다.
따라서, 본 발명은 과거 기상장의 예측자료를 간략화하여 범주화하고 체계화시켜 DB화하여 검색 및 활용이 용이하도록 한다.
도 1은 기상장 패턴의 범주화 과정을 나타낸 것으로, 이와 같이 과거 기상장 예측자료로부터 기상장 패턴을 범주화하기 이전에 다음의 두 가지 작업이 선행되어야 한다.
먼저, 기상장 관심영역의 설정이 필요하다.
기상장 예측자료가 생산되는 기상모델 격자체계로부터 기상 패턴이 자연재해의 발생에 영향을 미칠 수 있는 범위를 고려하여 관심영역을 설정한다.
도 5는 기상모델(예, WRF모델)의 격자체계(격자간격: 9 km) 내에서 동해지역에 관한 관심영역을 설정한 예를 나타낸 것이다.
관심영역은 계산의 편리성을 위해서 가로 및 세로의 격자 개수가 4의 배수가 되도록 128 × 128 개가 되도록 설정한다.
그리고 관심영역의 4단계 구역화가 필요하다.
해상풍의 패턴을 체계적으로 범주화하고 DB화가 용이하도록 하기 위해서는 도 6에서와 같이, 전역, 광역, 중역 및 상세역 등 4단계로 구역화할 필요가 있다.
각 단계별 구역의 크기는 편리성을 위한 것으로 물리적 또는 계산적인 필요에 따라 영역크기, 구역화 단계 등 달리 설정할 수 있다.
기상장 패턴의 범주화 과정은 이와 같이 4개의 구역체계를 단계적으로 거치게 되면, 패턴의 분류 및 범주화를 용이하게 할 수 있다.
한편, 기상장의 패턴을 범주화하는 과정에서는 2/3차원 기상장 벡터장을 1차원 벡터로 단순화하여 변환시키는 작업이 요구된다.
본 발명에서의 한 구역내 2/3차원 기상장의 1차원 벡터화를 설명하면 다음과 같다.
기상모델에서 예측되는 기상장 중에 해상풍처럼 방향 및 크기를 갖는 2차원 벡터의 형태로 표현되는 것과 기온, 습도 등 크기로만 표현되는 것이 있다.
우선, 해상풍과 같이 2차원 벡터 형태를 1차원 벡터로 변환시키는 방법은 다음과 같다.
해상풍은 수평면에서 u-방향 성분과 v-방향 성분을 갖는 2차원 속도벡터(u,v)로 표현된다. 따라서, 한 구역내의 2차원 해상풍 벡터장은 2차원 평면내에서 공간적으로 표현이 가능하고, 디지털 자료의 DB로 저장할 경우도 일반적으로 2차원 어레이 형태로 저장하게 된다.
본 발명은 2차원 벡터장 자료의 크기를 줄이고 풍속장의 특성을 단순화하기 위해서, 1차원 벡터로 변환시키는 구성을 포함한다.
예를 들면, 도 7에서와 같이, 8 × 8 개의 격자로 이루어진 구역안에는 64개 격자셀의 벡터가 있다.
이 구역내의 풍속장을 1차원 벡터로 특징화하기 위해서, 풍속의 방향을 8개 방향에 대해서만 고려한다. 이 8개의 방향에 대해서 모든 64개 격자셀의 벡터들을 8개 방향에 대해서 성분분해를 하고, 각 방향에 대해서 누적 합을 구한다.
그런 다음 다시 각 방향에 대한 풍속 크기의 누적 합을 격자셀의 개수인 64로 나누어준다. 이로부터 이 구역에서의 8개 방향에 대한 풍속의 평균 크기를 구할 수 있다.
또한, 8개 방향에 대한 평균 풍속의 합은 이 구역이 가지는 대표 평균풍속이 된다.
본 발명의 실시 예에서는 풍속의 방향을 45°간격의 8개 방향에 대해서만 고려했으나, 경우에 따라서는 22.5°간격의 16개 방향에 대해서도 고려할 수 있음은 당연하다.
그리고 온도 등 크기로만 표현되는 기상량은 다음과 같은 방법으로 단순화 할 수 있다.
예를 들어, 온도의 경우에는 각 격자 위치에서 예측된 온도 값을 주변에 둘러싼 8개 주변 격자들에서의 온도값들과의 비교를 통하여 온도의 경사도와 경사방향 등 경사벡터를 구할 수 있다.
그러면, 해상풍의 경우와 마찬가지로 대상영역에서 2차원 벡터장을 생성할 수 있고 어레이 길이가 8인 1차원 어레이 벡터로 간략화하여 표현할 수 있다.
다음으로, 과거 기상장 예측(또는, 후측)자료로부터 기상장 패턴을 범주화하고, 기상장 패턴의 시나리오를 도출하는 과정을 설명하면 다음과 같다.
도 8은 2차원 해상풍장으로부터 1차원 벡터시퀀스의 생성을 나타낸 구성도이다.
그리고 도 9는 과거 해상풍 후측자료 DB로부터 1차원 벡터시퀀스의 DB 생성을 나타낸 구성도이고, 도 10은 과거 1차원 벡터시퀀스 DB로부터 해상풍 패턴 시나리오 도출 과정을 나타낸 구성도이다.
기상모델을 통하여 계산된 기상장의 모든 요소를 한 번에 고려할 수 있도록 같이 묶어서 범주화할 수도 있고, 또는, 기상장 요소들 중 개별적으로 요소별 패턴을 범주화할 수도 있다.
본 발명의 일 실시 예에서는 기상장 요소들 중에서 해상풍을 중심으로 설명하였으나, 이로 제한되지 않는다.
모든(또는 2~3 가지의) 요소들을 한 번에 고려할 수 있도록 묶는 경우는, 대상영역에서 1차원 어레이 형태로 변환된 각 기상장 요소의 1차원 벡터들을 해상풍-온도-습도-강우량 등의 순으로 배열시켜 이어붙이면 된다.
이 과정은 (i)하나의 2차원 해상풍 벡터장(또는 해상풍장)으로부터 1차원 해상풍 벡터시퀀스의 생성, (ii)과거 35년 모든 해상풍장에 대한 1차원 해상풍 벡터시퀀스의 DB 생성, (iii)과거 1차원 해상풍 벡터시퀀스의 DB로부터 유사한 패턴을 이루는 것들끼리 그룹화를 통한 해상풍 패턴 시나리의 도출과정으로 요약된다.
(i) 2차원 해상풍장으로부터 1차원 벡터시퀀스의 생성은 다음과 같다.
동해 해상풍장의 관심영역은 전역, 광역, 중역 및 상세역 등 4단계의 지역으로 구역화되어 있다.
하나의 2차원 해상풍장으로부터 생성된 1차원 벡터시퀀스는 도 8에서와 같이, 전역, 각 광역, 각 중역 및 각 상세역에 속한 풍속 벡터(u,v)들로부터 변환된 1차원 벡터들을 결합이다.
관심영역에서 1차원 벡터시퀀스는 전역 1개, 광역 4개, 중역 16개, 상세역 64개 등 총 85개 1차원 벡터들로 결합되어 있으며, 또한, 85 × 8 = 680 개의 벡터요소(elements)로 구성되어 있다.
하나의 2차원 해상풍장으로부터 1차원 벡터시퀀스를 생성하는데 시간을 줄이기 위해서 다음과 같은 절차로, 상세역에서부터 중역, 광역, 전역 순으로 1차원 벡터를 구할 수 있다.
(a)상세역내 2차원 벡터장의 1차원 벡터화, (b)각 중역내의 상세역 1차원 벡터들로부터 대표 벡터 계산, (c)광역내의 중역 대표 벡터들로부터 광역 대표 벡터 계산, (d)전역내의 광역 대표 벡터들로부터 전역 대표 벡터 계산의 순서로 1차원 벡터를 구한다.
(ii)과거 해상풍 후측자료 DB로부터 1차원 벡터시퀀스의 DB 생성은 다음과 같다.
과거 35년간 해상풍 후측(또는, 예측)자료가 매일 3시간마다 하나의 해상풍장이 생산될 경우, 이 후측자료의 DB에는 총 35 × 365 × 8 = 102,200 개의 해상풍장이 있다. 따라서, 이 후측자료의 DB로부터 총 102,200 개의 1차원 벡터시퀀스를 갖는 DB를 도 9에서와 같이 생성할 수 있다.
(iii)과거 1차원 벡터시퀀스 DB로부터 해상풍 패턴 시나리오 도출은 다음과 같다.
과거 해상풍 후측자료 DB 내에 해상풍장 1차원 벡터시퀀스 개수가 총 102,200 개가 있다.
이중에는 서로 완벽하게 일치하는 경우는 없을 수 있지만, 해상풍의 패턴이 유사한 것들이 중복되어 있다. 1차원 벡터시퀀스에서 전역 또는 광역에 해당하는 부분에서 벡터의 요소(elements) 배열들이 유사한 것들을 찾기가 쉽고, 중역과 상세역 부분에서는 서로 유사한 배열들을 찾기가 좀 더 어렵다.
과거 해상풍 DB의 1차원 벡터시퀀스 총 102,200개를 서로 유사한 것끼리 묶어 서로 다른 해상풍 시나리오로 재분류하는 방법으로, 시나리오 개수와 시나리오의 형태를 미리 지정해주는 감독 군집기법과 자동으로 일정한 군집분류 임계치를 설정하고 시나리오 개수 및 형태를 무감독 군집기법을 사용할 수 있다.
예를 들어, 도 10에서와 같이, 무감독기법으로 k-평균 군집분석 기법(k-means algorithm)의 사용이 가능하다.
또한, 전역과 광역에서의 배열 유사성에 가중치를 더 높게 줘서 재분류할 수 있다. 분류된 해상풍 패턴 시나리오에서 시나리오 당 배열이 유사한 1차원 벡터시퀀스들은 각 요소엘리먼트의 값들끼리 평균하여 하나의 대표 벡터시퀀스를 구한다.
그리고 해상풍 패턴 등 기상장의 시나리오별 자연재해의 발생범위 및 발생여부는 과거 해당 시나리오가 발생했을 당시 관측된 자연재해 관측자료로부터 도출된다.
군집으로 유사한 형태들로 재분류된 기상장의 각 시나리오는 과거 여러 번 유사한 해상풍 패턴이 발생했다는 것을 의미하고, 또한 어떤 특정 패턴에서 자연재해가 발생했을 경우 같은 시각에 그에 대한 피해에 관한 관측자료가 수집되었다는 것을 의미한다.
따라서, 시나리오별 관심영역의 자연재해의 예측은 과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균 등으로 계산되어 제시될 수 있다.
이상에서 설명한 바와 같이 본 발명에 따른 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법은 기상 수치모델 자료의 DB화 및 검색을 강화하여 신속하게 자연재해 현상의 발생 가능 여부를 경험적인 방법으로 예측할 수 있도록 한 것으로, 과거에 재해가 발생했던 피해사례 관측자료와 함께 그 당시의 기상 수치모델 자료의 기상패턴을 특징화 및 DB화하고 유사한 기상패턴 발생시에 특징화된 기상패턴을 활용하여 즉각적으로 피해 발생지역 및 발생 여부를 검출할 수 있도록 한 것이다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10. 대상 영역 구역화부
20. 1차원 기상장 벡터 시퀀스 생성부
30. 1차원 기상장 벡터 시퀀스 DB
40. 기상 모델 후측 자료 DB
50. 기상장 패턴 시나리오 도출부
60. 관측 자료 비교부
70. 자연 재해 유형 도출부
20. 1차원 기상장 벡터 시퀀스 생성부
30. 1차원 기상장 벡터 시퀀스 DB
40. 기상 모델 후측 자료 DB
50. 기상장 패턴 시나리오 도출부
60. 관측 자료 비교부
70. 자연 재해 유형 도출부
Claims (17)
- 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행하는 대상 영역 구역화부;
2/3차원 기상장의 1차원 기상장 벡터 시퀀스를 생성하는 1차원 기상장 벡터 시퀀스 생성부;
기상 모델 자료 DB를 활용하여 과거 기상 모델의 모든 자료에 대한 1차원 기상장 벡터 시퀀스 데이터베이스를 구축하는 1차원 기상장 벡터 시퀀스 DB;
1차원 벡터시퀀스 DB를 검색하는 1차원 벡터시퀀스 DB 검색부와, 검색된 1차원 벡터시퀀스를 영역별로 가중치를 부여하는 영역별 가중치 부여부와, 유사 패턴을 분류하는 유사패턴 분류부와, 유사패턴 범주화를 수행하는 유사패턴 범주화부와, 기상장 패턴 시나리오를 도출하는 시나리오 도출부를 포함하고, 1차원 벡터 시퀀스 DB를 검색하여 영역별 가중치 부여, 유사패턴 분류 및 유사패턴 범주화를 수행하여 기상장 패턴 시나리오를 도출하는 기상장 패턴 시나리오 도출부;
과거 자연 재해 발생 사례 및 관측 자료를 비교하는 관측 자료 비교부;
관측 자료 비교부의 비교 결과를 기준으로 시나리오별 자연재해 유형을 도출하는 자연재해 유형 도출부;를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 제 1 항에 있어서, 상기 1차원 기상장 벡터 시퀀스 생성부는,
상세역내 2/3차원 기상장의 1차원 벡터화를 수행하는 1차원 벡터화부와,
각 중역내의 상세역 1차원 벡터들로부터 각 중역벡터 계산을 수행하는 중역 벡터화부와,
광역내의 중역 대표 벡터들로부터 각 광역벡터 계산을 수행하는 광역 벡터화부와,
전역내의 광역 대표 벡터들로부터 전역 벡터 계산을 수행하는 전역 벡터화부를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 삭제
- 제 1 항에 있어서, 유사패턴 분류부는,
시나리오 개수와 시나리오의 형태를 미리 지정해주는 감독 군집기법 또는 자동으로 일정한 군집분류 임계치를 설정하고 시나리오 개수 및 형태를 무감독 군집기법을 사용하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 제 1 항에 있어서, 상기 유사패턴 범주화부는,
분류된 기상장 패턴 시나리오에서 시나리오 당 배열이 유사한 1차원 벡터시퀀스들은 각 요소엘리먼트의 값들끼리 평균하여 하나의 대표 벡터시퀀스를 구하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 제 1 항에 있어서, 자연재해 유형 도출을 위하여 사용되는 기상장 요소는,
해상풍, 온도, 습도, 강우량 요소를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 제 6 항에 있어서, 자연재해 유형 도출을 위하여 사용되는 기상장 요소가 해상풍, 온도, 습도, 강우량인 경우에는,
대상영역에서 1차원 어레이 형태로 변환된 각 기상장 요소의 1차원 벡터들을 해상풍-온도-습도-강우량의 순으로 배열시키는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 제 1 항에 있어서, 기상 모델 자료는,
과거 기상모델의 수치모델 후측 자료, 예측 자료, 재분석 자료를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 제 1 항에 있어서, 상기 자연재해 유형 도출부에서의 시나리오별 관심영역의 자연재해의 예측은,
과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균으로 계산되어 이루어지는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치. - 대상 영역 구역화부에서 기상 모델 격자 영역에서 패턴 특징화를 위한 영역의 구역화를 수행하는 단계;
1차원 기상장 벡터 시퀀스 생성부에서 2/3차원 기상장의 1차원 기상장 벡터 시퀀스를 생성하는 1차원 기상장 벡터 시퀀스 생성 단계;
1차원 기상장 벡터 시퀀스 DB에서 기상 모델 자료 DB를 활용하여 과거 기상 모델의 모든 자료에 대한 1차원 기상장 벡터 시퀀스 데이터베이스를 구축하는 단계;
기상장 패턴 시나리오 도출부에서 1차원 벡터시퀀스 DB를 검색하는 1차원 벡터시퀀스 DB 검색 단계와,검색된 1차원 벡터시퀀스를 영역별로 가중치를 부여하는 영역별 가중치 부여 단계와,유사 패턴을 분류하는 유사패턴 분류 단계와,유사패턴 범주화를 수행하는 유사패턴 범주화 단계와,기상장 패턴 시나리오를 도출하는 시나리오 도출 단계를 포함하는 기상장 패턴 시나리오 도출 단계;
관측 자료 비교부에서 과거 자연 재해 발생 사례 및 관측 자료를 비교하여 자연재해 유형 도출부에서 시나리오별 자연재해 유형을 도출하는 자연재해 유형 도출 단계;를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법. - 제 10 항에 있어서, 상기 1차원 기상장 벡터 시퀀스 생성 단계는,
상세역내 2/3차원 기상장의 1차원 벡터화를 수행하는 1차원 벡터화 단계와,
각 중역내의 상세역 1차원 벡터들로부터 각 중역벡터 계산을 수행하는 중역 벡터화 단계와,
광역내의 중역 대표 벡터들로부터 각 광역벡터 계산을 수행하는 광역 벡터화 단계와,
전역내의 광역 대표 벡터들로부터 전역 벡터 계산을 수행하는 전역 벡터화 단계를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법. - 삭제
- 제 10 항에 있어서, 유사패턴 분류 단계는,
시나리오 개수와 시나리오의 형태를 미리 지정해주는 감독 군집기법 또는 자동으로 일정한 군집분류 임계치를 설정하고 시나리오 개수 및 형태를 무감독 군집기법을 사용하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법. - 제 10 항에 있어서, 상기 유사패턴 범주화 단계는,
분류된 기상장 패턴 시나리오에서 시나리오 당 배열이 유사한 1차원 벡터시퀀스들은 각 요소엘리먼트의 값들끼리 평균하여 하나의 대표 벡터시퀀스를 구하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법. - 제 10 항에 있어서, 자연재해 유형 도출을 위하여 사용되는 기상장 요소가 해상풍, 온도, 습도, 강우량인 경우에는,
대상영역에서 1차원 어레이 형태로 변환된 각 기상장 요소의 1차원 벡터들을 해상풍-온도-습도-강우량의 순으로 배열시키는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법. - 제 10 항에 있어서, 기상 모델 자료는,
과거 기상모델의 수치모델 후측 자료, 예측 자료, 재분석 재료를 포함하는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법. - 제 10 항에 있어서, 상기 자연재해 유형 도출 단계에서의 시나리오별 관심영역의 자연재해의 예측은,
과거 해당 시나리오가 발생 당시 그 시점에서 관측된 과거자료로부터 최대, 최소, 평균으로 계산되어 이루어지는 것을 특징으로 하는 기상 수치모델 생산자료의 기상패턴 특징화를 위한 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160037729A KR101736915B1 (ko) | 2016-03-29 | 2016-03-29 | 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160037729A KR101736915B1 (ko) | 2016-03-29 | 2016-03-29 | 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101736915B1 true KR101736915B1 (ko) | 2017-05-29 |
Family
ID=59053265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160037729A KR101736915B1 (ko) | 2016-03-29 | 2016-03-29 | 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101736915B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019167A (zh) * | 2017-12-26 | 2019-07-16 | 中国电力科学研究院有限公司 | 一种中长期新能源资源资料库构建方法及系统 |
| KR102152433B1 (ko) | 2019-11-08 | 2020-09-04 | 한국해양과학기술원 | 연안수치모델링의 계산시간 단축을 위한 장치 및 방법 |
| CN113221949A (zh) * | 2021-04-13 | 2021-08-06 | 中国电力科学研究院有限公司 | 一种影响新能源出力的多尺度天气过程分类方法和系统 |
| CN114493171A (zh) * | 2021-12-31 | 2022-05-13 | 国网山东省电力公司临沂供电公司 | 一种动态增容设备安装选址方案生成方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101544536B1 (ko) * | 2014-05-09 | 2015-08-17 | 한국건설기술연구원 | Gis를 이용한 강우 정보 제공 장치 및 방법 |
-
2016
- 2016-03-29 KR KR1020160037729A patent/KR101736915B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101544536B1 (ko) * | 2014-05-09 | 2015-08-17 | 한국건설기술연구원 | Gis를 이용한 강우 정보 제공 장치 및 방법 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019167A (zh) * | 2017-12-26 | 2019-07-16 | 中国电力科学研究院有限公司 | 一种中长期新能源资源资料库构建方法及系统 |
| KR102152433B1 (ko) | 2019-11-08 | 2020-09-04 | 한국해양과학기술원 | 연안수치모델링의 계산시간 단축을 위한 장치 및 방법 |
| CN113221949A (zh) * | 2021-04-13 | 2021-08-06 | 中国电力科学研究院有限公司 | 一种影响新能源出力的多尺度天气过程分类方法和系统 |
| CN113221949B (zh) * | 2021-04-13 | 2024-03-29 | 中国电力科学研究院有限公司 | 一种影响新能源出力的多尺度天气过程分类方法和系统 |
| CN114493171A (zh) * | 2021-12-31 | 2022-05-13 | 国网山东省电力公司临沂供电公司 | 一种动态增容设备安装选址方案生成方法及系统 |
| CN114493171B (zh) * | 2021-12-31 | 2023-11-28 | 国网山东省电力公司临沂供电公司 | 一种动态增容设备安装选址方案生成方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Hybrid deep neural model for hourly solar irradiance forecasting | |
| KR101736915B1 (ko) | 기상 수치모델 생산자료의 기상패턴 특징화를 위한 장치 및 방법 | |
| Zhang et al. | Forecast of solar energy production-A deep learning approach | |
| Peleg et al. | Convective rain cells: Radar‐derived spatiotemporal characteristics and synoptic patterns over the eastern Mediterranean | |
| Terasaki et al. | Local ensemble transform Kalman filter experiments with the nonhydrostatic icosahedral atmospheric model NICAM | |
| CN115189356B (zh) | 基于大气环流稳定状态的风、光功率预测订正方法及装置 | |
| CN117132915A (zh) | 一种基于点云自动分类的输电线路树障隐患分析方法 | |
| Royé et al. | Spatial–temporal patterns of cloud-to-ground lightning over the northwest Iberian Peninsula during the period 2010–2015 | |
| Wang et al. | Nowcasting multicell short-term intense precipitation using graph models and random forests | |
| Liu et al. | A spatio-temporal modeling framework for weather radar image data in tropical Southeast Asia | |
| KR101736918B1 (ko) | 해상풍 수치모델 예측자료를 이용하는 해상파랑 직접 예측을 위한 장치 및 방법 | |
| Mouakkir et al. | Wave energy potential analysis in the casablanca-Mohammedia coastal area (Morocco) | |
| Manokij et al. | Forecasting Thailand’s precipitation with cascading model of CNN and GRU | |
| Guzman et al. | Heavier inner-core rainfall of major hurricanes in the North Atlantic Basin than in other global basins | |
| Yamazaki et al. | Using observations near the poles in the AFES-LETKF data assimilation system | |
| Ma et al. | Anomaly Detection of Mountain Photovoltaic Power Plant Based on Spectral Clustering | |
| Sá et al. | Recurrent self-organizing map for severe weather patterns recognition | |
| CN117665974A (zh) | 海雾及低云覆盖二维分布场预报方法及系统 | |
| Gartsman et al. | Analysis of the structure of river systems and the prospects for modeling hydrological processes | |
| Hwang et al. | Study on dimensionality reduction for sea-level variations by using altimetry data around the East Asia coasts | |
| Mihai et al. | Analyzing meteorological data using unsupervised learning techniques | |
| Alves et al. | Lightning Warning Prediction with Multi-source Data | |
| Dror et al. | Convective steady state in shallow cloud fields | |
| Curtis et al. | An analysis of the lightning jump algorithm using geostationary lightning mapper flashes | |
| CN114818464A (zh) | 一种基于测站的网格雨量计算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20160329 |
|
| PA0201 | Request for examination | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20170321 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20170426 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20170511 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20170511 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20200413 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20210322 Start annual number: 5 End annual number: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20230321 Start annual number: 7 End annual number: 7 |