KR102056805B1 - 데이터 분석 기반의 강수량 예측 장치 및 방법 - Google Patents

데이터 분석 기반의 강수량 예측 장치 및 방법 Download PDF

Info

Publication number
KR102056805B1
KR102056805B1 KR1020170091317A KR20170091317A KR102056805B1 KR 102056805 B1 KR102056805 B1 KR 102056805B1 KR 1020170091317 A KR1020170091317 A KR 1020170091317A KR 20170091317 A KR20170091317 A KR 20170091317A KR 102056805 B1 KR102056805 B1 KR 102056805B1
Authority
KR
South Korea
Prior art keywords
average
precipitation
value
different regions
years
Prior art date
Application number
KR1020170091317A
Other languages
English (en)
Other versions
KR20190009505A (ko
Inventor
최진탁
서지훈
Original Assignee
인천대학교 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 인천대학교 산학협력단 filed Critical 인천대학교 산학협력단
Priority to KR1020170091317A priority Critical patent/KR102056805B1/ko
Publication of KR20190009505A publication Critical patent/KR20190009505A/ko
Application granted granted Critical
Publication of KR102056805B1 publication Critical patent/KR102056805B1/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
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Environmental Sciences (AREA)
  • Computational Mathematics (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Remote Sensing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Hydrology & Water Resources (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

데이터 분석 기반의 강수량 예측 장치 및 방법이 개시된다. 본 발명은 과거의 연간 강수량 수치 데이터의 변화 추이에 대한 분석을 통해 미래의 강수량 수치에 대한 예측을 수행함으로써, 기후 변화에 따른 가뭄이나 홍수에 미리 대비할 수 있도록 지원할 수 있는 강수량 예측 기법을 제공할 수 있다.

Description

데이터 분석 기반의 강수량 예측 장치 및 방법{DATA ANALYSIS BASED PRECIPITATION FORECASTING APPARATUS AND METHOD}
본 발명은 과거의 강수량 수치 데이터의 분석에 기반하여 미래의 강수량에 대한 예측을 수행할 수 있는 장치 및 방법에 대한 것이다.
최근, 기후 변화가 급속도로 발생하면서, 산업 분야나 농업 분야에서 환경적 변화로 인한 다양한 문제를 일으키고 있다. 기후 변화에 따른 가장 큰 문제 중 하나로 강수량 부족이나 증가로 인한 가뭄 또는 홍수의 피해가 존재한다.
국내의 경우, 최근 강수량이 평년 강수량에 미치지 못하여 농업 용수나 산업 용수, 생활 용수의 부족을 야기하여 막대한 경제적인 피해를 일으키고 있다.
또한, 댐이나 저수지의 저수 용량을 초과하는 갑작스러운 강수량의 증가는 홍수를 일으킬 수 있어서, 많은 이재민을 발생시킬 수 있다.
미래에는 환경오염 등으로 인해 기후 변화의 속도가 가속화될 수 있다는 점에서, 미래 강수량의 예측을 통해서, 홍수나 가뭄에 미리 대비할 수 있는 강수량 예측 시스템의 도입이 필요하다.
특히, 하루, 일주일, 한 달 단위와 같은 단기 미래의 강수량 예측이 아니라, 과거의 연간 강수량 수치 데이터의 분석을 통해서, 5년후, 10년후 등과 같이 장기 미래의 강수량 예측을 수행할 수 있는 알고리즘의 도입을 통해 장기적 관점에서 기후 변화에 따른 가뭄이나 홍수에 미리 대비할 수 있도록 지원할 수 있는 강수량 예측 기법의 연구가 필요하다.
본 발명은 과거의 연간 강수량 수치 데이터의 변화 추이에 대한 분석을 통해 미래의 강수량 수치에 대한 예측을 수행함으로써, 기후 변화에 따른 가뭄이나 홍수에 미리 대비할 수 있도록 지원할 수 있는 강수량 예측 기법을 제공하고자 한다.
본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 장치는 현재 시점으로부터 과거
Figure 112017069074918-pat00001
- p는 3이상의 자연수이고, n은 2이상의 자연수임 - 년 동안의 복수의 서로 다른 지역들 별 연간 강수량 수치 데이터들이 저장되어 있는 강수량 수치 데이터베이스, 상기 강수량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
Figure 112017069074918-pat00002
년 동안의 연간 강수량 수치 데이터들로부터 n년 단위로 평균 강수량 수치 값을 연산함으로써, p개의 n년 단위의 평균 강수량 수치 값들인 kt - t는
Figure 112017069074918-pat00003
를 만족하는 자연수이고, p개의 n년 단위의 평균 강수량 수치 값들의 순번을 의미함 - 를 생성하는 평균 강수량 연산부, 상기 복수의 서로 다른 지역들 별로 연산된 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt를 기초로, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 p-1개의 변화량들을 연산한 후 상기 p-1개의 변화량들에 대한 평균 변화량을 연산하는 평균 변화량 연산부 및 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p번째 평균 강수량 수치 값인 kp에 대해 상기 평균 변화량을 합산하여 p+1번째에 해당되는 평균 예측 강수량 수치 값인 estkp +1을 연산하고, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp + 1를 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정하는 강수량 예측부를 포함한다.
또한, 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법은 현재 시점으로부터 과거
Figure 112017069074918-pat00004
- p는 3이상의 자연수이고, n은 2이상의 자연수임 - 년 동안의 복수의 서로 다른 지역들 별 연간 강수량 수치 데이터들이 저장되어 있는 강수량 수치 데이터베이스를 유지하는 단계, 상기 강수량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
Figure 112017069074918-pat00005
년 동안의 연간 강수량 수치 데이터들로부터 n년 단위로 평균 강수량 수치 값을 연산함으로써, p개의 n년 단위의 평균 강수량 수치 값들인 kt - t는
Figure 112017069074918-pat00006
를 만족하는 자연수이고, p개의 n년 단위의 평균 강수량 수치 값들의 순번을 의미함 - 를 생성하는 단계, 상기 복수의 서로 다른 지역들 별로 연산된 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt를 기초로, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 p-1개의 변화량들을 연산한 후 상기 p-1개의 변화량들에 대한 평균 변화량을 연산하는 단계 및 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p번째 평균 강수량 수치 값인 kp에 대해 상기 평균 변화량을 합산하여 p+1번째에 해당되는 평균 예측 강수량 수치 값인 estkp +1을 연산하고, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp + 1를 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정하는 단계를 포함한다.
본 발명은 과거의 연간 강수량 수치 데이터의 변화 추이에 대한 분석을 통해 미래의 강수량 수치에 대한 예측을 수행함으로써, 기후 변화에 따른 가뭄이나 홍수에 미리 대비할 수 있도록 지원할 수 있는 강수량 예측 기법을 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 장치의 구조를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 장치를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법을 도시한 순서도이다.
이하에서는 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명하기로 한다. 이러한 설명은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였으며, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서 상에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 사람에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
도 1은 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 장치의 구조를 도시한 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 장치(110)는 강수량 수치 데이터베이스(111), 평균 강수량 연산부(112), 평균 변화량 연산부(113) 및 강수량 예측부(114)를 포함한다.
강수량 수치 데이터베이스(111)에는 현재 시점으로부터 과거
Figure 112017069074918-pat00007
(p는 3이상의 자연수이고, n은 2이상의 자연수)년 동안의 복수의 서로 다른 지역들 별 연간 강수량 수치 데이터들이 저장되어 있다.
평균 강수량 연산부(112)는 강수량 수치 데이터베이스(111)를 참조하여 상기 복수의 서로 다른 지역들 별로,
Figure 112017069074918-pat00008
년 동안의 연간 강수량 수치 데이터들로부터 n년 단위로 평균 강수량 수치 값을 연산함으로써, p개의 n년 단위의 평균 강수량 수치 값들인 kt(t는
Figure 112017069074918-pat00009
를 만족하는 자연수이고, p개의 n년 단위의 평균 강수량 수치 값들의 순번을 의미함)를 생성한다.
평균 변화량 연산부(113)는 상기 복수의 서로 다른 지역들 별로 연산된 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt를 기초로, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 p-1개의 변화량들을 연산한 후 상기 p-1개의 변화량들에 대한 평균 변화량을 연산한다.
강수량 예측부(114)는 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p번째 평균 강수량 수치 값인 kp에 대해 상기 평균 변화량을 합산하여 p+1번째에 해당되는 평균 예측 강수량 수치 값인 estkp +1을 연산하고, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp+1를 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정한다.
이때, 본 발명의 일실시예에 따르면, 데이터 분석 기반의 강수량 예측 장치(110)는 예측 강수량 연산부(115), 오차 연산부(116) 및 가중 평균 연산부(117)를 더 포함할 수 있다.
예측 강수량 연산부(115)는 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p-q(q는
Figure 112017069074918-pat00010
를 만족하는 자연수)번째 평균 강수량 수치 값인 kp -q에서부터 p-1번째 평균 강수량 수치 값인 kp -1까지에 대해 각각 상기 평균 변화량을 합산하여 p-q+1번째 평균 예측 강수량 수치 값인 estkp -q+1에서부터 p번째 평균 예측 강수량 수치 값인 estkp까지의 평균 예측 강수량 수치 값들을 연산한다.
오차 연산부(116)는 상기 복수의 서로 다른 지역들 별로, 상기 연산된 p-q+1번째 평균 예측 강수량 수치 값인 estkp -q+1에서부터 p번째 평균 예측 강수량 수치 값인 estkp 각각에 대해, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p-q+1번째 평균 강수량 수치 값인 kp -q+1에서부터 p번째 평균 강수량 수치 값인 kp 각각과의 오차들을 연산한다.
가중 평균 연산부(117)는 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p-q+1번째 평균 강수량 수치 값인 kp -q+1에서부터 p번째 평균 강수량 수치 값인 kp까지에 대해 각각 선정된(predetermined) 가중치들(상기 선정된 가중치들의 합은 1임)이 미리 할당되어 있는 가중치 테이블을 참조하여, 상기 복수의 서로 다른 지역들 별로, 상기 연산된 오차들에 대해 각 오차들의 연산에 사용된 평균 강수량 수치 값에 대응되는 가중치를 고려한 가중 평균을 연산한다.
이때, 강수량 예측부(114)는 상기 복수의 서로 다른 지역들 별로 상기 p+1번째 평균 예측 강수량 수치 값인 estkp +1의 연산이 완료되면, 상기 복수의 서로 다른 지역들 별로, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp +1에 대해 상기 가중 평균을 합산하여 상기 가중 평균이 합산된 p+1번째 평균 예측 강수량 수치 값인 estk'p+1을 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정할 수 있다.
이때, 본 발명의 일실시예에 따르면, 데이터 분석 기반의 강수량 예측 장치(110)는 테이블 유지부(118)를 더 포함할 수 있다.
테이블 유지부(118)는 상기 복수의 서로 다른 지역들 별로 각 지역의 특성에 기초하여 미리 정해진 서로 다른 강수 보정 가중치들이 대응되어 기록되어 있는 강수 보정 가중치 테이블을 저장하여 유지한다.
이때, 강수량 예측부(114)는 상기 복수의 서로 다른 지역들 별로 상기 p+1번째 평균 예측 강수량 수치 값인 estkp +1의 연산이 완료되면, 상기 복수의 서로 다른 지역들 별로, 상기 강수 보정 가중치 테이블을 참조하여 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp +1에 대해 각 지역에 대응하는 강수 보정 가중치를 곱하여 상기 p+1번째 평균 예측 강수량 수치 값인 estkp + 1에 대한 보정을 수행한 후 상기 복수의 서로 다른 지역들 별로, 상기 보정된 p+1번째 평균 예측 강수량 수치 값인 estkp +1에 대해 상기 가중 평균을 합산하여 상기 가중 평균이 합산된 p+1번째 평균 예측 강수량 수치 값인 estk'p +1을 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정할 수 있다.
또한, 본 발명의 일실시예에 따르면, 데이터 분석 기반의 강수량 예측 장치(110)는 예측 강수량 출력부(119)를 더 포함할 수 있다.
예측 강수량 출력부(119)는 상기 복수의 서로 다른 지역들 별로, 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 결정이 완료되면, 상기 복수의 서로 다른 지역들 별로 결정된 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치를 디스플레이를 통해 출력한다.
이하에서는 도 2를 참조하여, 본 발명에 따른 데이터 분석 기반의 강수량 예측 장치(110)의 동작에 대해 예를 들어 상세히 설명하기로 한다.
도 2는 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 장치(110)를 설명하기 위한 도면이다.
우선, "p=6, n=5"라고 하는 경우, 강수량 수치 데이터베이스(111)에는 도 2에 도시된 데이터와 같이, 연간 강수량 수치 데이터들이 복수의 서로 다른 지역들 별로 구분되어 저장되어 있을 수 있다. 여기서, 가로축은 연도를 의미하고, 세로축은 연간 강수량 수치를 의미한다.
도 2에 도시된 연간 강수량 수치 데이터는 상기 복수의 서로 다른 지역들 중 특정 지역에 대한 연간 강수량 수치 데이터인 것으로 가정하고, 해당 지역을 중심으로 본 발명에 따른 데이터 분석 기반의 강수량 예측 장치(110)의 동작을 설명하기로 한다.
평균 강수량 연산부(112)는 강수량 수치 데이터베이스(111)를 참조하여 30년 동안의 연간 강수량 수치 데이터들로부터 5년 단위로 평균 강수량 수치를 연산함으로써, 총 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6을 생성할 수 있다.
그리고, 평균 변화량 연산부(113)는 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6을 기초로, 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 5개의 변화량들을 연산할 수 있다.
즉, 평균 변화량 연산부(113)는 k1과 k2 간의 수치 값에 대한 변화량 1과 k2와 k3 간의 수치 값에 대한 변화량 2, k3와 k4 간의 수치 값에 대한 변화량 3, k4와 k5 간의 수치 값에 대한 변화량 4 및 k5와 k6 간의 수치 값에 대한 변화량 5를 연산할 수 있다.
그러고 나서, 평균 변화량 연산부(113)는 상기 5개의 변화량들인 변화량 1, 변화량 2, 변화량 3, 변화량 4, 변화량 4, 변화량 5에 대한 평균 변화량을 연산할 수 있다.
이렇게, 상기 평균 변화량의 연산이 완료되면, 강수량 예측부(114)는 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6 중 6번째 평균 강수량 수치 값인 k6에 대해 상기 평균 변화량을 합산하여 현재 시점으로부터 추후 5년 단위의, 즉 7번째에 해당되는 평균 예측 강수량 수치 값인 estk7을 연산할 수 있고, 상기 연산된 7번째 평균 예측 강수량 수치 값인 estk7을 상기 현재 시점으로부터 5년 후의 연간 예측 강수량 수치로 결정할 수 있다.
이때, 강수량 예측부(114)가 k6에 대해 상기 평균 변화량을 합산한 결과 값을 현재 시점으로부터 5년후의 연간 예측 강수량 수치로 결정하는 것은 실제 데이터와의 오차 발생 가능성이 존재한다는 점에서, 본 발명에 따른 데이터 분석 기반의 강수량 예측 장치(110)는 강수량 수치 데이터베이스(111) 상에 저장되어 있는 연간 강수량 수치 데이터를 이용해서, 지금까지 설명한 강수량 예측 기법에 따른 예측 강수량과 실제 강수량 간의 오차를 연산한 후 해당 오차에 따라, 상기 k6에 대해 상기 평균 변화량을 합산한 결과 값을 보정함으로써, 보다 정확한 강수량 예측이 가능하도록 하는 구성을 더 포함할 수 있다.
관련해서, 예측 강수량 연산부(115)는 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6 중 p-q번째 평균 강수량 수치 값인 kp -q에서부터 p-1번째 평균 강수량 수치 값인 kp -1까지에 대해 각각 상기 평균 변화량을 합산하여 p-q+1번째 평균 예측 강수량 수치 값인 estkp -q+1에서부터 p번째 평균 예측 강수량 수치 값인 estkp까지의 평균 예측 강수량 수치 값들을 연산할 수 있다.
여기서, q를 3이라고 하는 경우, 예측 강수량 연산부(115)는 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6 중 3번째 평균 강수량 수치 값인 k3에서부터 5번째 평균 강수량 수치 값인 k5까지에 대해 각각 상기 평균 변화량을 합산하여 4번째 평균 예측 강수량 수치 값인 estk4에서부터 6번째 평균 예측 강수량 수치 값인 estk6까지를 연산할 수 있다.
즉, 예측 강수량 연산부(115)는 k3에 대해 상기 평균 변화량을 합산하여 estk4를 연산할 수 있고, k4에 대해 상기 평균 변화량을 합산하여 estk5를 연산할 수 있으며, k5에 대해 상기 평균 변화량을 합산하여 estk6을 연산할 수 있다.
그 이후, 오차 연산부(116)는 상기 연산된 4번째 평균 예측 강수량 수치 값인 estk4, 상기 연산된 5번째 평균 예측 강수량 수치 값인 estk5 및 상기 연산된 6번째 평균 예측 강수량 수치 값인 estk6 각각에 대해, 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6 중 4번째 평균 강수량 수치 값인 k4, 5번째 평균 강수량 수치 값인 k5 및 6번째 평균 강수량 수치 값인 k6 각각과의 오차들을 연산할 수 있다.
즉, 오차 연산부(116)는 estk4와 k4 간의 오차 1, estk5와 k5간의 오차 2 및 estk6과 k6간의 오차 3을 연산할 수 있다.
이렇게, 오차의 연산이 완료되면, 가중 평균 연산부(117)는 상기 6개의 5년 단위의 평균 강수량 수치 값들인 k1, k2, k3, k4, k5, k6 중 k4, k5, k6에 대해 각각 선정된 가중치들(상기 선정된 가중치들의 합은 1임)이 미리 할당되어 있는 가중치 테이블을 참조하여, 상기 연산된 오차들인 오차 1, 오차 2, 오차 3에 대해 각 오차들의 연산에 사용된 평균 강수량 수치 값에 대응되는 가중치를 고려한 가중 평균을 연산할 수 있다.
여기서, 가중 평균이란 N개의 수치의 평균 값을 구할 때 중요도나 영향도에 해당하는 각각의 가중치를 곱하여 구한 평균 값을 의미하는 것으로 하기의 수학식 1과 같이 연산될 수 있다.
Figure 112017069074918-pat00011
여기서, Aw는 가중 평균, xk는 자료, wk는 각 자료들에 할당되어 있는 가중치를 의미한다.
만약, 상기 가중치 테이블 상에서 k4에 대해서는 w1이라는 가중치가 할당되어 있고, k5에 대해서는 w2라는 가중치가 할당되어 있으며, k6에 대해서는 w3이라는 가중치가 할당되어 있고, w1, w2, w3의 합이 1이라면, 가중 평균 연산부(117)는 오차 1에 대해 w1을 곱하고, 오차 2에 대해 w2를 곱하며, 오차 3에 대해 w3을 곱하여 가중 평균을 연산할 수 있다.
지금까지 설명한 가중 평균은 평균 강수량 연산부(112), 평균 변화량 연산부(113) 및 강수량 예측부(114)를 통해서 다음 5년 동안의 예측 평균 강수량 수치 값을 연산하는 연산 과정이 실제 5년 동안의 평균 강수량 수치 값과 얼마나 오차를 발생시키는 확인하기 위한 인자로, 각 오차들에 대한 단순 산술 평균을 이용한 것이 아니라 가중 평균을 이용함으로써, 각 오차들 간의 중요도를 고려(예컨대, 최근 데이터에 대한 오차에 대해 더 높은 중요도의 가중치를 할당)하도록 설계되어 있다.
이렇게, 상기 가중 평균의 연산이 완료되면, 강수량 예측부(114)는 앞서 연산된 7번째 평균 예측 강수량 수치 값인 estk7에 대해 상기 가중 평균을 합산하여 상기 가중 평균이 합산된 7번째 평균 예측 강수량 수치 값인 estk'7을 연산할 수 있고, 상기 연산된 estk'7을 상기 현재 시점으로부터 5년 후의 연간 예측 강수량 수치로 결정함으로써, 보다 정확한 강수량 예측이 가능하도록 지원할 수 있다.
이때, 본 발명의 일실시예에 따르면, 데이터 분석 기반의 강수량 예측 장치(110)는 강수량 예측부(114)에서 예측되는 예측 강수량 수치를 각 지역 별 특징을 반영해서 예측하기 위해, 복수의 서로 다른 지역들 별로 각 지역의 특성에 기초하여 미리 정해진 서로 다른 강수 보정 가중치들이 대응되어 기록되어 있는 강수 보정 가중치 테이블을 저장하여 유지하는 테이블 유지부(118)를 더 포함할 수 있다.
이때, 강수량 예측부(114)는 각 지역들 별로 강수량 수치 데이터베이스(111)에 저장되어 있는 데이터들을 이용해서 7번째 평균 예측 강수량 수치 값인 estk7의 연산을 완료하면, 상기 강수 보정 가중치 테이블을 참조하여 estk7에 대해 대응되는 지역에 대한 강수 보정 가중치를 곱하여 보정된 estk7을 연산한 후 상기 보정된 estk7에 대해 앞서 가중 평균 연산부(117)에서 연산된 상기 가중 평균을 합산함으로써, 상기 가중 평균이 합산된 7번째 평균 예측 강수량 수치 값인 estk'7을 연산할 수 있고, 상기 연산된 estk'7을 상기 현재 시점으로부터 5년 후의 연간 예측 강수량 수치로 결정할 수 있다.
이렇게, 상기 현재 시점으로부터 5년 후의 연간 예측 강수량 수치의 결정이 완료되면, 예측 강수량 출력부(119)는 상기 현재 시점으로부터 5년 후의 연간 예측 강수량 수치를 디스플레이를 통해 출력함으로써, 관리자가 5년 후의 예측 강수량 수치를 확인할 수 있도록 지원할 수 있다.
지금까지 도 2를 이용하여 본 발명에 따른 데이터 분석 기반의 강수량 예측 장치(110)의 동작에 대해 예를 들어 상세히 설명하였다. 이하에서는 도 1을 참조하여, 본 발명에 따른 데이터 분석 기반의 강수량 예측 장치(110)의 구조에 대해 계속 설명하기로 한다.
본 발명의 일실시예에 따르면, 데이터 분석 기반의 강수량 예측 장치(110)는 저수 용량 수치 데이터베이스(120), 평균 저수 용량 연산부(121), 비율 평균 연산부(122), 제1 비율 연산부(123) 및 홍수 예측 출력부(124)를 더 포함할 수 있다.
저수 용량 수치 데이터베이스(120)에는 현재 시점으로부터 과거
Figure 112017069074918-pat00012
년 동안의 상기 복수의 서로 다른 지역들 별 연간 저수 용량 수치 데이터들이 저장되어 있다.
평균 저수 용량 연산부(121)는 저수 용량 수치 데이터베이스(120)를 참조하여 상기 복수의 서로 다른 지역들 별로,
Figure 112017069074918-pat00013
년 동안의 연간 저수 용량 수치 데이터들로부터 n년 단위로 평균 저수 용량 수치 값을 연산함으로써, p개의 n년 단위의 평균 저수 용량 수치 값들인 si(i는
Figure 112017069074918-pat00014
를 만족하는 자연수이고, p개의 n년 단위의 평균 저수 용량 수치 값들의 순번을 의미함)를 생성한다.
비율 평균 연산부(122)는 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 각각에 대한 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 각각의 비율들을 연산하고, 상기 연산된 비율들의 평균을 연산한다.
예컨대, p가 6, n이 5라고 하는 경우, 평균 저수 용량 연산부(121)에서 연산된 5년 단위의 평균 저수 용량 수치 값들은 s1, s2, s3, s4, s5, s6이 될 수 있고, 평균 강수량 연산부(112)에서 연산된 5년 단위의 평균 강수량 수치 값들은 k1, k2, k3, k4, k5, k6이 될 수 있다. 이때, 비율 평균 연산부(122)는 s1에 대한 k1의 비율, s2에 대한 k2의 비율, s3에 대한 k3의 비율, s4에 대한 k4의 비율, s5에 대한 k5의 비율 및 s6에 대한 k6의 비율을 연산한 후, 각 비율들의 평균을 연산할 수 있다.
제1 비율 연산부(123)는 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 중 p번째 평균 저수 용량 수치 값인 sp에 대한 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 제1 비율을 연산한다.
예컨대, 강수량 예측부(114)에서 결정된 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치를 E라고 하는 경우, 제1 비율 연산부(123)는 sp에 대한 E의 제1 비율을 연산할 수 있다.
홍수 예측 출력부(124)는 상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제1 기준치(상기 제1 기준치는 홍수 예측을 위해서 미리 설정된 1을 초과하는 값임)를 곱한 값을 초과하는 것으로 판단되는 경우, 상기 디스플레이를 통해 홍수 예측 경보 메시지를 출력한다.
예컨대, 상기 제1 기준치가 2.5라고 하는 경우, 홍수 예측 출력부(124)는 상기 제1 비율이 비율 평균 연산부(122)에서 연산된 상기 비율들의 평균에 대해 2.5를 곱한 값을 초과하는 것으로 판단되면, 상기 디스플레이를 통해 홍수 예측 경보 메시지를 출력할 수 있다.
이때, 본 발명의 일실시예에 따르면, 데이터 분석 기반의 강수량 예측 장치(110)는 가뭄 예측 출력부(125)를 더 포함할 수 있다.
가뭄 예측 출력부(125)는 상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제2 기준치(상기 제2 기준치는 가뭄 예측을 위해서 미리 설정된 1 미만의 값임)를 곱한 값 미만이 되는 것으로 판단되는 경우, 상기 디스플레이를 통해 가뭄 예측 경보 메시지를 출력한다.
예컨대, 상기 제2 기준치가 0.5라고 하는 경우, 가뭄 예측 출력부(125)는 상기 제1 비율이 비율 평균 연산부(122)에서 연산된 상기 비율들의 평균에 대해 0.5를 곱한 값 미만이 되는 것으로 판단되면, 상기 디스플레이를 통해 가뭄 예측 경보 메시지를 출력할 수 있다.
결국, 본 발명에 따른 데이터 분석 기반의 강수량 예측 장치(110)는 과거의 저수 용량 데이터와 강수량 수치 데이터 간의 비율과 대비하여 예측 강수량 수치의 저수 용량에 대한 비율이 너무 높거나 낮은 경우, 홍수 또는 가뭄 예측 경보 메시지를 출력함으로써, 관리자가 강수량 수치 예측에 기반하여 홍수 또는 가뭄에 미리 대비할 수 있도록 지원할 수 있다.
도 3은 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법을 도시한 순서도이다.
단계(S310)에서는 현재 시점으로부터 과거
Figure 112017069074918-pat00015
(p는 3이상의 자연수이고, n은 2이상의 자연수임)년 동안의 복수의 서로 다른 지역들 별 연간 강수량 수치 데이터들이 저장되어 있는 강수량 수치 데이터베이스를 유지한다.
단계(S320)에서는 상기 강수량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
Figure 112017069074918-pat00016
년 동안의 연간 강수량 수치 데이터들로부터 n년 단위로 평균 강수량 수치 값을 연산함으로써, p개의 n년 단위의 평균 강수량 수치 값들인 kt(t는
Figure 112017069074918-pat00017
를 만족하는 자연수이고, p개의 n년 단위의 평균 강수량 수치 값들의 순번을 의미함)를 생성한다.
단계(S330)에서는 상기 복수의 서로 다른 지역들 별로 연산된 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt를 기초로, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 p-1개의 변화량들을 연산한 후 상기 p-1개의 변화량들에 대한 평균 변화량을 연산한다.
단계(S340)에서는 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p번째 평균 강수량 수치 값인 kp에 대해 상기 평균 변화량을 합산하여 p+1번째에 해당되는 평균 예측 강수량 수치 값인 estkp +1을 연산하고, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp + 1를 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정한다.
이때, 본 발명의 일실시예에 따르면, 상기 데이터 분석 기반의 강수량 예측 방법은 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p-q(q는
Figure 112017069074918-pat00018
를 만족하는 자연수임)번째 평균 강수량 수치 값인 kp -q에서부터 p-1번째 평균 강수량 수치 값인 kp -1까지에 대해 각각 상기 평균 변화량을 합산하여 p-q+1번째 평균 예측 강수량 수치 값인 estkp -q+1에서부터 p번째 평균 예측 강수량 수치 값인 estkp까지의 평균 예측 강수량 수치 값들을 연산하는 단계, 상기 복수의 서로 다른 지역들 별로, 상기 연산된 p-q+1번째 평균 예측 강수량 수치 값인 estkp -q+1에서부터 p번째 평균 예측 강수량 수치 값인 estkp 각각에 대해, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p-q+1번째 평균 강수량 수치 값인 kp -q+1에서부터 p번째 평균 강수량 수치 값인 kp 각각과의 오차들을 연산하는 단계 및 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p-q+1번째 평균 강수량 수치 값인 kp -q+1에서부터 p번째 평균 강수량 수치 값인 kp까지에 대해 각각 선정된 가중치들(상기 선정된 가중치들의 합은 1임)이 미리 할당되어 있는 가중치 테이블을 참조하여, 상기 복수의 서로 다른 지역들 별로, 상기 연산된 오차들에 대해 각 오차들의 연산에 사용된 평균 강수량 수치 값에 대응되는 가중치를 고려한 가중 평균을 연산하는 단계를 더 포함할 수 있다.
이때, 단계(S340)에서는 상기 복수의 서로 다른 지역들 별로 상기 p+1번째 평균 예측 강수량 수치 값인 estkp +1의 연산이 완료되면, 상기 복수의 서로 다른 지역들 별로, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp +1에 대해 상기 가중 평균을 합산하여 상기 가중 평균이 합산된 p+1번째 평균 예측 강수량 수치 값인 estk'p+1을 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정할 수 있다.
이때, 본 발명의 일실시예에 따르면, 상기 데이터 분석 기반의 강수량 예측 방법은 상기 복수의 서로 다른 지역들 별로 각 지역의 특성에 기초하여 미리 정해진 서로 다른 강수 보정 가중치들이 대응되어 기록되어 있는 강수 보정 가중치 테이블을 저장하여 유지하는 테이블 유지부를 유지하는 단계를 더 포함할 수 있다.
이때, 단계(S340)에서는 상기 복수의 서로 다른 지역들 별로 상기 p+1번째 평균 예측 강수량 수치 값인 estkp +1의 연산이 완료되면, 상기 복수의 서로 다른 지역들 별로, 상기 강수 보정 가중치 테이블을 참조하여 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp +1에 대해 각 지역에 대응하는 강수 보정 가중치를 곱하여 상기 p+1번째 평균 예측 강수량 수치 값인 estkp + 1에 대한 보정을 수행한 후 상기 복수의 서로 다른 지역들 별로, 상기 보정된 p+1번째 평균 예측 강수량 수치 값인 estkp +1에 대해 상기 가중 평균을 합산하여 상기 가중 평균이 합산된 p+1번째 평균 예측 강수량 수치 값인 estk'p +1을 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정할 수 있다.
또한, 본 발명의 일실시예에 따르면, 상기 데이터 분석 기반의 강수량 예측 방법은 상기 복수의 서로 다른 지역들 별로, 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 결정이 완료되면, 상기 복수의 서로 다른 지역들 별로 결정된 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치를 디스플레이를 통해 출력하는 단계를 더 포함할 수 있다.
이때, 본 발명의 일실시예에 따르면, 상기 데이터 분석 기반의 강수량 예측 방법은 현재 시점으로부터 과거
Figure 112017069074918-pat00019
년 동안의 상기 복수의 서로 다른 지역들 별 연간 저수 용량 수치 데이터들이 저장되어 있는 저수 용량 수치 데이터베이스를 유지하는 단계, 상기 저수 용량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
Figure 112017069074918-pat00020
년 동안의 연간 저수 용량 수치 데이터들로부터 n년 단위로 평균 저수 용량 수치 값을 연산함으로써, p개의 n년 단위의 평균 저수 용량 수치 값들인 si(i는
Figure 112017069074918-pat00021
를 만족하는 자연수이고, p개의 n년 단위의 평균 저수 용량 수치 값들의 순번을 의미함)를 생성하는 단계, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 각각에 대한 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 각각의 비율들을 연산하고, 상기 연산된 비율들의 평균을 연산하는 단계, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 중 p번째 평균 저수 용량 수치 값인 sp에 대한 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 제1 비율을 연산하는 단계 및 상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제1 기준치(상기 제1 기준치는 홍수 예측을 위해서 미리 설정된 1을 초과하는 값임)를 곱한 값을 초과하는 것으로 판단되는 경우, 상기 디스플레이를 통해 홍수 예측 경보 메시지를 출력하는 단계를 더 포함할 수 있다.
이때, 본 발명의 일실시예에 따르면, 상기 데이터 분석 기반의 강수량 예측 방법은 상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제2 기준치(상기 제2 기준치는 가뭄 예측을 위해서 미리 설정된 1 미만의 값임)를 곱한 값 미만이 되는 것으로 판단되는 경우, 상기 디스플레이를 통해 가뭄 예측 경보 메시지를 출력하는 단계를 더 포함할 수 있다.
이상, 도 3을 참조하여 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법에 대해 설명하였다. 여기서, 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법은 도 1과 도 2를 이용하여 설명한 데이터 분석 기반의 강수량 예측 장치(110)의 동작에 대한 구성과 대응될 수 있으므로, 이에 대한 보다 상세한 설명은 생략하기로 한다.
본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법은 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
또한, 본 발명의 일실시예에 따른 데이터 분석 기반의 강수량 예측 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
110: 데이터 분석 기반의 강수량 예측 장치
111: 강수량 수치 데이터베이스 112: 평균 강수량 연산부
113: 평균 변화량 연산부 114: 강수량 예측부
115: 예측 강수량 연산부 116: 오차 연산부
117: 가중 평균 연산부 118: 테이블 유지부
119: 예측 강수량 출력부 120: 저수 용량 수치 데이터베이스
121: 평균 저수 용량 연산부 122: 비율 평균 연산부
123: 제1 비율 연산부 124: 홍수 예측 출력부
125: 가뭄 예측 출력부

Claims (14)

  1. 현재 시점으로부터 과거
    Figure 112017069074918-pat00022
    - p는 3이상의 자연수이고, n은 2이상의 자연수임 - 년 동안의 복수의 서로 다른 지역들 별 연간 강수량 수치 데이터들이 저장되어 있는 강수량 수치 데이터베이스;
    상기 강수량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
    Figure 112017069074918-pat00023
    년 동안의 연간 강수량 수치 데이터들로부터 n년 단위로 평균 강수량 수치 값을 연산함으로써, p개의 n년 단위의 평균 강수량 수치 값들인 kt - t는
    Figure 112017069074918-pat00024
    를 만족하는 자연수이고, p개의 n년 단위의 평균 강수량 수치 값들의 순번을 의미함 - 를 생성하는 평균 강수량 연산부;
    상기 복수의 서로 다른 지역들 별로 연산된 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt를 기초로, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 p-1개의 변화량들을 연산한 후 상기 p-1개의 변화량들에 대한 평균 변화량을 연산하는 평균 변화량 연산부; 및
    상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p번째 평균 강수량 수치 값인 kp에 대해 상기 평균 변화량을 합산하여 p+1번째에 해당되는 평균 예측 강수량 수치 값인 estkp +1을 연산하고, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp + 1를 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정하는 강수량 예측부
    를 포함하는 데이터 분석 기반의 강수량 예측 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 복수의 서로 다른 지역들 별로, 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 결정이 완료되면, 상기 복수의 서로 다른 지역들 별로 결정된 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치를 디스플레이를 통해 출력하는 예측 강수량 출력부
    를 더 포함하는 데이터 분석 기반의 강수량 예측 장치.
  5. 제4항에 있어서,
    현재 시점으로부터 과거
    Figure 112017069074918-pat00026
    년 동안의 상기 복수의 서로 다른 지역들 별 연간 저수 용량 수치 데이터들이 저장되어 있는 저수 용량 수치 데이터베이스;
    상기 저수 용량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
    Figure 112017069074918-pat00027
    년 동안의 연간 저수 용량 수치 데이터들로부터 n년 단위로 평균 저수 용량 수치 값을 연산함으로써, p개의 n년 단위의 평균 저수 용량 수치 값들인 si - i는
    Figure 112017069074918-pat00028
    를 만족하는 자연수이고, p개의 n년 단위의 평균 저수 용량 수치 값들의 순번을 의미함 - 를 생성하는 평균 저수 용량 연산부;
    상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 각각에 대한 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 각각의 비율들을 연산하고, 상기 연산된 비율들의 평균을 연산하는 비율 평균 연산부;
    상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 중 p번째 평균 저수 용량 수치 값인 sp에 대한 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 제1 비율을 연산하는 제1 비율 연산부; 및
    상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제1 기준치 - 상기 제1 기준치는 홍수 예측을 위해서 미리 설정된 1을 초과하는 값임 - 를 곱한 값을 초과하는 것으로 판단되는 경우, 상기 디스플레이를 통해 홍수 예측 경보 메시지를 출력하는 홍수 예측 출력부
    를 더 포함하는 데이터 분석 기반의 강수량 예측 장치.
  6. 제5항에 있어서,
    상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제2 기준치 - 상기 제2 기준치는 가뭄 예측을 위해서 미리 설정된 1 미만의 값임 - 를 곱한 값 미만이 되는 것으로 판단되는 경우, 상기 디스플레이를 통해 가뭄 예측 경보 메시지를 출력하는 가뭄 예측 출력부
    를 더 포함하는 데이터 분석 기반의 강수량 예측 장치.
  7. 현재 시점으로부터 과거
    Figure 112017069074918-pat00029
    - p는 3이상의 자연수이고, n은 2이상의 자연수임 - 년 동안의 복수의 서로 다른 지역들 별 연간 강수량 수치 데이터들이 저장되어 있는 강수량 수치 데이터베이스를 유지하는 단계;
    상기 강수량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
    Figure 112017069074918-pat00030
    년 동안의 연간 강수량 수치 데이터들로부터 n년 단위로 평균 강수량 수치 값을 연산함으로써, p개의 n년 단위의 평균 강수량 수치 값들인 kt - t는
    Figure 112017069074918-pat00031
    를 만족하는 자연수이고, p개의 n년 단위의 평균 강수량 수치 값들의 순번을 의미함 - 를 생성하는 단계;
    상기 복수의 서로 다른 지역들 별로 연산된 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt를 기초로, 상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt에 대한 t-1번째 평균 강수량 수치 값과 t번째 평균 강수량 수치 값 간의 변화량을 연산함으로써, 총 p-1개의 변화량들을 연산한 후 상기 p-1개의 변화량들에 대한 평균 변화량을 연산하는 단계; 및
    상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 중 p번째 평균 강수량 수치 값인 kp에 대해 상기 평균 변화량을 합산하여 p+1번째에 해당되는 평균 예측 강수량 수치 값인 estkp +1을 연산하고, 상기 연산된 p+1번째 평균 예측 강수량 수치 값인 estkp + 1를 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치로 결정하는 단계
    를 포함하는 데이터 분석 기반의 강수량 예측 방법.
  8. 삭제
  9. 삭제
  10. 제7항에 있어서,
    상기 복수의 서로 다른 지역들 별로, 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 결정이 완료되면, 상기 복수의 서로 다른 지역들 별로 결정된 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치를 디스플레이를 통해 출력하는 단계
    를 더 포함하는 데이터 분석 기반의 강수량 예측 방법.
  11. 제10항에 있어서,
    현재 시점으로부터 과거
    Figure 112017069074918-pat00033
    년 동안의 상기 복수의 서로 다른 지역들 별 연간 저수 용량 수치 데이터들이 저장되어 있는 저수 용량 수치 데이터베이스를 유지하는 단계;
    상기 저수 용량 수치 데이터베이스를 참조하여 상기 복수의 서로 다른 지역들 별로,
    Figure 112017069074918-pat00034
    년 동안의 연간 저수 용량 수치 데이터들로부터 n년 단위로 평균 저수 용량 수치 값을 연산함으로써, p개의 n년 단위의 평균 저수 용량 수치 값들인 si - i는
    Figure 112017069074918-pat00035
    를 만족하는 자연수이고, p개의 n년 단위의 평균 저수 용량 수치 값들의 순번을 의미함 - 를 생성하는 단계;
    상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 각각에 대한 상기 p개의 n년 단위의 평균 강수량 수치 값들인 kt 각각의 비율들을 연산하고, 상기 연산된 비율들의 평균을 연산하는 단계;
    상기 복수의 서로 다른 지역들 별로, 상기 p개의 n년 단위의 평균 저수 용량 수치 값들인 si 중 p번째 평균 저수 용량 수치 값인 sp에 대한 상기 현재 시점으로부터 n년 후의 연간 예측 강수량 수치의 제1 비율을 연산하는 단계; 및
    상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제1 기준치 - 상기 제1 기준치는 홍수 예측을 위해서 미리 설정된 1을 초과하는 값임 - 를 곱한 값을 초과하는 것으로 판단되는 경우, 상기 디스플레이를 통해 홍수 예측 경보 메시지를 출력하는 단계
    를 더 포함하는 데이터 분석 기반의 강수량 예측 방법.
  12. 제11항에 있어서,
    상기 복수의 서로 다른 지역들 별로, 상기 제1 비율이 상기 비율들의 평균에 대해 제2 기준치 - 상기 제2 기준치는 가뭄 예측을 위해서 미리 설정된 1 미만의 값임 - 를 곱한 값 미만이 되는 것으로 판단되는 경우, 상기 디스플레이를 통해 가뭄 예측 경보 메시지를 출력하는 단계
    를 더 포함하는 데이터 분석 기반의 강수량 예측 방법.
  13. 제7항, 제10항, 제11항 또는 제12항 중 어느 한 항의 방법을 컴퓨터로 하여금 수행하도록 하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
  14. 제7항, 제10항, 제11항 또는 제12항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램.
KR1020170091317A 2017-07-19 2017-07-19 데이터 분석 기반의 강수량 예측 장치 및 방법 KR102056805B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170091317A KR102056805B1 (ko) 2017-07-19 2017-07-19 데이터 분석 기반의 강수량 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170091317A KR102056805B1 (ko) 2017-07-19 2017-07-19 데이터 분석 기반의 강수량 예측 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190009505A KR20190009505A (ko) 2019-01-29
KR102056805B1 true KR102056805B1 (ko) 2019-12-17

Family

ID=65323161

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170091317A KR102056805B1 (ko) 2017-07-19 2017-07-19 데이터 분석 기반의 강수량 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102056805B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013174983A (ja) 2012-02-24 2013-09-05 Mitsubishi Electric Corp 貯水池動態監視システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013174983A (ja) 2012-02-24 2013-09-05 Mitsubishi Electric Corp 貯水池動態監視システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
박창언, '월강우량 회귀분석에 의한 농업용 거수지 저수율 모의', 한국농공학회 학술대회논문집, 2016.

Also Published As

Publication number Publication date
KR20190009505A (ko) 2019-01-29

Similar Documents

Publication Publication Date Title
Obeysekera et al. Frequency of recurrent extremes under nonstationarity
Vicuna et al. The sensitivity of California water resources to climate change scenarios 1
KR102063358B1 (ko) 고해상도 기상기후데이터를 생성하기 위한 학습 방법 및 테스트 방법, 이를 이용한 테스트 방법 및 테스트 장치
Zhang et al. A Bayesian model averaging method for the derivation of reservoir operating rules
JP6874770B2 (ja) 降雨量予測装置、降雨量予測方法、および記録媒体
Noh et al. Ensemble Kalman filtering and particle filtering in a lag-time window for short-term streamflow forecasting with a distributed hydrologic model
US20130282331A1 (en) Detecting abnormal behavior
Garcia et al. Sea-level rise and flooding in coastal riverine flood plains
JP2006092058A (ja) 流量予測装置
JP6103083B1 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
Miswan et al. Comparative performance of ARIMA and GARCH models in modelling and forecasting volatility of Malaysia market properties and shares
Wan Ahmad et al. Arima model and exponential smoothing method: A comparison
Lai et al. Conceptual Sim-Heuristic optimization algorithm to evaluate the climate impact on reservoir operations
KR101409316B1 (ko) 다중모델 확률예측 시스템 및 방법
Sharma et al. Ranking of general circulation models for Surat City by using a hybrid approach
KR102056805B1 (ko) 데이터 분석 기반의 강수량 예측 장치 및 방법
Fluixá-Sanmartín et al. Accounting for climate change uncertainty in long-term dam risk management
Shashank et al. Impact of varying landfall time and cyclone intensity on storm surges in the Bay of Bengal using ADCIRC model
Chen et al. A nonlinear time series analysis using two‐stage genetic algorithms for streamflow forecasting
Papayiannis et al. Model aggregation using optimal transport and applications in wind speed forecasting
JP7156613B2 (ja) 津波予測装置、方法、及びプログラム
Stevović et al. Impact of environment GIS modeling on sustainable water systems management
JP6178121B2 (ja) 模擬降雨データ生成装置、生成方法およびプログラム
CN108804640B (zh) 基于最大化iv的数据分组方法、装置、储存介质及设备
Halder et al. Future projection of extreme rainfall for flood management due to climate change in an urban area

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2018101005087; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20181217

Effective date: 20191111

S901 Examination by remand of revocation
GRNO Decision to grant (after opposition)
GRNT Written decision to grant