KR102489376B1

KR102489376B1 - 실시간 강우패턴 반응형 집중호우 예측시스템

Info

Publication number: KR102489376B1
Application number: KR1020210184339A
Authority: KR
Inventors: 김병식; 이영미
Original assignee: (주)에코브레인
Priority date: 2021-12-21
Filing date: 2021-12-21
Publication date: 2023-01-18
Also published as: WO2023120811A1

Abstract

본 발명은 집중호우 예측시스템에 관한 것으로, 더욱 상세하게는 복수의 수치예보모델을 이용한 앙상블 모델에 의해 호우를 발생시키는 강수량을 예측하도록 하면서, 집중호우의 유형에 따라 유사한 강수량 패턴을 갖는 앙상블 모델의 멤버에 가중치를 적용하여 강수량의 예측이 이루어지도록 함으로써, 다양한 호우의 형태에 상관없이 호우를 발생시키는 강수량의 정확한 예측이 가능하도록 하는 실시간 강우패턴 반응형 집중호우 예측시스템에 관한 것이다.

Description

실시간 강우패턴 반응형 집중호우 예측시스템{A Rainfall Pattern Responsive Real-time Heavy Rainfall Prediction System}

날씨는 우리 생활에 큰 영향을 미치므로, 정확한 기상 예보를 얻는 것이 중요하다. 따라서, 기상청 등은 하기의 특허문헌처럼 다양한 수치예보모델을 이용하여 기상 상태에 대한 예보를 하고 있다.

<특허문헌>

특허 제10-01954796호(2019 02 27 등록) "국지예보모델기반 일반유형과 활동등급에 따른 인지온도 산출 방법 및 시스템"

하지만, 기상청 등에서 발표하는 예보에 있어, 집중 호우 발생시 강우량에 대한 예보값이 실제값보다 낮은 것이 일반적이어서, 호우로 인한 영향을 제대로 예상할 수 없어 피해가 증가하는 문제가 있다.

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로,

본 발명은 복수의 수치예보모델을 이용한 앙상블 모델에 의해 호우를 발생시키는 강수량을 예측하도록 하면서, 집중호우의 유형에 따라 유사한 강수량 패턴을 갖는 앙상블 모델의 멤버에 가중치를 적용하여 강수량의 예측이 이루어지도록 함으로써, 다양한 호우의 형태에 상관없이 호우를 발생시키는 강수량의 정확한 예측이 가능하도록 하는 집중호우 예측시스템을 제공하는데 목적이 있다.

본 발명은 호우가 발생되는 영역과 강도에 관한 예측의 정확성을 높일 수 있도록 하는 집중호우 예측시스템을 제공하는데 목적이 있다.

본 발명은 앙상블 모델 및 동네예보에 의한 강수량 예측값, 강수량에 영향을 미치는 기상관측값과 실제 강수량과의 상관관계를 분석하도록 하면서, 호우가 발생될 때의 자료를 이용하여 분석이 이루어지도록 하고, 복수의 학습모델 중 오차가 적은 학습모델을 선택하여 강수량의 예측이 이루어지도록 함으로써, 호우가 발생되는 강수량 예측의 정확성을 높일 수 있도록 하는 집중호우 예측시스템을 제공하는데 목적이 있다.

본 발명은 예측값 및 관측값들의 공간영역 및 시간영역을 일치시켜 강수량에 대한 분석 및 예측이 이루어지도록 함으로써, 예측의 정확성과 신속성을 높일 수 있도록 하는 집중호우 예측시스템을 제공하는데 목적이 있다.

본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.

본 발명의 일 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템은 집중호우를 예측하기 위한 정보를 수집하는 데이터수집부와, 상기 데이터수집부에서 수집된 정보를 이용하여 강수량을 예측하는 학습모델을 생성하는 모델생성부와, 상기 모델생성부에 의해 생성된 학습모델을 앙상블모델의 각 멤버에 적용하여 강수량을 예측하는 강수량예측부를 포함하고, 상기 강수량예측부는 강수 패턴에 따라 집중호우의 유형을 분류하며, 분류된 유형별로 실제 강수량과의 유사도가 높은 멤버에 가중치를 적용하여 강수량을 예측하도록 하는 것을 특징으로 한다.

본 발명의 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템에 있어서, 상기 강수량예측부는 강수량을 예측하기 위한 변수정보를 수집하는 변수정보수집모듈과, 수집된 변수를 상기 모델생성부에 의해 생성된 학습모델에 입력하여 앙상블모델의 각 멤버별로 예측강수량을 산정하도록 하는 예측강수량산정모듈과, 집중호우의 종류를 분류하는 유형분류모듈과, 집중호우의 종류별로 멤버별 강수량 예측의 유사도를 분석하여 유사도에 따라 멤버별 가중치를 설정하는 가중치설정모듈과, 설정된 가중치를 앙상블모델에 적용하여 강수량에 대한 예측정보를 생성하는 예측값생성모듈을 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템에 있어서, 상기 유형분류모듈은 집중호우의 유형을 분류하기 위한 기준을 설정하는 분류기준설정모듈과, 일정정도 이상의 강수량이 기록된 집중호우정보를 수집하는 호우정보수집모듈과, 수집된 호우정보에서 분류기준과 관련된 정보를 추출하는 기초정보추출모듈과, 추출된 기초정보를 분석하여 집중호우의 유형을 결정하는 유형결정모듈을 포함하고, 상기 가중치설정모듈은 집중호우의 발생시 분류정보를 추출하는 분류정보추출모듈과, 각 분류별로 멤버들의 예측 강수량과 실제 강수량의 유사도를 분석하는 유사도분석모듈과, 분석된 유사도에 따라 멤버별 가중치를 산정하는 가중치산정모듈을 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템에 있어서, 상기 분류기준설정모듈은 집중호우 발생지점의 기압, 전선, 태풍, 온도분포에 따라 저기압형, 전선형, 장마형, 태풍직접형, 국지불안정형으로 집중호우의 유형을 분류하도록 하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템에 있어서, 상기 예측값생성모듈은 앙상블 모델에 의해 예측되는 강수량에 따라 집중호우가 예측되는 정보를 수신하는 호우예측수신모듈과, 집중호우의 예측정보가 수신되는 경우 호우 유형을 분류하기 위한 정보를 수집하는 분류정보수집모듈과, 수집된 정보에 따라 호우 유형을 예측하는 분류예측모듈과, 예측된 분류에 따른 가중치를 적용하여 앙상블모델에 의해 최종 예측강수량을 산출하는 예측값산출모듈을 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템은 집중호우의 발생에 관한 예측정보를 제공하는 예측결과제공부를 포함하고, 상기 예측결과제공부는 집중호우가 발생하는 영역에 관한 정보를 제공하는 호우영역제공부와, 호우강도에 관한 정보를 제공하는 호우강도제공부를 포함하며, 상기 호우영역제공부는 일정정도 이상의 강수량이 발생되는 지역을 호우영역으로 결정하도록 하고, 상기 호우강도제공부는 앙상블모델에 의해 예측되는 강수량 및 앙상블모델의 각 멤버에 의한 예측값을 수집하는 예측값수집모듈과, 각 위치의 앙상블모델 예측값을 비교하는 앙상블값비교모듈과, 앙상블모델의 각 멤버에 의한 예측값을 크기순으로 정렬하는 예측값정렬모듈과, 비교된 앙상블모델 예측값의 순서대로 해당 순서를 갖는 멤버의 예측값을 해당 영역의 예측강수량으로 결정하여 이에 따른 강수강도를 지정하는 강도값지정모듈을 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템에 있어서, 상기 데이터수집부는 앙상블모델에 의한 강수량 예측정보를 수집하는 앙상블예보수집모듈과, 기상청에서 제공하는 동네예보에 의한 강수량 예측정보를 수집하는 동네예보수집모듈과, 강수량 및 강수량에 영향을 미치는 기상정보에 관한 실측정보를 수집하는 관측정보수집모듈을 포함하고, 상기 모델생성부는 강수량을 예측하는 학습모델을 설정하는 모델설정모듈과, 강수량을 예측하기 위한 변수를 설정된 모델에 입력하는 변수입력모듈과, 일정정도 이상의 강수량을 발생시킨 호우에 관한 변수만이 입력되도록 하는 변수필터링모듈과, 입력되는 변수와 강수량의 비선형 상관관계를 분석하는 머신러닝수행모듈과, 각 학습모델에 의한 예측값과 실제 관측값의 오차를 검증하는 오차검증모듈과, 오차가 가장 적은 모델로 학습모델을 선택하는 모델선택모듈을 포함하며, 상기 변수입력모듈은 앙상블모델 및 동네예보에 의한 강수량예측값, 가강수량, 습도, 지상풍속, 지상온도의 관측값을 변수로 입력하도록 하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템은 앙상블모델 및 동네예보에 의한 강수량예측값, 강수량을 예측하기 위한 기상관측값의 공간영역을 일치시키는 공간처리부를 포함하고, 상기 공간처리부는 일정 격자영역과 예측정보 및 관측정보와의 거리에 따라 케이스를 분류하는 거리분류모듈과, 각 거리에 따른 선형관계를 통해 함수를 산정하는 선형관계산정모듈과, 예측 및 관측정보가 생성되는 각 위치에 대한 가중치를 설정하는 가중치설정모듈과, 각 위치의 가중치를 고려하여 일정 격자영역에 대한 관측 및 예측 정보를 산출하는 처리값산출모듈을 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 집중호우 예측시스템은 앙상블모델 및 동네예보에 의한 강수량예측값, 강수량을 예측하기 위한 기상관측값의 시간영역을 일치시키는 시간처리부를 포함하고, 상기 시간처리부는 각 예측값 및 관측값을 비교할 기준시간을 설정하는 기준시간설정모듈과, 기준시간에 대한 예측값 및 관측값의 누적값을 산출하는 기준값산출모듈과, 누적값 사이의 비율을 산정하는 비율산정모듈과, 비율에 따라 일정 단위시간에 대해 동기화된 예측값 및 관측값을 산출하는 동기값산출모듈을 포함하는 것을 특징으로 한다.

본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.

본 발명은 복수의 수치예보모델을 이용한 앙상블 모델에 의해 호우를 발생시키는 강수량을 예측하도록 하면서, 집중호우의 유형에 따라 유사한 강수량 패턴을 갖는 앙상블 모델의 멤버에 가중치를 적용하여 강수량의 예측이 이루어지도록 함으로써, 다양한 호우의 형태에 상관없이 호우를 발생시키는 강수량의 정확한 예측이 가능하도록 하는 효과가 있다.

본 발명은 호우가 발생되는 영역과 강도에 관한 예측의 정확성을 높일 수 있도록 하는 효과가 있다.

본 발명은 앙상블 모델 및 동네예보에 의한 강수량 예측값, 강수량에 영향을 미치는 기상관측값과 실제 강수량과의 상관관계를 분석하도록 하면서, 호우가 발생될 때의 자료를 이용하여 분석이 이루어지도록 하고, 복수의 학습모델 중 오차가 적은 학습모델을 선택하여 강수량의 예측이 이루어지도록 함으로써, 호우가 발생되는 강수량 예측의 정확성을 높일 수 있도록 하는 효과가 있다.

본 발명은 예측값 및 관측값들의 공간영역 및 시간영역을 일치시켜 강수량에 대한 분석 및 예측이 이루어지도록 함으로써, 예측의 정확성과 신속성을 높일 수 있도록 하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 실시간 강우패턴 반응형 집중호우 예측시스템의 구성을 나타내는 블럭도
도 2는 도 1의 데이터수집부의 구성을 나타내는 블럭도
도 3은 도 1의 공간처리부의 구성을 나타내는 블럭도
도 4는 도 3의 공간처리부의 실행과정을 설명하기 위한 참고도
도 5는 도 1의 시간처리부의 구성을 나타내는 블럭도
도 6은 도 1의 모델생성부의 구성을 나타내는 블럭도
도 7은 도 1의 강수량예측부의 구성을 나타내는 블럭도
도 8은 도 7의 유형분류모듈의 구성을 나타내는 블럭도
도 9는 집중호우의 분류예를 나타내는 참고도
도 10은 도 7의 가중치설정모듈의 구성을 나타내는 블럭도
도 11은 도 7의 예측값생성모듈의 구성을 나타내는 블럭도
도 12는 도 1의 예측결과제공부의 구성을 나타내는 블럭도

이하에서는 본 발명에 따른 실시간 강우패턴 반응형 집중호우 예측시스템의 바람직한 실시예들을 첨부된 도면을 참조하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하고, 또한 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

본 발명의 일 실시예에 따른 실시간 강우패턴 반응형 집중호우 예측시스템을 도 1 내지 도 12를 참조하여 설명하면, 상기 집중호우 예측시스템은 집중호우를 예측하기 위한 정보를 수집하는 데이터수집부(1)와, 수집된 정보들의 공간영역을 일치시키는 공간처리부(2)와, 수집된 정보들의 시간영역을 일치시키는 시간처리부(3)와, 상기 데이터수집부(1)에서 수집된 정보를 이용하여 강수량을 예측하는 학습모델을 생성하는 모델생성부(4)와, 상기 모델생성부(4)에 의해 생성된 학습모델을 앙상블모델의 각 멤버에 적용하여 강수량을 예측하는 강수량예측부(5)와, 예측된 강수량에 따라 집중호우의 발생에 관한 예측정보를 제공하는 예측결과제공부(6)를 포함한다.

본 발명은 집중호우를 예측할 수 있는 시스템에 관한 것으로, 강수량 예측을 통해 집중호우의 예측이 이루어질 수 있도록 한다. 따라서, 본 발명을 통해 예측되는 강수량은 수문학적 강수량을 의미하는 것으로, 홍수, 침수 등의 호우재해가 발생할 것으로 예측될 수 있을 정도의 강수량을 의미한다. 상기 집중호우 예측시스템은 기계적 학습방식에 따른 복수의 수치예보모델을 조합하여 강수량을 예측하는 앙상블 모델을 사용하도록 하면서, 앙상블 모델에 의해 예측되는 강수량, 기상청의 동네예보에 의해 예측되는 강수량, 그리고 강수량에 영향을 미치는 기상정보의 관측값과 실제 강수량과의 비선형 관계를 머신러닝에 의한 학습에 의해 분석하여 학습모델을 생성하도록 하고, 생성된 학습모델을 이용하여 앙상블 모델을 통한 강수량의 예측이 이루어지도록 한다.

다만, 집중호우는 기압이나 전선의 형태, 태풍 등에 따라 상이한 패턴의 강수를 발생시키므로, 이러한 기계적 학습방식만으로는 정확한 예측이 어려운바 집중호우의 유형을 분류하여 분류된 유형에 따라 강수량의 예측이 이루어지도록 함으로써 집중호우 예측의 정확성을 더욱 높일 수 있도록 하였다.

본 발명에 따른 집중호우 예측시스템은 프로그램 형태로 형성되어 프로그램 저장이 가능한 매체에 저장되도록 할 수 있으며, 별도의 서버로 구성되어 PC, 태블릿, 스마트폰 등의 단말기에 예측정보를 표시하도록 할 수 있다.

상기 데이터수집부(1)는 집중호우 예측을 위한 기상정보를 수집하는 구성으로, 강수량에 관한 예측 및 관측정보, 그리고 강수량에 영향을 미치는 다양한 기상정보들의 예측 및 관측값 정보를 수집하여 저장하도록 한다. 상기 데이터수집부(1)는 앙상블예보수집모듈(11), 동네예보수집모듈(12), 관측정보수집모듈(13)을 포함할 수 있다.

상기 앙상블예보수집모듈(11)은 앙상블 모델에 의해 예측되는 강수량 정보 및 강수량에 영향을 미치는 기상정보를 수집하여 저장하는 구성으로, 여기서 앙상블모델이라 함은 여러 수치예보모델의 예측값을 조합하여 기상 예측 정보를 생성하도록 하는 것으로, 일예로 기상청에서는 13개의 수치예모모델을 조합하여 기상예측정보를 생성하도록 하고 있으며, 1km × 1km 의 공간해상도로 1시간 간격으로 생성되는 앙상블 모델에 의해 예측정보를 수집하도록 할 수 있다.

상기 동네예보수집모듈(12)은 기상청에서 제공되는 동네예보를 수집하여 저장하는 구성으로, 강수량 및 강수량에 영향을 미치는 기상정보의 예측값을 수집하도록 할 수 있다. 여기서 동네예보라함은 기상청에서 단일의 전지구 수치예보모델에 의해 예측된 정보를 6시간 단위로 5km×5km 의 해상도를 가지면서 제공되는 기상예측정보를 의미하며, 강수량, 강수량에 영향을 미치는 기상정보의 예측값을 수집하도록 할 수 있다.

상기 관측정보수집모듈(13)은 실제 관측되는 기상정보를 수집하여 저장하는 구성으로, 강수량, 강수량에 영향을 미치는 기상정보의 관측값을 수집하도록 할 수 있다.

상기 공간처리부(2)는 데이터수집부(1)에 의해 수집된 정보들의 공간영역을 일치시키는 구성으로, 앙상블 예보값, 동네예보 예보값, 관측값에 대한 공간영역을 일치시키도록 하며, 동일한 일정 격자에 대한 정보로 보간하도록 할 수 있다. 상기 공간처리부(2)는 다양한 공간분포 보정기법에 의해 예측정보 및 관측정보를 일정위치의 격자에 대한 정보로 보간하도록 할 수 있으며, 일 예로 도 4에 도시된 바와 같은 크리깅(Kriging) 기법에 의해 정보의 보간이 이루어지도록 할 수 있다. 이를 위해, 상기 공간처리부(2)는 거리분류모듈(21), 선형관계산정모듈(22), 가중치설정모듈(23), 처리값산출모듈(24)을 포함할 수 있다.

상기 거리분류모듈(21)은 예측정보 및 관측정보를 생성할 격자의 위치와 주변 예측정보 및 관측정보가 제공된 위치의 거리에 따라 분류하는 구성으로, 일 예로 도 4에 도시된 바와 같이 5m의 간격으로 케이스를 분류하도록 할 수 있다. 따라서, 상기 거리분류모듈(21)에 의해 분류된 거리에 따른 각 케이스의 예측 및 관측정보가 각각 어떠한 선형관계를 갖는지 파악하여 해당 격자에서의 예측 및 관측정보를 추출하도록 할 수 있다.

상기 선형관계산정모듈(22)은 각 지점의 거리에 따른 선형관계를 통해 함수를 산정하는 구성으로, 베리오그램(Variogram)을 이용하도록 할 수 있으며, 각 예측 및 관측값의 분산에 따른 상관관계를 분석하여 거리에 따른 함수로 표현하도록 한다.

상기 가중치설정모듈(23)은 각 지점에 대한 가중치를 설정하는 구성으로, 예측정보 및 관측정보가 제공되는 각 위치와의 거리뿐만 아니라 각 예측값 및 관측값 사이의 상관강도를 반영하여 가중치를 설정하도록 한다. 따라서, 상기 가중치설정모듈(23)은 통계적 분석을 통해 각 지점에 대한 가중치를 산출하도록 하며, 이를 반영하여 해당 격자에 대한 보간된 예측 및 관측 자료를 생성하도록 할 수 있다.

상기 처리값산출모듈(24)은 상기 선형관계산정모듈(22)에 의해 산정된 함수와 가중치설정모듈(23)에서 설정된 가중치를 이용하여 특정 격자의 기상예측정보 및 관측정보를 생성하는 구성으로, 각 위치에서의 예측 및 관측정보에 산정된 함수와 가중치를 적용하여 보간값을 산정하도록 하며, 아래 [수학식 1]과 같은 형태로 계산되도록 할 수 있다.

(s_i: 주변지점 값, λ_i: 주변지점에 대한 가중치, s₀: 보간될 지점, N: 주변지점 개수)

상기 시간처리부(3)는 예측정보 및 관측정보의 시간 영역을 일치시키는 구성으로, 예측 및 관측정보를 동일한 시간해상도로 일치시켜 강수량 예측에 관한 학습모델의 생성이 이루어질 수 있도록 한다. 상기 시간처리부(3)는 다른 시간단위를 갖는 예측정보 및 관측정보의 시간해상도를 일치시키기 위해 예측값 및 관측값들을 기준시간에 대한 데이터로 수정하도록 하며, 동일 기준시간에 대한 데이터의 비율에 따라 단위시간의 데이터를 산출하여 일정한 단위시간에 대한 데이터를 생성할 수 있도록 한다. 이를 위해, 상기 시간처리부(3)는 기준시간설정모듈(31), 기준값산출모듈(32), 비율산정모듈(33), 동기값산출모듈(34)을 포함할 수 있다.

상기 기준시간설정모듈(31)은 예측값 및 관측값을 비교할 기준시간을 설정하는 구성으로, 예측값 및 관측값에 대한 단위시간을 모두 포함하는 기준시간의 설정이 이루어지도록 한다.

상기 기준값산출모듈(32)은 기준시간에 대한 예측값 및 관측값을 산출하는 구성으로, 예측값 및 관측값을 누적하여 기준시간에 대한 기준값을 산출하도록 한다.

상기 비율산정모듈(33)은 동일 기준시간에 대한 기준값을 비교하는 구성으로, 예측값 및 관측값 각각의 기준값에 대한 비율을 산정하도록 한다.

상기 동기값산출모듈(34)은 비율산정모듈(33)에 의해 산정된 비율을 기준값에 적용하여 동일한 단위시간에 대한 예측값 및 관측값을 산출하는 구성으로, 이를 통해 예측값 및 관측값의 시간 해상도를 일치시킬 수 있다.

아래 [표 1]을 참조하여 상기 시간처리부(3)를 설명하면, 일 예로 동네예보의 예상 강우량이 6시간 단위로 제공되고, 강수량에 관한 관측값이 1시간 단위로 제공되는 경우 기준시간을 6시간으로 설정하여 강수량에 관한 관측값을 6시간 누적함으로써 131의 기준값을 산출할 수 있으며, 비율산정모듈(33)에 의해 6시간의 기준값을 비교하여 100/131 = 0.76의 비율을 산정하도록 할 수 있다. 그리고 산정된 비율을 1시간 단위의 관측값에 적용하여 1시간 단위의 예상 강수량값을 산출하도록 할 수 있으며, 이를 통해 동일한 1시간 단위의 강수량에 대한 예측정보와 관측정보의 정확한 비교 및 분석이 이루어지도록 할 수 있다. 또한, 강수량과 같이 누적되는 값이 아닌 기온 등의 경우에는 기준값산출모듈(32)이 기준시간에 대한 평균값을 산출하여 비율을 산정하도록 하고, 산정된 비율을 이용하여 단위시간의 값을 산출하도록 할 수 있다.

[표 1]

상기 모델생성부(4)는 강수량을 예측하기 위한 학습모델을 생성하는 구성으로, 앙상블 모델 및 동네예보에 의한 강수량 예측값, 강수량에 영향을 미치는 기상정보의 관측값과 실제 강수량과의 비선형 관계를 머신러닝에 의해 분석하여 학습모델을 생성하도록 한다. 상기 모델생성부(4)는 상기 공간처리부(2) 및 시간처리부(3)에 의해 공간영역 및 시간영역이 일치된 예측값 및 관측값 정보를 이용하도록 하며, 다수의 머신러닝 모델을 이용하여 관계를 분석하고 그 오차가 가장 낮은 학습모델을 강수량을 예측하기 위한 학습모델로 선택하도록 할 수 있다. 또한, 상기 모델생성부(4)에서 사용되는 예측값 및 관측값들은 일정정도 이상의 강수량이 기록된 호우가 발생했을 때의 데이터만을 이용하도록 하여 집중호우 예측의 정확성을 더욱 높이도록 할 수 있다. 이를 위해, 상기 모델생성부(4)는 모델설정모듈(41), 변수입력모듈(42), 변수필터링모듈(43), 머신러닝수행모듈(44), 오차검증모듈(45), 모델선택모듈(46)을 포함할 수 있다.

상기 모델설정모듈(41)은 강수량을 예측할 머신러닝 모델을 설정하는 구성으로, 랜덤포레스트, 서포트벡터머신, XGBOOST 등 머신러닝을 수행할 수 있는 다수의 모델을 선택하여 강수량 예측에 대한 성능의 비교가 이루어질 수 있도록 한다.

상기 변수입력모듈(42)은 강수량 예측을 위한 변수를 입력하는 구성으로, 강수량에 영향을 미치는 기상관측정보와 함께 앙상블 모델 및 동네예보에 의한 강수량 예측정보도 변수로 입력하도록 하여 강수량 예측의 정확성을 높일 수 있도록 한다. 이때, 상기 변수입력모듈(42)은 기상관측정보로 가강수량, 850hPA습도, 지상풍속, 지상온도의 값을 입력하도록 할 수 있으며, 실제 관측되는 강수량 정보도 입력하여 변수들과의 관계가 분석될 수 있도록 한다.

상기 변수필터링모듈(43)은 입력되는 변수에서 호우와 관련된 변수만을 선택하여 분석에 이용되도록 하는 구성으로, 일정정도 이상의 강수량이 발생되는 시점의 기상관측정보, 예측정보들만으로 머신러닝 모델에 의한 분석이 이루어지도록 한다.

상기 머신러닝수행모듈(44)은 강수량 예측을 위한 머신러닝을 수행하는 구성으로, 상기 모델설정모듈(41)에 의해 설정되는 다수의 학습모델에 의해 머신러닝을 수행하도록 한다. 상기 머신러닝수행모듈(44)은 강수량에 영향을 미치는 기상관측정보, 앙상블 모델 및 동네예보에 의한 강수량 예측정보를 입력변수로 하고, 실제 관측되는 강수량을 출력변수로 하여 비선형적 관계를 분석하도록 하며, 머신러닝 수행을 통해 가중치 등이 설정된 학습모델이 생성되도록 한다.

상기 오차검증모듈(45)은 머신러닝수행모듈(44)에 의해 생성된 각 학습모델의 오차를 검증하는 구성으로, 각 학습모델에 의해 예측되는 강수량과 실제 강수량을 비교하여 그 오차가 검증되도록 한다. 상기 오차검증모듈(45)은 AE(평균제곱오차), RMSE(평균제곱오차), R(상관계수), IOA(일치성) 등의 지표를 이용하여 정확도를 검증하도록 할 수 있다.

상기 모델선택모듈(46)은 오차검증모듈(45)에 의한 검증결과 정확도가 가장 높은 모델을 선택하도록 하는 구성으로, 0에 가까운 MAE(평균제곱오차), RMSE(평균제곱오차)를 갖는 모델, 1에 가까운 R(상관계수), IOA(일치성) 값을 갖는 모델을 정확도가 높은 모델로 선택하여 강수량 예측에 사용되도록 할 수 있으며, 바람직하게는 XGBOOST를 학습모델로 선택하도록 할 수 있다.

상기 강수량예측부(5)는 집중호우를 예측하기 위한 강수량을 예측하는 구성으로, 복수의 수치예보모델을 이용한 앙상블 모델을 통해 강수량의 예측이 이루어지도록 한다. 이때, 상기 강수량예측부(5)는 상기 모델생성부(4)에 의해 생성되는 학습모델을 이용하도록 하며, 앙상블 모델의 각 멤버에서 생성된 학습모델을 통해 강수량을 예측하고 예측된 값들을 조합하여 최종 강수량 예측값을 생성하도록 할 수 있다. 특히, 상기 강수량예측부(5)는 집중호우의 유형을 분류하여 분류된 유형별로 앙상블 모델의 각 멤버에서의 예측강수량과 실제 강수량과의 유사도를 분석하도록 하며, 유사도가 높은 멤버에 대해 가중치를 부여하여 앙상블 모델에 의한 강수량 예측이 이루어지도록 함으로써, 집중호우의 다양한 형태에도 예측의 정확성을 높이도록 할 수 있다. 이를 위해, 상기 강수량예측부(5)는 변수정보수집모듈(51), 예측강수량산정모듈(52), 유형분류모듈(53), 가중치설정모듈(54), 예측값생성모듈(55)을 포함할 수 있다.

상기 변수정보수집모듈(51)은 강수량을 예측하기 위한 변수정보를 수집하는 구성으로, 앙상블 모델 및 동네예보에 의한 강수량 예측정보, 강수량에 영향을 미치는 기상예측정보를 수집하도록 한다.

상기 예측강수량산정모듈(52)은 상기 모델생성부(4)에 의해 생성된 학습모델에 의해 강수량의 예측값을 산정하는 구성으로, 앙상블 모델의 각 멤버에 의해 강수량의 예측값이 산정되도록 한다.

상기 유형분류모듈(53)은 과거 호우정보를 분석하여 집중호우의 유형을 분류하는 구성으로, 기압, 전선, 태풍, 온도 등에 따라 유형의 분류가 이루어지도록 할 수 있다. 일 예로, 상기 유형분류모듈(53)은 도 9에 도시된 바와 같이 저기압형, 전선형, 장마형, 태풍직접형, 국지불안형으로 집중호우의 유형을 분류하도록 할 수 있으며, 호우 발생시의 기압, 전선, 태풍 등의 정보를 수집하여 유형을 분류하도록 할 수 있다. 이를 위해, 상기 유형분류모듈(53)은 분류기준설정모듈(531), 호우정보수집모듈(532), 기초정보추출모듈(533), 유형결정모듈(534)을 포함할 수 있다.

상기 분류기준설정모듈(531)은 집중호우의 유형을 분류하는 기준을 설정하는 구성으로, 도 9에서와 같이 기압 및 전선의 형태, 태풍 존재 여부, 온도분포 등에 따라 각 유형을 분류하는 기준을 설정하도록 할 수 있다.

상기 호우정보수집모듈(532)은 집중호우가 발생된 정보를 수집하는 구성으로, 일정정도 이상의 강수량이 발생되어 집중호우로 판단된 시점에 대해 강수량 정보, 기상정보와 함께 기압, 전선, 태풍, 온도분포 등의 정보를 수집하도록 한다.

상기 기초정보추출모듈(533)은 호우정보수집모듈(532)에 의해 수집된 정보에서 호우를 분류하기 위한 정보를 추출하는 구성으로, 기압, 전선, 태풍, 온도분포 등의 정보를 추출하도록 한다.

상기 유형결정모듈(534)은 추출된 정보를 이용하여 집중호우의 유형을 결정하는 구성으로, 각각의 집중호우에 대한 유형의 결정이 이루어질 수 있도록 한다.

상기 가중치설정모듈(54)은 집중호우의 종류별로 멤버별 강수량 예측의 유사도를 분석하는 구성으로, 강수량 예측의 유사도가 높은 멤버에 대해 가중치를 설정하여 앙상블 모델에 의한 강수량의 예측이 이루어지도록 할 수 있다. 본 발명은 상기 모델생성부(4)에 의해 생성된 학습모델을 이용하여 앙상블 모델을 구성하는 복수의 멤버를 통해 예측강수량을 산정하도록 하고, 각 멤버의 예측값을 조합하여, 일 예로 예측값의 평균값으로 최종 예측 강수량을 산출하도록 한다. 다만 앞서 살펴본 바와 같이 집중호우는 다양한 원인에 의해 발생하며, 발생된 원인별로 다양한 패턴을 보인다. 따라서, 상기 가중치설정모듈(54)은 집중호우의 유형별로 앙상블 모델을 구성하는 각 멤버에 의한 예측 강수량과 실제 강수량의 유사도를 분석하도록 하고, 높은 유사도를 보이는 멤버에 대해 가중치를 설정하여 앙상블 모델의 실행이 이루어지도록 함으로써, 다양한 집중호우의 유형에도 강수량 예측의 정확성을 높이도록 할 수 있다. 이를 위해, 상기 가중치설정모듈(54)은 분류정보추출모듈(541), 유사도분석모듈(542), 가중치산정모듈(543)을 포함할 수 있다.

상기 분류정보추출모듈(541)은 각 집중호우의 종류에 관한 분류정보를 추출하는 구성으로, 상기 유형분류모듈(53)에 의해 분류되는 호우의 종류 정보를 추출하도록 한다.

상기 유사도분석모듈(542)은 동일한 분류의 호우에 대해 앙상블 모델의 멤버별로 강수량 예측의 유사정도를 분석하는 구성으로, 실제 관측되는 강수량과 각 멤버에 의해 예측되는 강수량의 비교가 이루어지도록 한다. 따라서, 상기 유사도분석모듈(542)은 호우의 각 분류에 대해 멤버별 강수량 예측의 유사도를 산출하여 유사도에 따라 멤버별 가중치의 설정이 이루어지도록 할 수 있다. 일 예로, 상기 유사도분석모듈(542)은 강수량 예측값의 오차율에 대한 평균값 등을 이용하여 강수량에 대한 관측값과 멤버별 예측값의 유사도를 산출하도록 할 수 있다.

상기 가중치산정모듈(543)은 상기 유사도분석모듈(542)에 의해 분석되는 멤버별 유사도에 따라 각 멤버에 대한 가중치를 산정하는 구성으로, 앙상블 모델에 의해 강수량을 예측할 때 유사도가 높은 멤버에 대해 가중치를 적용하도록 한다. 상기 가중치산정모듈(543)은 유사도에 따라 적용될 가중치를 저장하여 두고 호우의 유형별로 각 멤버의 유사도에 따라 가중치를 산정하도록 하며, 산정된 가중치를 멤버에 적용하여 앙상블 모델에 의한 강수량의 예측이 이루어질 수 있도록 한다. 따라서, 본 발명은 호우의 다양한 유형에도 강수량 예측의 정확성을 높이도록 할 수 있다.

상기 예측값생성모듈(55)은 앙상블 모델에 의한 강수량 예측값을 생성하는 구성으로, 상기 가중치설정모듈(54)에 의해 설정되는 가중치를 적용하여 호우의 분류에 따른 강수량 예측이 이루어지도록 한다. 이를 위해, 상기 예측값생성모듈(55)은 호우예측수신모듈(551), 분류정보수집모듈(552), 분류예측모듈(553), 예측값산출모듈(554)을 포함할 수 있다.

상기 호우예측수신모듈(551)은 앙상블 모델에 의한 강수량 예측정보에 의해 집중호가 예측되는 정보를 수신하는 구성으로, 일정정도 이상의 강수량이 예측되는 경우 이에 관한 정보를 수신하도록 한다.

상기 분류정보수집모듈(552)은 집중호우가 예측되는 정보가 수신되는 경우 집중호우의 종류를 예측하기 위한 정보를 수집하는 구성으로, 기압, 전선, 태풍, 온도분포 등의 예측정보를 수집하도록 한다.

상기 분류예측모듈(553)은 수집된 정보에 따라 집중호우의 종류를 예측하는 구성으로, 상기 유형분류모듈(53)에 의해 분류되는 유형중 하나를 예측하도록 한다.

상기 예측값산출모듈(554)은 분류된 집중호우 유형에 따라 최종 강수량 예측값을 산출하는 구성으로, 집중호우 유형에 따라 상기 가중치설정모듈(54)에 의해 설정되는 가중치를 적용하여 앙상블 모델을 실행하도록 한다. 따라서, 상기 예측값산출모듈(554)은 집중호우의 유형에 최적화된 강수량 예측값을 산출하도록 할 수 있고, 집중호우 유형에 상관없이 정확한 예측값을 생성하도록 할 수 있다.

상기 예측결과제공부(6)는 상기 강수량예측부(5)에 의해 예측되는 강수량에 따른 집중 호우 정보를 제공하는 구성으로, 상기 예측값산출모듈(554)에 의해 최종적으로 산출되는 강수량 예측값을 이용하여 집중호우에 관한 정보를 제공하도록 한다. 상기 예측결과제공부(6)는 예측정보를 제공받고자 하는 사용자의 PC, 스마트폰, 태블릿 등으로 예측정보를 전송하도록 할 수 있으며, 지도 상에 예측정보를 표시하도록 할 수 있다. 상기 예측결과제공부(6)는 집중호우가 발생되는 지역에 관한 정보를 제공하는 호우영역제공부(61)와, 집중호우의 강도에 관한 정보를 제공하는 호우강도제공부(62)를 포함할 수 있다.

상기 호우영역제공부(61)는 집중호우가 발생되는 지역에 관한 정보를 제공하는 구성으로, 상기 예측값생성모듈(55)에 의해 생성되는 강수량 예측값에 따라 일정정도 이상의 강수량이 예측되는 지역을 호우영역으로 결정하여 제공하도록 한다.

상기 호우강도제공부(62)는 집중호우의 강도에 관한 정보를 제공하는 구성으로, 집중호우가 발생되는 각 영역별로 강도를 산정하여 제공하도록 한다. 상기 호우강도제공부(62)는 예측되는 강수량에 따라 강도를 지정하여 제공하도록 할 수도 있으나, 앙상블 모델에 의한 강수량 예측의 경우 각 멤버에서 예측되는 강수량의 평균값을 이용하여 강수량을 예측하게 되므로 호우 강도 특성이 완화되어 그 정확도가 떨어지는 문제가 있을 수 있다. 따라서, 상기 호우강도제공부(62)는 호우영역에 대해 앙상블 모델의 각 멤버에서 예측되는 강수량 정보를 수집하여 내림차순으로 정렬하도록 하고, 호우가 발생되는 각 영역의 앙상블 모델에 의한 강수량 예측값 순으로 각 영역의 강수량예측값을 각 멤버의 예측값 순서에 따라 지정하여 호우강도를 나타내도록 한다. 이를 위해, 상기 호우강도제공부(62)는 예측값수집모듈(621), 앙상블값비교모듈(622), 예측값정렬모듈(623), 강도값지정모듈(624)을 포함할 수 있다.

상기 예측값수집모듈(621)은 강수량 예측값 정보를 수집하는 구성으로, 집중호우가 발생될 것으로 예측되는 영역의 앙상블 모델 각 멤버에 의한 강수량 예측값 정보를 수집하도록 한다.

상기 앙상블값비교모듈(622)은 집중호우가 발생되는 영역의 강수량 예측값을 비교하는 구성으로, 예측값의 크기에 따라 순서대로 정렬하도록 한다.

상기 예측값정렬모듈(623)은 집중호우가 발생되는 영역에서 앙상블 모델의 각 멤버들에 의한 강수량 예측값을 그 크기 순서에 따라 정렬하도록 한다.

상기 강도값지정모듈(624)은 각 영역의 호우강도를 지정하여 제공하는 구성으로, 상기 앙상블값비교모듈(622)에 의한 강수량 예측값의 크기 순서에 따라 상기 예측값정렬모듈(623)에 의해 정렬되는 각 멤버의 강수량 예측값의 크기 순서대로 예측값을 지정하여 강도를 나타내도록 한다. 따라서, 상기 강도값지정모듈(624)은 호우영역 내에서 앙상블 모델에 의한 평균값에 의해 호우강도를 나타내는 것이 아니라, 평균값의 순서대로 전체 멤버들의 강수량 예측값을 순서대로 지정하여 각 영역의 호우강도로 나타내도록 함으로써 평균값에 의한 강도특성 완화를 방지하고 강도 특성을 유지하도록 할 수 있다.

이상에서, 출원인은 본 발명의 다양한 실시예들을 설명하였지만, 이와 같은 실시예들은 본 발명의 기술적 사상을 구현하는 일 실시예일 뿐이며, 본 발명의 기술적 사상을 구현하는 한 어떠한 변경예 또는 수정예도 본 발명의 범위에 속하는 것으로 해석되어야 한다.

1: 데이터수집부 11: 앙상블예보수집모듈 12: 동네예보수집모듈
13: 관측정보수집모듈 2: 공간처리부 21: 거리분류모듈
22: 선형관계산정모듈 23: 가중치설정모듈 24: 처리값산출모듈
3: 시간처리부 31: 기준시간설정모듈 32: 기준값산출모듈
33: 비율산정모듈 34: 동기값산출모듈 4: 모델생성부
41: 모델설정모듈 42: 변수입력모듈 43: 변수필터링모듈
44: 머신러닝수행모듈 45: 오차검증모듈 46: 모델선택모듈
5: 강수량예측부 51: 변수정보수집모듈 52: 예측강수량산정모듈
53: 유형분류모듈 531: 분류기준설정모듈 532: 호우정보수집모듈
533: 기초정보추출모듈 534: 유형결정모듈 54: 가중치설정모듈
541: 분류정보추출모듈 542: 유사도분석모듈 543: 가중치산정모듈
55: 예측값생성모듈 551: 호우예측수신모듈 552: 분류정보수집모듈
553: 분류예측모듈 554: 예측값산출모듈 6: 예측결과제공부
61: 호우영역제공부 62: 호우강도제공부 621: 예측값수집모듈
622: 앙상블값비교모듈 623: 예측값정렬모듈 624: 강도값지정모듈

Claims

집중호우를 예측하기 위한 정보를 수집하는 데이터수집부와,
상기 데이터수집부에서 수집된 정보를 이용하여 강수량을 예측하는 학습모델을 생성하는 모델생성부와,
상기 모델생성부에 의해 생성된 학습모델을 앙상블모델의 각 멤버에 적용하여 강수량을 예측하는 강수량예측부를 포함하고,
상기 강수량예측부는,
강수 패턴에 따라 집중호우의 유형을 분류하며, 분류된 유형별로 실제 강수량과의 유사도가 기준 보다 높은 멤버에 가중치를 적용하여 강수량을 예측하도록 하며,
상기 강수량예측부는,
강수량을 예측하기 위한 변수정보를 수집하는 변수정보수집모듈과, 수집된 변수를 상기 모델생성부에 의해 생성된 학습모델에 입력하여 앙상블모델의 각 멤버별로 예측강수량을 산정하도록 하는 예측강수량산정모듈과, 집중호우의 종류를 분류하는 유형분류모듈과, 집중호우의 종류별로 멤버별 강수량 예측의 유사도를 분석하여 유사도에 따라 멤버별 가중치를 설정하는 가중치설정모듈과, 설정된 가중치를 앙상블모델에 적용하여 강수량에 대한 예측정보를 생성하는 예측값생성모듈을 포함하는 것을 특징으로 하는 집중호우 예측시스템.
삭제
제 1 항에 있어서, 상기 유형분류모듈은
집중호우의 유형을 분류하기 위한 기준을 설정하는 분류기준설정모듈과, 일정정도 이상의 강수량이 기록된 집중호우정보를 수집하는 호우정보수집모듈과, 수집된 호우정보에서 분류기준과 관련된 정보를 추출하는 기초정보추출모듈과, 추출된 기초정보를 분석하여 집중호우의 유형을 결정하는 유형결정모듈을 포함하고,
상기 가중치설정모듈은,
집중호우의 발생시 분류정보를 추출하는 분류정보추출모듈과, 각 분류별로 멤버들의 예측 강수량과 실제 강수량의 유사도를 분석하는 유사도분석모듈과, 분석된 유사도에 따라 멤버별 가중치를 산정하는 가중치산정모듈을 포함하는 것을 특징으로 하는 집중호우 예측시스템.
제 3 항에 있어서, 상기 분류기준설정모듈은
집중호우 발생지점의 기압, 전선, 태풍, 온도분포에 따라 저기압형, 전선형, 장마형, 태풍직접형, 국지불안정형으로 집중호우의 유형을 분류하도록 하는 것을 특징으로 하는 집중호우 예측시스템.
제 3 항에 있어서, 상기 예측값생성모듈은
앙상블 모델에 의해 예측되는 강수량에 따라 집중호우가 예측되는 정보를 수신하는 호우예측수신모듈과, 집중호우의 예측정보가 수신되는 경우 호우 유형을 분류하기 위한 정보를 수집하는 분류정보수집모듈과, 수집된 정보에 따라 호우 유형을 예측하는 분류예측모듈과, 예측된 분류에 따른 가중치를 적용하여 앙상블모델에 의해 최종 예측강수량을 산출하는 예측값산출모듈을 포함하는 것을 특징으로 하는 집중호우 예측시스템.
제 5 항에 있어서, 상기 집중호우 예측시스템은
집중호우의 발생에 관한 예측정보를 제공하는 예측결과제공부를 포함하고,
상기 예측결과제공부는,
집중호우가 발생하는 영역에 관한 정보를 제공하는 호우영역제공부와, 호우강도에 관한 정보를 제공하는 호우강도제공부를 포함하며,
상기 호우영역제공부는 일정정도 이상의 강수량이 발생되는 지역을 호우영역으로 결정하도록 하고,
상기 호우강도제공부는,
앙상블모델에 의해 예측되는 강수량 및 앙상블모델의 각 멤버에 의한 예측값을 수집하는 예측값수집모듈과, 각 위치의 앙상블모델 예측값을 비교하는 앙상블값비교모듈과, 앙상블모델의 각 멤버에 의한 예측값을 크기순으로 정렬하는 예측값정렬모듈과, 비교된 앙상블모델 예측값의 순서대로 해당 순서를 갖는 멤버의 예측값을 해당 영역의 예측강수량으로 결정하여 이에 따른 강수강도를 지정하는 강도값지정모듈을 포함하는 것을 특징으로 하는 집중호우 예측시스템.
집중호우를 예측하기 위한 정보를 수집하는 데이터수집부와,
상기 데이터수집부에서 수집된 정보를 이용하여 강수량을 예측하는 학습모델을 생성하는 모델생성부와,
상기 모델생성부에 의해 생성된 학습모델을 앙상블모델의 각 멤버에 적용하여 강수량을 예측하는 강수량예측부를 포함하고,
상기 강수량예측부는,
강수 패턴에 따라 집중호우의 유형을 분류하며, 분류된 유형별로 실제 강수량과의 유사도가 기준 보다 높은 멤버에 가중치를 적용하여 강수량을 예측하도록 하며,
상기 데이터수집부는,
앙상블모델에 의한 강수량 예측정보를 수집하는 앙상블예보수집모듈과, 기상청에서 제공하는 동네예보에 의한 강수량 예측정보를 수집하는 동네예보수집모듈과, 강수량 및 강수량에 영향을 미치는 기상정보에 관한 실측정보를 수집하는 관측정보수집모듈을 포함하고,
상기 모델생성부는,
강수량을 예측하는 학습모델을 설정하는 모델설정모듈과, 강수량을 예측하기 위한 변수를 설정된 모델에 입력하는 변수입력모듈과, 일정정도 이상의 강수량을 발생시킨 호우에 관한 변수만이 입력되도록 하는 변수필터링모듈과, 입력되는 변수와 강수량의 비선형 상관관계를 분석하는 머신러닝수행모듈과, 각 학습모델에 의한 예측값과 실제 관측값의 오차를 검증하는 오차검증모듈과, 오차가 가장 적은 모델로 학습모델을 선택하는 모델선택모듈을 포함하며,
상기 변수입력모듈은,
앙상블모델 및 동네예보에 의한 강수량예측값, 가강수량, 습도, 지상풍속, 지상온도의 관측값을 변수로 입력하도록 하는 것을 특징으로 하는 집중호우 예측시스템.
제 7 항에 있어서, 상기 집중호우 예측시스템은
앙상블모델 및 동네예보에 의한 강수량예측값, 강수량을 예측하기 위한 기상관측값의 공간영역을 일치시키는 공간처리부를 포함하고,
상기 공간처리부는,
일정 격자영역과 예측정보 및 관측정보와의 거리에 따라 케이스를 분류하는 거리분류모듈과, 각 거리에 따른 선형관계를 통해 함수를 산정하는 선형관계산정모듈과, 예측 및 관측정보가 생성되는 각 위치에 대한 가중치를 설정하는 가중치설정모듈과, 각 위치의 가중치를 고려하여 일정 격자영역에 대한 관측 및 예측 정보를 산출하는 처리값산출모듈을 포함하는 것을 특징으로 하는 집중호우 예측시스템.
제 7 항에 있어서, 상기 집중호우 예측시스템은
앙상블모델 및 동네예보에 의한 강수량예측값, 강수량을 예측하기 위한 기상관측값의 시간영역을 일치시키는 시간처리부를 포함하고,
상기 시간처리부는,
각 예측값 및 관측값을 비교할 기준시간을 설정하는 기준시간설정모듈과, 기준시간에 대한 예측값 및 관측값의 누적값을 산출하는 기준값산출모듈과, 누적값 사이의 비율을 산정하는 비율산정모듈과, 비율에 따라 일정 단위시간에 대해 동기화된 예측값 및 관측값을 산출하는 동기값산출모듈을 포함하는 것을 특징으로 하는 집중호우 예측시스템.