KR20150086601A - Method and system for providing spatial distribution of forecast errors of tropical cyclones - Google Patents

Method and system for providing spatial distribution of forecast errors of tropical cyclones Download PDF

Info

Publication number
KR20150086601A
KR20150086601A KR1020140006455A KR20140006455A KR20150086601A KR 20150086601 A KR20150086601 A KR 20150086601A KR 1020140006455 A KR1020140006455 A KR 1020140006455A KR 20140006455 A KR20140006455 A KR 20140006455A KR 20150086601 A KR20150086601 A KR 20150086601A
Authority
KR
South Korea
Prior art keywords
error
information
prediction
value
grid
Prior art date
Application number
KR1020140006455A
Other languages
Korean (ko)
Other versions
KR101556462B1 (en
Inventor
허창회
박두선
권영철
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020140006455A priority Critical patent/KR101556462B1/en
Publication of KR20150086601A publication Critical patent/KR20150086601A/en
Application granted granted Critical
Publication of KR101556462B1 publication Critical patent/KR101556462B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Ecology (AREA)
  • Educational Technology (AREA)
  • Atmospheric Sciences (AREA)
  • Educational Administration (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a method for expressing the predicted errors regarding tropical cyclones. The method includes the steps of: selecting an atmosphere model; receiving the observation information and the prediction information for the tropical cyclones to calculate the predicted error values for areas included in the observation information and the prediction information; and displaying the predicted error values calculated for the areas on a two-dimensional map. The present invention displays the predicted error values for the areas obtained using the observation information and the prediction information regarding the tropical cyclones in the form of the two-dimensional map. The present invention enables a user to check in which size and direction the predicted error is showed in one specific area. The present invention also provides a valuable feedback to improve the predictability of a follow-up model in consideration of regional specificity of the predicted errors occurring in the specific areas by using the information.

Description

열대 저기압에 대한 지역별 예측 오차의 2차원 표출 방법 및 시스템 {METHOD AND SYSTEM FOR PROVIDING SPATIAL DISTRIBUTION OF FORECAST ERRORS OF TROPICAL CYCLONES}TECHNICAL FIELD The present invention relates to a method and system for estimating a regional prediction error of a tropical cyclone,

본 발명은 열대 저기압에 대한 지역별 예측 오차의 2차원 표출 방법 및 시스템에 관한 것으로, 보다 상세하게는 복수의 열대 저기압에 대한 관측정보와 예측정보를 비교하여, 이들간의 지역별 예측 오차 값을 계산하고, 계산된 지역별 예측 오차 값을 2차원 지도상에 표출하는 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for two-dimensional prediction of regional prediction errors for tropical cyclones, and more particularly, to a method and system for two-dimensional prediction of tropical cyclones by comparing observation information and prediction information for a plurality of tropical cyclones, And a method and system for expressing the calculated prediction error value for each region on a two-dimensional map.

다양한 대기모형(예컨대, HWRF, Glosea4, UM 등)으로부터 추출된 열대 저기압의 위도, 경도 및 최대풍속에 대한 예측정보는 실제 관측정보와 비교하여, 일반적으로 경로 및 강도 측면에서 모두 오차가 발생한다. 종래에는, 열대 저기압에 대한 예측정보와 관측정보의 오차를 사용자에게 제공하기 위하여, 열대 저기압 예측 선행시간을 가로축으로 하고, 예측 강도 오차의 크기를 세로축으로 하는 1차원 그래프가 이용되었다. 하지만, 이러한 오차 표출법은 특정 대기모형의 선행시간 별 강도 오차의 크기만을 나타낼 수 있을 뿐이며, 오차가 어떤 지역에서 어떤 크기와 방향성을 가지고 발생하는지를 나타낼 수 없었다.Prediction information on the latitude, longitude and maximum wind speed of tropical cyclones extracted from various atmospheric models (eg, HWRF, Glosea4, UM, etc.) generally deviate from path and strength in comparison to actual observational information. Conventionally, a one-dimensional graph in which the forecasting time of the tropical cyclone forecasting is taken as the horizontal axis and the magnitude of the prediction strength error is taken as the vertical axis is used in order to provide the user with the prediction information of the tropical cyclone and the error of the observation information. However, this error expression method can only show the magnitude of the intensity error by the preceding time of the specific atmospheric model, and it can not show what size and direction the error occurs in.

도 1은 종래의 기술에 따른 열대 저기압에 대한 선행시간 별 예측 강도 오차를 1차원적으로 도시한 그래프(100)이다. 가로축은 열대 저기압 예측 선행시간을 나타내고, 세로축은 예측 강도 오차의 크기를 나타낸다. 여기서, 열대 저기압 예측 선행시간은 대기모형으로부터 추출된 열대 저기압에 대한 예측정보가 관측정보보다 얼마나 시간적으로 앞서는 가를 나타낸다. 즉, 선행시간 6시간은 예측정보가 관측정보보다 6시간 앞서 추출되었다는 것을 의미한다. 그리고 예측 강도 오차의 크기는 바람의 속력을 나타내는 단위인 노트(knot: KT)이다. 그래프(100)에서 대기모형 A, B는 예컨대 HWRF, Glosea 4, UM 등 중 어느 하나일 수 있다. 설명의 편의를 위해 도 1의 그래프(100)에서는, 대기모형 A가 HWRF의 2012년형 대기모형이고, 대기모형 B가 HWRF의 2013년 대기모형인 것으로 가정하고 설명한다.FIG. 1 is a graph (100) showing a one-dimensional predictive strength error according to a preceding time with respect to a tropical cyclone according to a conventional technique. The horizontal axis represents the forecast time of the tropical cyclone forecasting, and the vertical axis represents the magnitude of the prediction strength error. Here, the tropical cyclone forecasting precedence time indicates how long the prediction information for the tropical cyclone extracted from the atmospheric model precedes the observation information. That is, 6 hours of leading time means that the prediction information is extracted 6 hours before the observation information. The magnitude of the prediction error is knot (KT), which is the unit of wind speed. In the graph 100, the atmospheric models A and B may be any one of HWRF, Glosea 4, UM, and the like. For ease of explanation, graph 100 of FIG. 1 assumes that the atmospheric model A is the 2012 atmospheric model of HWRF and the atmospheric model B is the 2013 atmospheric model of HWRF.

도 1의 그래프(100)에 따르면, 대기모형 A 및 B 모두에서 열대 저기압 예측 선행시간이 길어짐에 따라, 예측 강도 오차의 크기(세로축)가 증가하는 경향을 확인할 수 있다. 이는 열대 저기압의 강도에 대한 예측이 열대 저기압의 실제 관측시보다 시간적으로 앞설수록 더 부정확해지는 경향이 있다는 것을 나타낸다. 또한, 그래프(100)에서 각 선행시간 별로 두 대기모형을 비교해보면, 대기모형 B의 예측 오차의 크기가 대기모형 A의 예측 오차의 크기보다 대체로 더 작은 것을 확인할 수 있다. 이는 HWRF의 2013년 대기모형인 대기모형 B(신모델)가 HWRF의 2012년형 대기모형인 대기모형 A(구모델)에 비하여 예측성이 전반적으로 개선되었음을 시사한다.According to the graph 100 of FIG. 1, it can be seen that the magnitude (vertical axis) of the prediction strength error increases with the increase of the tropical cyclone forecasting time in both atmospheric models A and B. This indicates that the prediction of the intensity of the tropical cyclone tends to become more inaccurate as time goes by than the actual observation of the tropical cyclone. Also, when comparing two atmospheric models for each precedent time in the graph 100, it can be seen that the magnitude of the prediction error of the atmospheric model B is substantially smaller than the magnitude of the prediction error of the atmospheric model A. This suggests that the atmospheric model B (new model) of the HWRF 2013 atmospheric model is generally better than the atmospheric model A (old model) of the HWRF 2012 atmospheric model.

이처럼 종래의 1차원 오차 표출방법은 열대 저기압 예측 선행시간에 따른 대기모형의 예측 성능을 나타냄으로써, 각 대기 모형에 대한 예측 강도의 오차 크기를 확인하거나 비교할 수 있었지만, 이러한 오차가 어느 지역에서 어떤 크기와 방향으로 발생하는지에 대한 정보는 제공하지 못한다. 요컨대, 종래의 1차원 접근법은 대기모형의 예측성에 대한 평가만이 가능하였을 뿐, 해당 오차가 발생하는 원인을 규명하기에 충분한 정보를 제공해주지 못한다는 점에서 후속 대기 모형의 예측성 개선 작업에 필요한 피드백을 제공해주지 못하는 문제점이 있었다.In this way, the conventional one-dimensional error display method can predict or compare the predicted intensity of each atmospheric model by showing the predictive performance of the atmospheric model according to the precedence time of the tropical cyclone forecasting. However, And the direction in which it occurs. In other words, the conventional one-dimensional approach can not only provide information sufficient to identify the cause of the error but can only estimate the predictability of the atmospheric model. There was a problem that the feedback was not provided.

상술한 문제점을 해결하기 위하여, 본 발명은 복수의 열대 저기압에 대한 예측정보와 관측정보의 지역별 예측 오차를 2차원 지도형태로 나타냄으로써, 예측 오차가 특정 지역에서 어떤 크기 및 어떤 방향성을 갖는지를 확인할 수 있게 한다.In order to solve the above-described problems, the present invention shows a prediction map for a plurality of tropical cyclones and a regional prediction error of observation information in the form of a two-dimensional map, thereby determining the size and directionality of a prediction error in a specific region I will.

상기한 목적을 달성하기 위한 본 발명에 따른 열대저기압에 대한 예측 오차의 표출 방법은 대기모형을 선택하는 단계, 복수의 열대 저기압에 대한 관측 정보를 수신하는 단계, 상기 대기모형으로부터 상기 복수의 열대 저기압의 특정 선행시간에 따른 예측 정보를 추출하는 단계, 상기 복수의 열대 저기압에 대한 관측정보와 예측정보를 비교하여, 상기 관측정보와 예측정보의 지역별 예측 오차 값을 계산하는 단계 및 상기 계산된 지역별 예측 오차 값을 2차원 지도 상에 표시하는 단계를 포함한다.In order to achieve the above object, A method of predicting a prediction error for a tropical cyclone comprises the steps of selecting an atmospheric model, receiving observation information for a plurality of tropical cyclones, and extracting prediction information according to a specific preceding time of the plurality of tropical cyclones from the atmospheric model Comparing the observation information and the prediction information with respect to the plurality of tropical cyclones to calculate a regional prediction error value of the observation information and prediction information, and displaying the calculated regional prediction error value on a two-dimensional map .

이때, 상기 지역별 예측 오차 값을 계산하는 단계는, 2차원 지도 상에 소정 크기의 격자를 설정하는 단계, 상기 설정된 격자 내에 포함되는 관측정보를 식별하고, 상기 식별된 관측정보와 그에 대응되는 예측정보 사이의 오차 값들을 이용하여 상기 설정된 격자에 대한 오차 대표값을 계산하는 단계, 상기 격자의 위치 정보와 상기 계산된 오차 대표값을 예측 오차 값으로 저장하는 단계 및 상기 설정된 격자를 상기 격자의 크기보다 작은 거리만큼 이동시키면서 상기 이동된 격자 내의 관측정보와 예측정보의 오차 값들을 이용하여 상기 이동된 격자에 대한 오차 대표값을 계산하는 단계를 포함할 수 있다.The step of calculating the regional prediction error value may include the steps of setting a grid of a predetermined size on the two-dimensional map, identifying observation information included in the grid, determining the observation information corresponding to the identified observation information, Calculating an error representative value for the set grid using error values between the grid and the grid, storing the position information of the grid and the calculated error representative value as a prediction error value, And calculating an error representative value of the moved grid using the error values of the observation information and the prediction information in the moved grid while moving the grid by a small distance.

일 실시예에 따르면, 상기 오차 대표값은 아래의 수식에 의해 계산되고,According to one embodiment, the error representative value is calculated by the following equation,

Figure pat00001
Figure pat00001

상기 식에서 yt는 예측정보 값, y_hatt는 관측정보 값, n은 관측정보 및 예측정보 쌍의 개수를 나타낸다.In the above equation, y t denotes a predicted information value, y_hat t denotes an observation information value, and n denotes the number of observation information and prediction information pairs.

다른 실시예에 따르면, 상기 오차 대표값은 아래의 수식에 의해 계산되고,According to another embodiment, the error representative value is calculated by the following equation,

Figure pat00002
Figure pat00002

Figure pat00003
Figure pat00003

상기 식에서 yt는 예측정보 값, y_hatt는 관측정보 값, n은 관측정보 및 예측정보 쌍의 개수를 나타낸다.In the above equation, y t denotes a predicted information value, y_hat t denotes an observation information value, and n denotes the number of observation information and prediction information pairs.

또한, 상기 오차 대표값은 상기 설정된 격자 내에 관측정보가 10개 이상 포함되어 있는 경우에 계산될 수 있고, 상기 격자는, 상기 2차원 지도 상에서 위도 10° × 경도 10°의 크기를 가질 수 있다. Also, The error representative value may be calculated when 10 or more pieces of observation information are included in the set lattice, and the lattice may have a size of latitude 10 deg. X hardness 10 deg. On the two-dimensional map.

추가로, 상기 격자의 2차원 지도 상의 위치를 동서 또는 남북 방향으로 1° 만큼씩 이동시킬 수 있다.In addition, the position on the two-dimensional map of the grid can be shifted by one degree in the east-west or north-south direction.

본 발명에 따르면, 복수의 열대 저기압에 대한 예측정보와 관측정보의 지역별 예측 오차 값을 2차원 지도형태로 나타냄으로써, 예측 오차가 특정 지역에서 어떤 크기 및 어떤 방향성으로 나타나는지를 확인할 수 있고, 이러한 정보는 특정 지역에서 발생하는 예측 오차의 지역적 특수성을 고려하여 후속 모델의 예측성을 개선하는데 유용한 피드백을 제공해 줄 수 있다.According to the present invention, it is possible to check what size and direction of a prediction error appears in a specific region by displaying predictive information on a plurality of tropical cyclones and prediction error values of regions of observation information in a two-dimensional map form, Can provide useful feedback to improve the predictability of subsequent models, taking into account the regional specificity of the prediction errors that occur in a particular area.

도 1은 종래의 기술에 따른 열대 저기압에 대한 선행시간 별 예측 강도 오차를 1차원적으로 도시한 그래프이다.
도 2는 본 발명의 일 실시예에 따른, 열대 저기압에 대한 지역별 예측 오차를 2차원적으로 표출하는 대기모형 평가 시스템의 구성도이다.
도 3은 본 발명의 일 실시예에 따른, 열대 저기압에 대한 지역별 예측 오차를 2차원 지도 상에 표시하는 방법의 흐름도이다.
도 4는 본 발명의 일 실시예에 따른, 열대 저기압에 대한 지역별 예측 오차를 계산하고 2차원 지도 상에 표시는 방법의 세부 흐름도이다.
도 5는 본 발명의 일 실시예에 따른, 소정 크기의 격자를 이용하여 열대 저기압에 대한 지역별 위도 예측 오차를 계산하는 방법을 예시적으로 나타낸 것이다.
도 6은 본 발명의 일 실시예에 따른, 대기모형 X의 12시간 선행시간에 따른 2009년~2012년 열대 저기압에 대한 예측 정보의 지역별 위도 예측 오차, 지역별 경도 예측 오차, 지역별 최대풍속 예측 오차를 2차원 지도 상에 표시하는 방법의 흐름도이다.
도 7a는 본 발명의 일 실시예에 따른, 복수의 열대 저기압에 대한 예측 정보의 지역별 위도 예측 오차를 2차원 지도 상에 표시한 도면이다.
도 7b는 본 발명의 일 실시예에 따른, 열대 저기압에 대한 예측 정보의 지역별 경도 오차 값을 2차원 지도 상에 표시한 도면이다.
도 7c는 열대 저기압에 대한 예측 정보의 지역별 최대풍속 오차 값을 2차원 지도 상에 표시한 도면이다.FIG. 1 is a graph showing one-dimensionally a prediction strength error according to a preceding time of a tropical cyclone according to a conventional technique.
FIG. 2 is a block diagram of an air quality model evaluation system for two-dimensionally expressing regional prediction errors of tropical cyclones according to an embodiment of the present invention.
3 is a flow diagram of a method for displaying regional prediction errors for tropical cyclones on a two-dimensional map, in accordance with an embodiment of the present invention.
4 is a detailed flowchart of a method of calculating regional prediction errors for tropical cyclones and displaying them on a two-dimensional map, according to an embodiment of the present invention.
FIG. 5 illustrates an exemplary method for calculating regional latitude prediction errors for tropical cyclones using a grid of a predetermined size, according to an embodiment of the present invention.
FIG. 6 is a graph showing the predicted error of the forecasted information of the tropical cyclone from 2009 to 2012 according to the 12-hour lead time of the atmospheric model X according to the embodiment of the present invention, the local latitude prediction error, the hardness prediction error by region, 2 is a flowchart of a method of displaying on a two-dimensional map.
FIG. 7A is a diagram illustrating a latitude prediction error of a prediction information for a plurality of tropical cyclones according to an embodiment of the present invention on a two-dimensional map. FIG.
FIG. 7B is a graph showing, on a two-dimensional map, the hardness error value by region of the prediction information for the tropical cyclone according to an embodiment of the present invention.
FIG. 7C is a diagram showing the maximum wind speed error value of each region of prediction information on the tropical cyclone on a two-dimensional map. FIG.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예를 상세하게 설명한다.Various embodiments of the present invention will now be described in detail with reference to the accompanying drawings.

도 2는 본 발명의 일 실시예에 따른, 열대 저기압에 대한 지역별 예측 오차를 2차원적으로 표출하는 대기모형 평가 시스템(200)의 구성도이다. 도시된 시스템(200)은 대기모형 데이터베이스(210), 관측정보 데이터베이스(220), 입출력 모듈(230) 및 연산부(240)를 포함한다. 대기모형 평가 시스템(200)은 데이터를 저장하고 연산 처리할 수 있는 개인용 컴퓨터, 서버 시스템, 워크스테이션 등과 같은 장치일 수 있으며, 하나의 장치로 도시되어 있으나, 이에 한정되지 않으며, 복수의 장치들이 서로 연결되어 있는 형태일 수 있다.FIG. 2 is a configuration diagram of an atmospheric model evaluation system 200 for two-dimensionally expressing a regional prediction error of a tropical cyclone according to an embodiment of the present invention. The illustrated system 200 includes a waiting model database 210, an observation information database 220, an input / output module 230, and an operation unit 240. The atmospheric model evaluation system 200 may be a device such as a personal computer, a server system, a workstation, etc., which can store and process data, and is shown as one device, but is not limited thereto. It can be in the form connected.

연산부(240)는 관측정보 추출 모듈(242), 예측정보 추출 모듈(244), 오차 연산 모듈(246) 및 지도 표출 모듈(248)을 포함하며, 대기모형 평가 시스템(200)의 전체적인 동작을 제어하고 관리하도록 구성될 수 있다. 도시된 대기모형 평가 시스템(200)에서는 연산부(240)가 관측정보 추출 모듈(242), 예측정보 추출 모듈(244), 오차 연산 모듈(246) 및 지도 표출 모듈(248)을 포함하는 것으로 구성되어 있으나, 이에 한정되지 않으며, 관측정보 추출 모듈(242), 예측정보 추출 모듈(244), 오차 연산 모듈(246) 및 지도 표출 모듈(248)이 연산부(240)와 독립된 별도의 모듈로 대기모형 평가 시스템(200)에 포함될 수 있다.The operation unit 240 includes an observation information extraction module 242, a prediction information extraction module 244, an error calculation module 246 and a map display module 248. The operation unit 240 controls the overall operation of the atmospheric model evaluation system 200 And managed by the user. In the illustrated atmospheric model evaluation system 200, the calculation unit 240 includes an observation information extraction module 242, a prediction information extraction module 244, an error calculation module 246, and a map display module 248 However, the present invention is not limited thereto, and the observation information extraction module 242, the prediction information extraction module 244, the error calculation module 246, and the map display module 248 may be separate modules independent of the operation unit 240, May be included in the system 200.

대기모형 데이터베이스(210)는 하나 이상의 대기모형을 저장하며, 대기모형을 이용하여 열대 저기압에 대한 예측정보를 선행시간 별로 생성/추출할 수 있다. 대기모형으로부터 추출되는 열대 저기압에 대한 예측정보는 선행시간에 따른 열대 저기압의 일시 별 위도, 경도, 최대풍속, 열대 저기압 강도단계, 중심기압 등을 포함할 수 있다. 관측정보 데이터베이스(220)는 과거에 발생하였던 하나 이상의 열대 저기압에 대한 실제 측정한 관측정보를 저장하며, 관측정보는 열대 저기압의 일시 별 위도, 경도, 최대풍속, 열대 저기압 강도단계, 중심기압 등을 포함할 수 있다. 예를 들어 관측정보는 6시간 간격마다의 열대 저기압의 위도, 경도, 최대풍속 등에 대한 정보를 포함할 수 있으며, 예측정보는 관측정보와 동일한 일시의 열대 저기압에 대한 예측자료를 포함할 수 있다.The atmospheric model database 210 stores one or more atmospheric models, and can generate / extract predictive information about tropical cyclones using the atmospheric model. Prediction information for tropical cyclones extracted from the atmospheric model may include temporal latitude, longitude, maximum wind speed, tropical cyclone intensity step, and central pressure of tropical cyclones according to the preceding time. The observation information database 220 stores actually measured observation information for one or more tropical cyclones that have occurred in the past, and the observation information includes information such as the latitude and longitude of the tropical cyclone, the maximum wind speed, the tropical cyclone intensity stage, . For example, the observation information may include information on the latitude, longitude, maximum wind speed, etc. of the tropical cyclone at intervals of 6 hours, and the predicted information may include predicted data on the tropical cyclone at the same date and time as the observation information.

도시된 예에서는 대기모형 데이터베이스(210)와 관측정보 데이터베이스(220)가 별개의 구성으로 도시되어 있으나, 이에 한정되지 않으며, 하나의 데이터베이스 내에 복수의 대기모형과 관측정보가 함께 저장되도록 구성될 수 있다. 또한, 대기모형 데이터베이스(210)와 관측정보 데이터베이스(220)가 대기모형 평가 시스템(200) 내에 포함되지 않고, 대기모형 평가 시스템200)의 외부에 존재하면서, 대기모형 평가 시스템(200)이 필요에 따라 네트워크 망 등을 통해 외부로부터 대기모형과 관측정보를 수신하도록 구성될 수도 있다.In the illustrated example, the atmospheric model database 210 and the observation information database 220 are shown as separate components, but the present invention is not limited thereto, and a plurality of atmospheric models and observation information may be stored together in one database . It is also possible that the atmospheric model evaluation system 200 is located outside the atmospheric model evaluation system 200 while the atmospheric model database 210 and the observation information database 220 are not included in the atmospheric model evaluation system 200, And may be configured to receive the atmospheric model and the observation information from the outside through the network or the like.

입출력 모듈(230)은 대기모형 평가 시스템(200)의 사용자로부터 입력을 수신하고 정보를 출력하도록 구성될 수 있다. 입출력 모듈(230)은, 예를 들어, 터치 스크린, 터치 센서, 터치 패드, 버튼, 키, 모니터 등일 수 있으며, 하나의 모듈이 아닌 복수의 장치로 이루어질 수도 있다. 또한, 입출력 모듈(230)은 사용자로부터 수신된 정보에 기초하여, 2차원 지도 상에 표시된 열대 저기압에 대한 지역별 예측 오차를 사용자에게 제공할 수 있다.The input / output module 230 may be configured to receive input from a user of the atmospheric model evaluation system 200 and output information. The input / output module 230 may be, for example, a touch screen, a touch sensor, a touch pad, a button, a key, a monitor, or the like. In addition, the input / output module 230 may provide the user with a regional prediction error for the tropical cyclone displayed on the two-dimensional map, based on the information received from the user.

대기모형 평가 시스템(200)은 입출력 모듈(230)을 통해 대기모형 데이터베이스(210)에 저장되어 있는 대기모형의 리스트를 사용자에게 제공할 수 있으며, 입출력 모듈(230)을 통해 특정 대기모형에 대한 사용자의 선택을 수신할 수 있다. 사용자의 입력에 응답하여, 연산부(240)는 선택된 대기모형으로부터 열대 저기압에 대한 선행시간 별 지역별 예측 오차를 계산하고 지도 상에 표출할 수 있다. 구체적으로, 연산부(240) 내의 관측정보 추출 모듈(242)이 관측정보 데이터베이스(220) 내에 저장되어 있는 과거에 발생하였던 복수의 열대 저기압에 대한 관측정보 중 하나 이상의 열대 저기압에 대한 관측정보를 추출하고, 예측정보 추출 모듈(244)이, 선택된 대기모형으로부터, 상기 하나 이상의 열대 저기압 각각에 대한 선행시간 별 예측정보를 추출한다.The atmospheric model evaluation system 200 can provide the user with a list of the atmospheric models stored in the atmospheric model database 210 through the input / output module 230, Lt; / RTI > In response to the user's input, the arithmetic unit 240 can calculate the regional prediction error of the tropical cyclone from the selected atmospheric model by the preceding time and display it on the map. Specifically, the observation information extraction module 242 in the operation unit 240 extracts observation information on one or more tropical cyclones of observation data for a plurality of tropical cyclones that have been stored in the observation information database 220 , The prediction information extraction module 244 extracts, from the selected atmospheric model, the predictive information for each of the at least one tropical cyclone.

오차 연산 모듈(246)은 관측정보 추출 모듈(242) 및 예측정보 추출 모듈(244)로부터 상기 하나 이상의 열대 저기압 각각에 대한 관측정보와 선행시간 별 예측정보를 수신하고, 상기 관측정보와 예측정보의 지역별 예측 오차 값을 선행시간 별로 계산한다. 관측정보와 예측정보의 지역별 예측 오차 값의 구체적인 계산 방법은 도 4 및 도 5를 참조하여 후술한다. 지도 표출 모듈(248)은 오차 연산 모듈(246)로부터 지역별 예측 오차 값을 수신하고, 해당 값들을 2차원 지도에 맵핑하여 선행시간 별로 그려준다. 2차원 지도에 표출된 선택된 대기모형의 지역별 예측 오차는 입출력 모듈(230)을 통해 사용자에게 선행시간 별로 제공될 수 있다.The error calculation module 246 receives the observation information and preceding time-specific prediction information for each of the one or more tropical cyclones from the observation information extraction module 242 and the prediction information extraction module 244, The prediction error value for each region is calculated by the preceding time. A specific calculation method of the region-specific prediction error values of the observation information and the prediction information will be described later with reference to FIG. 4 and FIG. The map display module 248 receives the regional prediction error value from the error operation module 246, maps the values to a two-dimensional map, and draws the values according to the preceding time. The prediction error of the selected atmospheric model displayed on the two-dimensional map can be provided to the user by the input / output module 230 according to the preceding time.

도 3은 본 발명의 일 실시예에 따른, 열대 저기압에 대한 지역별 예측 오차를 2차원 지도 상에 표시하는 방법(300)의 흐름도이다. 대기모형 평가 시스템은 사용자로부터 대기모형 데이터베이스에 저장되어 있는 대기모형들 중 지역별 예측 오차를 2차원적으로 표출하고자 하는 하나의 대기모형에 대한 선택을 입력 받고(단계 310), 과거에 발생하였던 복수의 열대 저기압에 대한 관측정보를 관측정보 데이터베이스로부터 수신한다(단계 320). 관측정보는 열대 저기압의 일시 별 위도, 경도, 최대풍속, 열대 저기압 강도단계, 중심기압 등을 포함할 수 있고, 이러한 정보는 ASCII 형태의 데이터일 수 있다.3 is a flow diagram of a method 300 for displaying regional prediction errors for tropical cyclones on a two-dimensional map, in accordance with an embodiment of the present invention. The atmospheric model evaluation system receives a selection (step 310) of a single atmospheric model for two-dimensionally expressing the regional prediction error among the atmospheric models stored in the atmospheric model database from the user, Observation information for the tropical cyclone is received from the observation information database (step 320). The observation information may include temporal latitude, longitude, maximum wind speed of tropical cyclone, tropical cyclone intensity stage, and central pressure, and this information may be ASCII type data.

그 후, 대기모형 평가 시스템은 추출할 예측정보의 기준이 되는 선행시간을 선택하고(단계 330), 선택된 대기모형으로부터 상기 복수의 열대 저기압의 선택된 선행시간에 따른 예측정보를 추출한다(단계 340). 대기모형으로부터 추출되는 복수의 열대 저기압에 대한 예측정보는 선택된 선행시간에 따른 열대 저기압의 일시 별 위도, 경도, 최대풍속, 열대 저기압 강도단계, 중심기압 등을 포함할 수 있고, 이러한 정보는 ASCII 형태의 데이터일 수 있다. 또한, 예측정보는 관측정보의 일시와 대응되도록 추출될 수 있다.Then, the atmospheric model evaluation system selects a preceding time as a reference of the prediction information to be extracted (step 330), and extracts prediction information according to the selected preceding time of the plurality of tropical cyclones from the selected atmospheric model (step 340) . The prediction information for the plurality of tropical cyclones extracted from the atmospheric model may include temporal latitude, longitude, maximum wind speed, tropical cyclone intensity step, and central pressure of the tropical cyclone according to the selected preceding time, Lt; / RTI > Further, the prediction information can be extracted so as to correspond to the date and time of the observation information.

선택된 선행시간에 따른 예측정보를 추출한 후, 대기모형 평가 시스템은 수신된 복수의 열대 저기압에 대한 관측정보와 선택된 대기모형으로부터 추출된 특정 선행시간에 따른 예측정보를 비교하여, 지역별 예측 오차를 계산하고 2차원 지도 상에 표시한다(단계 350). 구체적으로, 열대 저기압에 대한 관측정보와 예측정보는 모두 일시 별 위도, 경도, 최대풍속 정보를 포함하므로, 대응하는 일시마다의 관측정보 및 예측정보의 각 항목(위도, 경도, 최대풍속)을 비교하여 예측 오차 값을 얻을 수 있으며, 상기 예측 오차 값과 위도와 경도에 의해 특정되는 위치 정보에 기초하여 지역별 예측 오차를 계산하고 2차원 지도 상에 표시할 수 있다. 여기서 표시되는 지역별 예측 오차는 위도의 지역별 예측 오차, 경도의 지역별 예측 오차, 최대풍속의 지역별 예측 오차 중 하나 이상을 포함할 수 있으며, 지역별 예측 오차를 2차원적으로 표출하기 위해 GrADS(Grid Analysis and Display System), NCL(NCAR Command Language), IDL(Interactive Data Language) 등의 프로그램이 이용될 수 있다. 지역별 예측 오차를 계산하고 2차원 지도 상에 표시하는 구체적인 방법은 도 4 및 5를 참조하여 후술한다.After extracting the prediction information according to the selected preceding time, the atmospheric model evaluation system compares the observation information on the received plural tropical cyclones with the prediction information according to the specific preceding time extracted from the selected atmospheric model, calculates the regional prediction error Dimensional map (step 350). Specifically, the observation information and the prediction information for the tropical cyclone include the latitude, longitude, and maximum wind speed information of each time instant, so that the items (latitude, longitude, maximum wind speed) of observation information and prediction information for each corresponding date and time are compared And a prediction error according to the region can be calculated based on the prediction error value and the position information specified by latitude and longitude and displayed on the two-dimensional map. In this case, the regional prediction error may include at least one of regional error of prediction of latitude, local error of localization of hardness, and regional error of maximum wind speed. In order to express regional prediction error in two dimensions, GrADS Display System), NCL (NCAR Command Language), and IDL (Interactive Data Language). A specific method of calculating the regional prediction error and displaying it on the two-dimensional map will be described below with reference to FIGS.

하나의 선행시간에 따른 지역별 오차 값을 2차원적으로 표시한 후에, 대기모형 평가 시스템은 모든 선행시간에 대한 처리가 완료되었는지를 판단하고(단계 360), 모든 선행시간에 대한 처리가 완료되지 않은 경우에는, 방법(300)이 단계 330으로 돌아가서 처리가 완료되지 않은 선행시간들을 대상으로 단계 330 내지 단계 360을 반복한다. 예를 들어, 선행시간은 0에서 120시간 사이에서 6시간 간격으로 정해질 수 있으며, 0에서 120시간 사이의 모든 선행시간에 대한 지역별 예측 오차가 각각의 2차원 지도상에 표시될 때까지 방법(300)이 수행될 수 있다. 모든 선행시간에 대한 처리가 완료된 것으로 판단되는 경우, 방법(300)이 종료된다.After displaying the area-specific error values two-dimensionally according to one leading time, the waiting model evaluation system determines whether the processing for all the leading times has been completed (step 360). If the processing for all the leading times is not completed , The method 300 returns to step 330 and repeats steps 330 to 360 for the preceding times for which processing has not been completed. For example, the lead time can be set between 0 and 120 hours at 6-hour intervals, and until the local prediction error for all preceding times between 0 and 120 hours is displayed on each two-dimensional map 300) may be performed. If it is determined that the processing for all the preceding times has been completed, the method 300 ends.

도시된 방법(300)은 특정 선행시간을 선택하여 예측정보를 추출하고 지역별 예측 오차를 구하여 2차원 지도상에 표시한 후, 다른 선행시간들에 대해서 동일한 프로세스를 반복하는 것으로 도시되어 있으나, 모든 선행시간에 따른 예측정보를 한 번에 추출하고 지역별 예측 오차를 계산하고 선행시간 별로 별도의 2차원 지도 상에 표시할 수도 있다. 또한, 모든 선행시간에 따른 지역별 예측 오차를 구하고 선행시간 별로 2차원 지도 상에 표시하는 대신에, 사용자가 관심이 있는 선행시간에 대해서만 지역별 예측 오차를 구하고 2차원 지도 상에 표시하는 것 또한 가능하다.The illustrated method 300 extracts prediction information by selecting a specific preceding time, obtains a prediction error by region, displays it on a two-dimensional map, and repeats the same process for different leading times. However, It is possible to extract the prediction information according to time at a time, calculate the regional prediction error, and display it on a separate two-dimensional map for each preceding time. It is also possible to obtain the regional prediction error according to all the preceding times and to display it on the two-dimensional map instead of displaying it on the two-dimensional map for each leading time, .

도 4는 본 발명의 일 실시예에 따른, 열대 저기압에 대한 지역별 예측 오차를 계산하고 2차원 지도 상에 표시는 방법(350)의 세부 흐름도이다. 대기모형 평가 시스템은, 복수의 열대 저기압에 대한 관측정보를 수신하고, 특정 대기모형으로부터 소정의 선행시간에 따른 상기 복수의 열대 저기압 각각에 대한 예측정보를 추출한 이후에, 소정 크기의 격자를 상기 2차원 지도 상의 임의의 지점에 설정한다(단계 351). 2차원 지도는 상기 복수의 열대 저기압의 실제 진행 경로를 포함하도록 충분히 큰 면적을 가질 수 있으며, 상기 격자는 예를 들어 위도 10° × 경도 10°의 크기를 가지고, 2차원 지도의 좌측 하단 모서리에 위치하도록 설정될 수 있다.4 is a detailed flowchart of a method 350 for calculating regional prediction errors for tropical cyclones and displaying them on a two-dimensional map, in accordance with an embodiment of the present invention. The atmospheric model evaluation system receives observation information for a plurality of tropical cyclones and extracts prediction information for each of the plurality of tropical cyclones from a specific atmospheric model in accordance with a predetermined lead time, Is set at an arbitrary point on the 3D map (step 351). The two-dimensional map may have an area large enough to include the actual traveling path of the plurality of tropical cyclones, the grid having a size of, for example, latitude 10 deg. X hardness 10 deg. Can be set.

격자 설정 이후, 대기모형 평가 시스템은, 관측정보에 포함되어 있는 위도와 경도 값을 기초로, 상기 설정된 격자 내에 포함되는 관측정보들을 식별하고, 상기 식별된 관측정보와 그에 대응하는 일시의 예측정보 사이의 오차 값들을 계산한다(단계 352). 여기서 오차 값은 관측정보를 기준으로 계산될 수 있으며, 오차 값은 위도 오차 값, 경도 오차 값, 최대풍속 오차 값 등을 포함할 수 있으며, 오차 값은 아래의 수식에 의해 계산될 수 있다.After the lattice setting, the atmospheric model evaluation system identifies observation information included in the set lattice based on the latitude and the longitude values included in the observation information, and calculates the distance between the identified observation information and the corresponding temporal / (Step 352). Here, the error value may be calculated based on the observation information, and the error value may include a latitude error value, a hardness error value, a maximum wind speed error value, and the error value can be calculated by the following equation.

Figure pat00004
Figure pat00004

상기 식에서 ERRORt는 t번째 관측정보 및 예측정보의 오차 값, yt는 t번째 예측정보 값, y_hatt는 t번째 관측정보 값을 나타내며, 위도 오차 값, 경도 오차 값 및 최대풍속 오차 값 각각 상기 수식을 이용하여 계산할 수 있다.Where ERROR t is an error value of the t-th observation information and prediction information, y t is a t-th prediction information value, y_hat t is a t-th observation information value, and the latitude error value, the hardness error value, It can be calculated using the formula.

격자 내의 관측정보들에 대한 오차 값들의 계산 후, 대기모형 평가 시스템은 상기 계산된 오차 값들을 이용하여 상기 격자에 대한 오차 대표값을 계산한다(단계 353). 여기서 오차 대표값은 위도의 오차 대표값, 경도의 오차 대표값, 최대풍속의 오차 대표값 등을 포함할 수 있으며, 아래의 수식에 의해 계산될 수 있다.After calculating the error values for the observation information in the lattice, the atmospheric model evaluation system calculates the error representative value for the lattice using the calculated error values (step 353). Here, the representative value of the error may include a representative value of the latitude error, a representative value of the error of the hardness, an error representative value of the maximum wind speed, and the like, and can be calculated by the following equation.

Figure pat00005
Figure pat00005

상기 수식에서 REP_ERROR는 설정된 격자에 대한 오차 대표값, ERRORt는 t번째 관측정보 및 예측정보의 오차 값, n은 설정된 격자 내의 관측정보의 개수를 나타낸다. 설정된 격자에 대한 위도 오차 대표값, 경도 오차 대표값 및 최대풍속 오차 대표값은 각각 상기 수식을 이용하여 계산할 수 있다.In the above equation, REP_ERROR represents an error representative value for the set grid, ERROR t represents an error value of the t-th observation information and prediction information, and n represents the number of observation information in the set grid. The latitude error representative value, the hardness error representative value, and the maximum wind speed error representative value for the set lattice can be calculated using the above equations, respectively.

다른 실시예에 의하면, 상기 수식들을 사용하여 오차 값, 오차 대표값을 계산하는 대신에, 대응되는 관측정보와 예측정보의 대소비교 및 대소비교에 따른 비율(ratio)에 따라 오차 값 및 오차 대표값을 계산할 수 있다. 구체적으로, 예측정보가 관측정보보다 큰 경우 오차 값이 +1이고, 반대로 예측정보가 관측정보보다 작은 경우 오차 값이 -1일 수 있다. 이 경우, 오차 값은 아래의 수식에 의해 나타낼 수 있다.According to another embodiment, instead of calculating the error value and the error representative value using the above equations, the error value and the error representative value are calculated according to the ratio between the magnitude comparison and the magnitude comparison of the corresponding observation information and the prediction information, Can be calculated. Specifically, when the prediction information is larger than the observation information, the error value is +1, and when the prediction information is smaller than the observation information, the error value may be -1. In this case, the error value can be expressed by the following equation.

Figure pat00006
Figure pat00006

상기 수식에서 ERRORt는 t번째 관측정보 및 예측정보의 오차 값, yt는 t번째 예측정보 값, y_hatt는 t번째 관측정보 값을 나타내며, 위도 오차 값, 경도 오차 값 및 최대풍속 오차 값은 각각 상기 식을 이용하여 계산할 수 있다.In the above equation, ERROR t represents the error value of the t-th observation information and prediction information, y t represents the t-th prediction information value, y_hat t represents the t-th observation information value, and the latitude error value, the hardness error value, Can be calculated using the above equations.

이 경우의 오차 대표값은 격자 내의 대응되는 예측정보가 관측정보보다 큰 경우 +1을 더하고, 반대로 예측정보가 관측정보보다 작은 경우 -1을 더하며, 총합을 관측정보와 예측정보의 쌍의 개수로 나눔으로써 계산될 수 있다. 즉, 오차 대표값은 아래의 수식에 의해 계산될 수 있다.In this case, the error representative value is incremented by +1 when the corresponding prediction information in the lattice is larger than the observation information. On the other hand, when the prediction information is smaller than the observation information, -1 is added and the sum is multiplied by the number of pairs of observation information and prediction information ≪ / RTI > That is, the error representative value can be calculated by the following equation.

Figure pat00007
Figure pat00007

상기 수식에서 REP_ERROR는 설정된 격자에 대한 오차 대표값, ERRORt는 t번째 관측정보 및 예측정보의 오차 값, n은 설정된 격자 내의 관측정보의 개수를 나타낸다. 상기 격자에 대한 위도 오차 대표값, 경도 오차 대표값 및 최대풍속 예측 오차 대표값은 각각 상기 수식을 이용하여 계산할 수 있다.In the above equation, REP_ERROR represents an error representative value for the set grid, ERROR t represents an error value of the t-th observation information and prediction information, and n represents the number of observation information in the set grid. The latitude error representative value, the hardness error representative value, and the maximum wind speed prediction error representative value for the grid may be calculated using the above equations.

상기에서 계산된 오차 대표값은 격차의 위치에 대한 정보와 함께 해당 지역의 예측 오차 값으로 저장되며, 이때 격자의 위치에 대한 정보는 격자의 중간지점의 위도 및 경도일 수 있다(단계 354). 이 경우, 해당 지역의 예측 오차 값은 아래와 같이 수식으로 표현될 수 있다.The error representative value calculated above is stored as a prediction error value of the corresponding region together with the information of the position of the gap, and information on the position of the grid may be the latitude and longitude of the midpoint of the grid (Step 354). In this case, the prediction error value of the corresponding region can be expressed by the following equation.

Figure pat00008
Figure pat00008

상기 수식에서 lat 및 long은 각각 설정된 격자의 중간지점의 위도 및 경도를 나타내고, ZONE_ERROR(lat, long)은 위도 및 경도로 특정되는 해당 지역의 예측 오차 값을 나타낸다. REP_ERROR는 설정된 격자에 대한 오차 대표값을 나타낸다. 지역별 위도 예측 오차 값, 지역별 경도 예측 오차 값 및 지역별 최대풍속 예측 오차 값은 각각 상기 수식을 이용하여 계산할 수 있다. 또한, 격자 내의 관측정보의 개수(n)도 오차 대표값과 함께 저장될 수 있다.In the above equation, lat and long represent the latitude and longitude of the midpoint of the set grid, respectively, and ZONE_ERROR (lat, long) represents the prediction error value of the region specified by latitude and longitude. REP_ERROR represents an error representative value for the set grid. The local latitude prediction error value, the local hardness prediction error value, and the regional maximum wind speed prediction error value can be calculated using the above equations, respectively. Also, the number n of observation information in the lattice can be stored together with the error representative value.

설정된 격자의 위치에 대한 정보 및 오차 대표값이 해당 지역의 예측 오차 값으로 저장되고 나면, 대기모형 평가 시스템은 2차원 지도 상의 모든 지역에 대하여 처리가 완료되었는지를 판단한다(단계 355). 모든 지역에 대한 처리 완료 여부는, 격자가 2차원 지도 상의 모든 지역을 훑고 지나갔는지 여부에 따라 판단될 수 있다. 모든 지역에 대한 처리가 완료되지 않았다고 판단되는 경우, 대기모형 평가 시스템이 격자의 위치를 이동시키고(단계 356), 방법(350)은 단계 352로 돌아가서 이동된 위치의 격자에 대해 단계 352 내지 단계 355를 반복한다. 여기서 격자는, 2차원 지도 상에 충분히 높은 해상도의 지역별 예측 오차를 제공할 수 있도록 1°씩 동서 또는 남북 방향으로 이동될 수 있다.After the information about the position of the grid and the representative value of error are stored as the prediction error value of the corresponding region, the atmospheric model evaluation system determines whether the processing is completed for all the regions on the two-dimensional map (Step 355). Completion of processing for all regions can be determined by whether the grid has traversed all regions on the two-dimensional map. If it is determined that the processing for all of the regions has not been completed, the atmospheric model evaluation system moves the position of the grating (step 356), and the method 350 returns to step 352 to repeat steps 352 to 355 . Here, the grid can be moved east-west or north-south directions by 1 DEG to provide sufficiently high resolution regional prediction errors on the two-dimensional map.

모든 지역에 대한 처리가 완료된 것으로 판정되면, 대기모형 평가 시스템은 저장되어 있는 지역별 예측 오차 값(ZONE_ERROR)에 기초하여 2차원 지도 상에 지역별 예측 오차를 표시한다(단계 357). 지역별 예측 오차 값(ZONE_ERROR) 각각 위치 정보(lat, long) 및 오차 대표값(REP_ERROR)을 포함하고 있으므로, 2차원 지도 상의 각 위치마다 오차 대표값(REP_ERROR)이 표시될 수 있다. 또한, 지역별 위도 예측 오차 값, 지역별 경도 예측 오차 값, 지역별 최대풍속 예측 오차 값이 있으므로, 위도의 지역별 오차에 대한 공간적인 그래프, 경도의 지역별 오차에 대한 공간적인 그래프, 최대풍속의 지역별 오차에 대한 공간적인 그래프 등이 각각 사용자에게 제공될 수 있다.If it is determined that the processing for all the regions has been completed, the atmospheric model evaluation system displays the regional prediction error on the two-dimensional map based on the stored region-specific prediction error value (ZONE_ERROR) (Step 357). Since the region-specific prediction error value ZONE_ERROR includes position information (lat, long) and error representative value REP_ERROR, an error representative value REP_ERROR can be displayed for each position on the two-dimensional map. In addition, since there are regional latitude error, regional hardness error, and maximum wind speed error in each region, a spatial graph of the regional error of the latitude, a spatial graph of the local error of the hardness, A spatial graph, and the like can be provided to the user, respectively.

도 5는 본 발명의 일 실시예에 따른, 소정 크기의 격자(510)를 이용하여 열대 저기압에 대한 지역별 위도 예측 오차를 계산하는 방법을 예시적으로 나타낸 것이다. 도시된 예는 설명의 편의를 위하여, 2차원 지도(500) 내의 1개의 열대 저기압에 대한 관측정보와 예측정보에 기초해서 지역별 예측 오차를 계산하는 과정을 보여주지만, 실제로는, 추출된 복수의 열대 저기압에 대한 관측정보와 예측정보를 2차원 지도(500) 상에 모두 나열하고, 나열된 관측정보와 예측정보에 기초하여 지역별 예측 오차에 대한 계산이 이루어진다. 또한, 도시된 예는 지역별 위도 예측 오차(LAT_ZONE_ERROR)를 계산하는 것을 설명하지만, 지역별 경도 예측 오차(LONG_ZONE_ERROR) 또는 지역별 최대풍속 예측 오차(WIND_ZONE_ERROR) 역시 동일한 방식으로 계산될 수 있다.FIG. 5 illustrates an exemplary method for calculating local latitude prediction errors for tropical cyclones using a grid 510 of a predetermined size, in accordance with an embodiment of the present invention. For convenience of explanation, the illustrated example shows a process of calculating a regional prediction error based on observation information and prediction information for one tropical cyclone in the two-dimensional map 500, but actually, The observation information and the prediction information for the low pressure are all listed on the two-dimensional map 500, and the regional prediction error is calculated based on the observed observation information and the prediction information. In addition, although the illustrated example calculates the regional latitude prediction error (LAT_ZONE_ERROR), the local hardness prediction error (LONG_ZONE_ERROR) or the regional maximum wind speed prediction error (WIND_ZONE_ERROR) can also be calculated in the same manner.

도 5에 도시된 사각형 기호들(y_hat1 내지 y_hat5 포함)은 특정 열대 저기압(예를 들면 열대 저기압 A)의 일시 별 관측정보를 관측 위도 및 관측 경도 값에 따라 2차원 지도(500) 상에 표시한 것으로, 해당 열대 저기압의 실제 경로를 나타낸다. 예를 들면, 사각형 기호 y_hat1은 2012년 6월 27일 0시의 열대 저기압 A의 관측정보를 관측 위도 및 관측 경도에 따라 2차원 지도(500) 상에 나타낸 것이며, 도시되지 않았지만, 관측정보는 위 일시에 관측된 열대 저기압의 최대풍속, 강도단계, 중심기압 등에 대한 정보를 포함할 수 있다. 유사한 방식으로, 사각형 기호 y_hat2 내지 y_hat5는 각각 2012년 6월 27일 6시, 12시, 18시 및 2012년 6월 28일 0시의 열대 저기압 A의 관측정보들을 관측 위도 및 관측 경도에 따라 2차원 지도(500) 상에 나타낸 것이며, 도시되지 않았지만, 관측정보들은 위 일시에 관측된 열대 저기압의 최대풍속, 강도단계, 중심기압 등에 대한 정보를 포함할 수 있다.The rectangular symbols (including y_hat 1 to y_hat 5 ) shown in FIG. 5 indicate temporal observation information of a specific tropical cyclone (for example, tropical cyclone A) on the two-dimensional map 500 according to observation latitude and observation hardness values The actual path of the corresponding tropical cyclone. For example, the square symbol y_hat 1 indicates the observation information of the tropical cyclone A at 0 o'clock on June 27, 2012 on the two-dimensional map 500 according to the observation latitude and observation hardness, and the observation information And information on the maximum wind speed, intensity level, center pressure, etc. of the tropical cyclone observed at the time of day. In a similar manner, the square symbols y_hat 2 through y_hat 5 indicate the observation information of the tropical cyclone A at 6 o'clock, 12 o'clock, 18 o'clock on June 27, 2012 and 0 o'clock on June 28, 2012, respectively, Dimensional map 500. Although not shown, the observation information may include information on the maximum wind speed, intensity level, center pressure, etc. of the tropical cyclone observed at the time and date.

도 5에 도시된 원형 기호들(y1 내지 y5 포함)은 특정 선행시간(예를 들면 선행시간 12시간)에 기초하여 특정 대기모형(예를 들면 대기모형 X)으로부터 추출된 특정 열대 저기압(예를 들면 열대 저기압 A)에 대한 일시 별 예측 정보를 예측 위도 및 예측 경도 값에 따라 2차원 지도(500) 상에 표시한 것으로, 해당 열대 저기압의 예측 경로를 나타낸다. 예를 들면, 원형 기호 y1은 선행시간 12시간에 기초하여 대기모형 X로부터 추출된 2012년 6월 27일 0시의 열대 저기압 A의 예측정보를 예측 위도 및 예측 경도에 따라 2차원 지도(500) 상에 나타낸 것이며, 도시되지 않았지만, 예측정보는 위 일시의 열대 저기압의 예측 최대풍속, 예측 강도단계, 예측 중심기압 등에 대한 정보를 포함할 수 있다. 유사한 방식으로, 원형 기호 y2 내지 y5는 각각 선행시간 12시간에 기초하여 대기모형 X로부터의 추출된 2012년 6월 27일 6시, 12시, 18시 및 2012년 6월 28일 0시의 열대 저기압 A의 예측정보를 예측 위도 및 예측 경도에 따라 2차원 지도(500) 상에 나타낸 것이며, 도시되지 않았지만, 예측정보는 위 일시의 열대 저기압의 예측 최대풍속, 예측 강도단계, 예측 중심기압 등에 대한 정보를 포함할 수 있다.The circled symbols (including y 1 to y 5 ) shown in FIG. 5 are calculated based on the specific tropical cyclone (FIG. 5) extracted from a specific atmospheric model (for example, atmospheric model X) For example, tropical cyclone A) on the two-dimensional map 500 according to the predicted latitude and the predicted hardness value, and represents the predicted path of the corresponding tropical cyclone. For example, the circular symbol y 1 indicates the prediction information of the tropical cyclone A at 0:00 on June 27, 2012, extracted from the atmospheric model X based on the preceding time 12 hours, based on the predicted latitude and the predicted longitude, ), And although not shown, the prediction information may include information on the predicted maximum wind speed of the tropical cyclone, the predicted intensity step, the predicted center air pressure, and the like. In a similar manner, the circle symbols y 2 to y 5 are calculated based on the 12-hour preceding time, respectively, at 6:00, 12:00, 18:00 on June 27, 2012, and 0:00 on June 28, 2012 Dimensional map 500 according to the predicted latitude and predicted hardness of the tropical cyclone A of the tropical cyclone A of the upper and lower troposphere and the predicted information of the tropical cyclone A of the upper and lower troposphere, And so on.

지역별 위도 예측 오차를 구하기 위해, 우선 2차원 지도(500) 상의 임의의 지점에 소정 크기(예를 들면, 위도 10° × 경도 10°)의 격자(510)가 설정되고, 해당 격자(510) 내에 포함되는 관측정보가 식별된다. 도 5에 도시된 격자(510) 내에 식별되는 관측정보는 y_hat1, y_hat2, y_hat3, y_hat4, y_hat5이다. 식별된 관측정보 y_hat1, y_hat2, y_hat3, y_hat4, y_hat5의 위도 값과 그에 대응하는 일시의 예측정보인 y1, y2, y3, y4, y5의 위도 값을 이용하여 관측정보와 그에 대응하는 일시의 예측정보 사이의 위도 오차 값들이 계산된다. 여기서, 위도 오차 값은 아래의 수식에 의해 계산될 수 있다.A grid 510 having a predetermined size (for example, latitude 10 deg. X hardness 10 deg.) Is set at an arbitrary point on the two-dimensional map 500 in order to obtain a latitude prediction error for each region, The included observation information is identified. The observation information identified in the grid 510 shown in Fig. 5 is y_hat 1 , y_hat 2 , y_hat 3 , y_hat 4 , y_hat 5 . Using the latitude value of the identified observation information y_hat 1, y_hat 2, y_hat 3 , y_hat 4, the y 1, y 2, prediction information of the date and time corresponding to the latitude value of y_hat 5 y 3, y 4, y 5 Latitude error values between the observation information and the corresponding temporal prediction information are calculated. Here, the latitude error value can be calculated by the following equation.

Figure pat00009
Figure pat00009

상기 식에서 LAT_ERRORt는 관측정보 y_hatt와 예측정보 yt 사이의 위도 오차 값이며, LATt는 yt 의 예측 위도 값, LAT_HATt는 y_hatt의 관측 위도 값을 나타낸다.LAT_ERROR t is the latitude error value between the observation information y_hat t and the prediction information y t , LAT t is the predicted latitude value of y t , and LAT_HAT t is the observation latitude value of y_hat t .

격자 내의 관측정보들에 대한 위도 오차 값들의 계산 후, 상기 위도 오차 값들을 이용하여 해당 격자(510)에 대한 위도 오차 대표값이 계산된다. 제1 실시예에 따르면, 위도 오차 대표값은 아래의 수식에 의해 계산될 수 있다.After calculating the latitude error values for the observation information in the lattice, a latitude error representative value for the corresponding lattice 510 is calculated using the latitude error values. According to the first embodiment, the latitude error representative value can be calculated by the following equation.

Figure pat00010
Figure pat00010

상기 수식에서 LAT_REP_ERROR는 설정된 격자에 대한 위도 오차 대표값이며, LAT_ERRORt는 관측정보 y_hatt와 예측정보 yt 사이의 위도 오차 값을 나타낸다.In the above equation, LAT_REP_ERROR represents a latitude error representative value for the set grid, and LAT_ERROR t represents a latitude error value between the observation information y_hat t and the prediction information y t .

다른 실시예에 의하면, 상기 수식들을 사용하여 위도 오차 값, 위도 오차 대표값을 계산하는 대신에, 대응되는 관측정보와 예측정보의 대소비교 및 대소비교에 따른 비율(ratio)에 따라 위도 오차 값 및 위도 오차 대표값을 계산할 수 있다. 구체적으로, 예측 위도 값이 관측 위도 값보다 큰 경우 위도 오차 값이 +1이고, 반대로 예측 위도 값이 관측 위도 값보다 작은 경우 오차 값이 -1일 수 있다. 이 경우, 위도 오차 값은 아래의 수식에 의해 나타낼 수 있다.According to another embodiment, instead of calculating the latitude error value and the latitude error representative value using the above equations, the latitude error value and the latitude error value are calculated according to the ratio between the corresponding observation information and the prediction information, The latitude error representative value can be calculated. Specifically, when the predicted latitude value is larger than the observation latitude value, the latitude error value is +1, and when the predicted latitude value is smaller than the observation latitude value, the error value may be -1. In this case, the latitude error value can be expressed by the following equation.

Figure pat00011
Figure pat00011

상기 수식에서 LAT_ERRORt는 관측정보 y_hatt와 예측정보 yt 사이의 위도 오차 값이며, LATt는 yt 의 예측 위도 값, LAT_HATt는 y_hatt의 관측 위도 값을 나타낸다.In the above equation, LAT_ERROR t is the latitude error value between the observation information y_hat t and the prediction information y t , LAT t is the predicted latitude value of y t , and LAT_HAT t is the observation latitude value of y_hat t .

이 경우의 오차 대표값은, 격자 내의 대응되는 예측 위도 값이 관측 위도 값보다 큰 경우 +1을 더하고, 반대로 예측 위도가 관측 위도보다 작은 경우 -1을 더하며, 총합을 관측 위도와 예측 위도의 쌍의 개수로 나눔으로써 계산될 수 있다. 예를 들어, 도 5에 도시된 격자(510) 내에는 총 5번의 관측정보의 기록이 있었고, 예측정보 y1, y2, y3의 예측 위도 값은 그에 대응되는 관측정보 y_hat1, y_hat2, y_hat3의 관측 위도 값보다 크므로, +1이 3번 있고, 예측정보 y4 및 y5의 예측 위도 값은 그에 대응되는 관측정보 y_hat4 및 y_hat5의 관측 위도 값보다 작으므로, -1이 2번 있으므로, 격자(510)에 대한 위도 오차 대표값은 1/5으로 0.2가 된다. 즉, 위도 오차 값은 아래의 수식에 의해 계산될 수 있다.In this case, the representative value of the error is +1 when the corresponding predicted latitude value in the lattice is larger than the observation latitude value, and adds -1 when the predicted latitude is smaller than the observation latitude. Can be calculated by dividing by the number of pairs. For example, in the lattice 510 shown in FIG. 5, there are recorded five times of observation information in total, and the predicted latitude values of the predicted information y 1 , y 2 , and y 3 correspond to observation information y_hat 1 , y_hat 2 and y_hat 3 , so that +1 is 3 and the predicted latitude values of the prediction information y 4 and y 5 are smaller than the observed latitude values of the observation information y_hat 4 and y_hat 5 corresponding thereto, The representative value of the latitude error with respect to the grid 510 is 0.2 in 1/5. That is, the latitude error value can be calculated by the following equation.

Figure pat00012
Figure pat00012

상기 수식에서 LAT_REP_ERROR는 설정된 격자에 대한 위도 오차 대표값, LAT_ERRORt는 관측정보 y_hatt와 예측정보 yt 사이의 위도 오차 값을 나타낸다.In the above equation, LAT_REP_ERROR represents a latitude error representative value for the set grid, and LAT_ERROR t represents a latitude error value between the observation information y_hat t and the prediction information y t .

도시된 예에서는, 관측정보가 격자 안에 포함되고 대응되는 예측정보가 격자 안에 포함되지 않는 경우(예를 들면, y_hat5 및 y5), 해당 관측정보와 예측정보를 위도 오차 대표값을 계산하기 위한 데이터로 사용하였지만, 이에 한정되지 않으며, 관측정보와 예측정보의 쌍 중 예측정보만이 설정된 격자 내에 포함되는 경우에도 해당 관측정보와 예측정보를 위도 오차 대표값을 계산하기 위한 데이터로 사용할 수 있으며, 관측정보와 예측정보의 쌍 모두가 설정된 격자 내에 포함되는 경우에만 위도 오차 대표값을 계산하기 위한 데이터로 사용할 수도 있다.In the illustrated example, when the observation information is included in the grid and the corresponding prediction information is not included in the grid (for example, y_hat 5 and y 5 ), the observation information and the prediction information are used to calculate the latitude error representative value However, the present invention is not limited to this. Even when only the prediction information among the pair of the observation information and the prediction information is included in the set grid, the observation information and the prediction information can be used as data for calculating the latitude error representative value, And may be used as data for calculating the latitude error representative value only when both the pair of the observation information and the prediction information are included in the set grid.

제1 실시예 또는 제2 실시예에 따라 계산된 위도 오차 대표값은 격차(510)의 위치에 대한 정보와 함께 해당 지역의 위도 예측 오차 값으로 저장되며, 이때 격자의 위치에 대한 정보는 격자(510)의 중간지점의 위도 및 경도일 수 있다. 이 경우, 해당 지역의 위도 예측 오차 값은 아래와 같이 수식으로 표현될 수 있다.The latitude error representative value calculated according to the first embodiment or the second embodiment is stored as the latitude prediction error value of the corresponding area together with information on the position of the gap 510, 510). ≪ / RTI > In this case, the latitude prediction error value of the corresponding area can be expressed by the following equation.

Figure pat00013
Figure pat00013

상기 수식에서 lat 및 long은 각각 설정된 격자의 중간지점의 위도 및 경도를 나타내고, LAT_ZONE_ERROR(lat, long)은 위도 및 경도로 특정되는 해당 지역의 위도 예측 오차 값을 나타낸다. LAT_REP_ERROR는 설정된 격자에 대한 위도 오차 대표값을 나타낸다.In the above equation, lat and long represent the latitude and longitude of the midpoint of the set grid respectively, and LAT_ZONE_ERROR (lat, long) represents the latitude prediction error value of the region specified by latitude and longitude. LAT_REP_ERROR represents a latitude error representative value for the set grid.

격자(510)의 위치에 대한 정보(lat, long) 및 위도 오차 대표값(REP_ERROR)을 해당 지역의 위도 예측 오차 값(LAT_ZONE_ERROR)으로 저장한 후, 격자(510)를 2차원 지도(500) 상에서 동서 또는 남북 방향으로 1°씩 이동시키면서, 이동된 격자의 지역에 대한 위도 예측 오차 값을 상술한 것과 마찬가지 방식으로 계산한다. 도시된 예에서는 격자(510)가 2차원 지도(500)의 안쪽 지점에 설정된 것으로 도시되었으나, 이에 한정되지 않으며, 격자가 2차원 지도의 좌측 하단 모서리에 위치하도록 초기 설정되고, 위도 오차 값의 계산 후 1°씩 이동될 수 있다. 격자를 동서 또는 남북 방향으로 1°씩 이동시키면서 각 격자간의 중복을 허용하면서 계산하기 때문에, 고해상도 위도 예측 오차 지도를 얻을 수 있다.After storing the information (lat and long) and the latitude error representative value (REP_ERROR) about the position of the grid 510 as the latitude prediction error value LAT_ZONE_ERROR of the corresponding region, the grid 510 is displayed on the two- The latitude prediction error value for the region of the moved grid is calculated in the same manner as described above while moving by 1 DEG in the east-west or north-south direction. In the illustrated example, the grid 510 is shown as being set at an inner point of the two-dimensional map 500, but is not so limited, and is initially set such that the grid is located at the lower left corner of the two- Can be moved by 1 degree. Since the lattice is calculated while permitting the overlapping of the lattices while moving the lattice in the east-west or north-south direction by 1 DEG, a high resolution latitude prediction error map can be obtained.

모든 지역에 대한 처리가 완료되면, 저장되어 되어 있는 지역별 위도 예측 오차 값(LAT_ZONE_ERROR)에 기초하여 2차원 지도 상에 지역별 위도 예측 오차를 표시한다. 도시된 예에서는, 격자 내에 포함되어 있는 관측정보의 개수와 상관 없이 위도 오차 대표값에 대한 계산이 이루어지는 것으로 설명되었으나, 또 다른 실시예에서는 격자 내에 포함된 관측정보가 소정의 개수(예를 들면 10개) 이상인 경우에만 위도 오차 대표값이 계산될 수 있으며, 10개 미만인 경우에는 데이터가 부족한 것으로 판단하여 위도 오차 대표값을 계산하지 않고 공란으로 놔둘 수 있다.When processing for all the regions is completed, the latitude prediction error for each region is displayed on the two-dimensional map based on the stored latitude-specific latitude error value (LAT_ZONE_ERROR). In the illustrated example, the calculation of the latitude error representative value is performed irrespective of the number of observation information included in the grid, but in another embodiment, the observation information included in the grid is a predetermined number (for example, 10 ), The latitude error representative value can be calculated. If it is less than 10, it can be determined that the data is insufficient and the latitude error representative value can be left blank without calculating the representative value.

도 6은 본 발명의 일 실시예에 따른, 대기모형 X의 12시간 선행시간에 따른 2009년~2012년 열대 저기압에 대한 예측 정보의 지역별 위도 예측 오차, 지역별 경도 예측 오차, 지역별 최대풍속 예측 오차를 2차원 지도 상에 표시하는 방법(600)의 흐름도이다. 대기모형 평가 시스템은 대기모형 데이터베이스로부터 대기모형 X를 입수하고(단계 610), 대기모형 X로부터 2009년 내지 2012년에 발생한 모든 열대 저기압에 대한, 선행시간 별 예측정보를 추출한다(단계 620). 추출된 선행시간 별 예측정보들 중에서, 대기모형 평가 시스템은 12시간 선행시간에 따른 예측정보를 분류하여 따로 저장한다(단계 630). 다른 실시예에서는, 대기모형 X로부터 2009년 내지 2012년에 발생한 모든 열대 저기압에 대한, 선행시간 별 예측정보를 추출하고, 12시간 선행시간에 따른 예측정보를 분류하여 따로 저장하는 대신에, 대기모형 X로부터 2009년 내지 2012년에 발생한 모든 열대 저기압에 대한 12시간 선행시간에 따른 예측정보만을 추출하여 저장할 수도 있다.FIG. 6 is a graph showing the predicted error of the forecasted information of the tropical cyclone from 2009 to 2012 according to the 12-hour lead time of the atmospheric model X according to the embodiment of the present invention, the local latitude prediction error, the hardness prediction error by region, 2 is a flowchart of a method 600 of displaying on a two-dimensional map. The atmospheric model evaluation system obtains the atmospheric model X from the atmospheric model database (step 610), and extracts the predictive information for each of the tropical cyclones generated in 2009-2012 from the atmospheric model X (step 620). Among the extracted predictive information for each preceding time, the atmospheric model evaluation system classifies the predictive information according to the 12-hour precedent time and stores it separately (step 630). In another embodiment, instead of extracting forecast information for each of the tropical cyclones occurring in 2009-2012 from the atmospheric model X and classifying the forecast information according to the 12-hour precedent time and storing them separately, It is possible to extract and store only the prediction information according to the 12-hour lead time for all the tropical cyclones generated in 2009-2012 from X.

대기모형 평가 시스템은 이와는 별도로, 관측정보 데이터베이스로부터 2009년 내지 2012년에 발생한 열대 저기압의 관측정보를 수신한다(단계 640). 도시된 방법(600)에는 예측정보와 관측정보를 추출하는 단계를 동시에 이루어지는 것으로 도시하고 있으나, 이에 한정되지 않으며, 예측정보와 관측정보 중 어느 하나가 먼저 추출되고 나머지 하나가 나중에 추출될 수도 있다. 대기모형 평가 시스템은 추출된 관측정보와 예측정보를 비교하여 지역별 예측 오차를 계산한다(단계 650). 예측정보와 관측정보를 비교하여 얻어지는 지역별 예측 오차는 지역별 위도 예측 오차(LAT_ZONE_ERROR), 지역별 경도 예측 오차(LONG_ZONE_ERROR), 지역별 최대풍속예측 오차(WIND_ZONE_ERROR)를 포함할 수 있다.Apart from this, the atmospheric model evaluation system also receives observations of tropical cyclones occurring from 2009 to 2012 from the observation information database (step 640). In the illustrated method 600, the prediction information and the observation information are simultaneously extracted. However, the present invention is not limited to this, and either the prediction information or the observation information may be extracted first and the remaining one may be extracted later. The atmospheric model evaluation system compares the extracted observation information with the prediction information to calculate a regional prediction error (Step 650). The regional prediction errors obtained by comparing the prediction information and the observation information may include a regional latitude prediction error (LAT_ZONE_ERROR), a local hardness prediction error (LONG_ZONE_ERROR), and a local maximum wind speed prediction error (WIND_ZONE_ERROR).

그 후, 대기모형 평가 시스템은 대기모형 X로부터 추출된 12시간 선행시간에 따른 지역별 위도 예측 오차(LAT_ZONE_ERROR)를 2차원 지도상에 표시한다(단계 660). 지역별 위도 예측 오차(Meridional bias)의 2차원 그래프는 특정 지역에서 열대 저기압에 대한 위도의 예측정보가 관측정보에 비하여 남쪽 또는 북쪽 방향으로 얼마만큼 부정확한지를 나타낸다. 지역별 위도 예측 오차(Meridional bias)의 2차원 그래프의 일 예시는 도 7a를 참조하여 후술한다.Then, the atmospheric model evaluation system displays the latitude prediction error (LAT_ZONE_ERROR) according to the 12-hour precedent time extracted from the atmospheric model X on the two-dimensional map (step 660). The two-dimensional graph of the regional latitude error (Meridional bias) indicates how much the prediction information of the latitude for the tropical cyclone in the specific region is inferior to the observation information in the south or north direction. An example of a two-dimensional graph of the regional latitude prediction error (Meridional bias) will be described later with reference to FIG.

또한, 대기모형 평가 시스템은 대기모형 X로부터 추출된 12시간 선행시간에 따른 지역별 경도 예측 오차(LONG_ZONE_ERROR)를 별도의 2차원 지도상에 표시한다(단계 670). 지역별 경도 예측 오차(Zonal bias)는 특정 지역에서 열대 저기압에 대한 경도의 예측정보가 관측정보에 비하여 서쪽 또는 동쪽 방향으로 얼마만큼 부정확한지를 나타낸다. 지역별 위도 예측 오차(Meridional bias)의 2차원 그래프의 일 예시는 도 7b를 참조하여 후술한다.In addition, the atmospheric model evaluation system displays the hardness prediction error (LONG_ZONE_ERROR) according to the 12-hour leading time extracted from the atmospheric model X on a separate two-dimensional map (step 670). The zonal bias for each region indicates how much the prediction information of the hardness for the tropical cyclone in a specific region is inferior to the observation information in the west or east direction. An example of a two-dimensional graph of a regional latitude prediction error (Meridional bias) will be described below with reference to FIG. 7B.

추가로, 대기모형 평가 시스템은 대기모형 X로부터 추출된 12시간 선행시간에 따른 지역별 최대풍속 예측 오차(WIND_ZONE_ERROR)를 또 다른 2차원 지도상에 표시한다(단계 680). 지역별 최대풍속 예측 오차는 특정 지역에서 열대 저기압에 대한 최대풍속 예측정보가 관측정보에 비하여 양 혹은 음의 방향으로 얼마만큼 부정확한지를 나타내주는 값이다. 즉, 지역별 최대풍속 예측 오차는 열대 저기압의 강도에 대한 예측정보의 오차의 방향성과 크기를 나타낸다. 지역별 최대풍속 예측 오차의 2차원 그래프의 일 예시는 도 7c를 참조하여 후술한다.In addition, the atmospheric model evaluation system displays WIND_ZONE_ERROR of the local maximum wind speed forecast (WIND_ZONE_ERROR) according to the 12-hour precedence time extracted from the atmosphere model X (step 680). The maximum wind speed forecast error for each region is a value indicating how much the maximum wind speed prediction information for tropical cyclone is positive or negative in comparison with the observation information in a specific region. In other words, the regional maximum wind speed forecast error represents the direction and magnitude of the error of forecast information on the intensity of the tropical cyclone. An example of a two-dimensional graph of the maximum wind speed prediction error for each region will be described later with reference to FIG. 7C.

도 7a는 본 발명의 일 실시예에 따른, 복수의 열대 저기압에 대한 예측 정보의 지역별 위도 예측 오차를 2차원 지도 상에 표시한 도면이다. 관측정보와 예측정보를 비교하여 계산된 위도 오차 대표값은 그와 함께 저장된 격자의 위치 정보(예컨대, 설정된 격자의 중앙 지점에 해당하는 위도와 경도)에 대응되는 위치에 부여될 수 있다. 도 7a의 경우, 대응되는 관측 위도와 예측 위도의 대소비교 및 대소비교에 따른 비율(ratio)에 따라 위도 오차 값 및 위도 오차 대표값을 계산한 경우에 나타나는 지역별 위도 예측 오차를 2차원 지도 상에 표시한 예시적인 도면이다.FIG. 7A is a diagram illustrating a latitude prediction error of a prediction information for a plurality of tropical cyclones according to an embodiment of the present invention on a two-dimensional map. FIG. The latitude error representative value calculated by comparing the observation information with the prediction information may be given at a position corresponding to the position information of the grid stored therein (e.g., latitude and longitude corresponding to the center point of the set grid). In the case of FIG. 7A, the latitude and the altitude prediction errors of the regional latitude and the latitude error in the case of calculating the latitude error value and the latitude error representative value according to the ratio of the magnitude comparison and the magnitude comparison of the corresponding observation latitude and the predicted latitude, And Fig.

스케일에서 도시된 바와 같이, 위도 오차 대표값은 -1과 +1 사이의 값을 가질 수 있으며, 해당 위치에 부여되는 위도 오차 대표값이 음의 값인 경우, 해당 위치는 파란색으로 표시되며, 반대로 해당 위치에 부여되는 위도 오차 대표값이 양의 값인 경우, 해당 위치는 빨간색으로 표시된다. 또한, 위도 오차 대표값의 크기가 클수록 더 진한 파란색 또는 더 진한 빨간색으로 표현된다.As shown in the scale, the latitude error representative value may have a value between -1 and +1, and when the latitude error representative value given to the position is a negative value, the corresponding position is displayed in blue, If the representative value of the latitude error given to the position is a positive value, the position is indicated in red. Also, the larger the magnitude of the latitude error representative value, the more dark blue or darker red is represented.

위도 38N 및 경도 77W(38° × 283°)로 특정되는 지도 상의 위치에서는, 특정 대기모형 (예컨대, 대기모형 X)으로부터 추출된 특정 선행시간(예컨대, 선행시간 12시간)에 따른 예측 위도들의 오차 대표값은 대략 -0.9이다. 이는 위 지역에서 관측된 열대 저기압에 대한 예측 경로가 실제 관측 경로보다 위도 상으로 0.9 비율만큼 더 낮게 예측되었음을 시사한다. 즉, 예측 경로가 관측 경로보다 해당 지역에서 0.9 비율만큼 더 남쪽에 위치했음을 나타낸다.At a position on the map specified by latitude 38N and longitude 77W (38 占 283 占), the error of the forecast latitudes according to a specific precedent time extracted from the specific atmospheric model (e.g., atmospheric model X) The representative value is approximately -0.9. This suggests that the predicted path for the observed tropical cyclones in the above region was predicted to be 0.9 times lower than the actual observation path. In other words, it indicates that the predicted path is located further south than the observed path by 0.9 percentage points in the region.

또한, 위도 35N 및 경도 58W(35° × 302°)로 특정되는 지도 상의 위치에서는, 특정 대기모형(예컨대, 대기모형 X)로부터 추출된 특정 선행시간(예컨대, 선행시간 12시간)에 따른 예측 위도들의 오차 대표값은 대략 0.9이다. 이는 위 지역에서 관측된 열대 저기압에 대한 예측 경로가 실제 관측 경로보다 위도 상으로 0.9 비율만큼 더 높게 예측되었음을 시사한다. 즉, 예측 경로가 관측 경로보다 해당 지역에서 0.9 비율만큼 더 북쪽에 위치했음을 나타낸다.Further, at a position on the map specified by the latitude 35N and the hardness 58W (35 占 302 占), the predicted latitude in accordance with the specific precedent time extracted from the specific atmospheric model (for example, the atmospheric model X) The representative value of the error is approximately 0.9. This suggests that the predicted path for observed tropical cyclones in the above region is predicted to be 0.9 times higher than the actual observation path. That is, the predicted path is located further north than the observation path by 0.9% in the region.

도 7a의 2차원 지도는 위 두 위치가 다른 지역에 비하여 상대적으로 예측 오차가 더 크게 발생한다는 사실을 나타낸 준다. 이에 후속 대기모형을 개발하거나 기존 대기모형을 개선하는 작업을 수행하는 경우, 예측 오차가 크게 나타나는 해당 지역의 특수성을 고려함으로써, 후속 대기모형의 정확성을 개선할 수 있다.The two-dimensional map of FIG. 7A shows that the above two positions have a relatively larger prediction error than the other regions. Therefore, the accuracy of the subsequent atmospheric model can be improved by considering the specificity of the region in which the prediction error is large when the subsequent atmospheric model is developed or the existing atmospheric model is improved.

한편, 위도 21N 및 경도 49W(21° × 311°)로 특정되는 지도 상의 위치는 하얀색으로 표시되어 있는데, 이 것은 해당 위치의 오차 대표값이 존재하지 않다는 것을 의미한다. 이는, 앞서 설명한 바와 같이, 해당 위치를 중앙지점으로 하는 격자를 설정하였을 때, 그 안에 포함된 관측정보의 개수가 일정 개수(예컨대, 10개) 미만으로 존재하여, 오차 대표값의 신뢰성이 보장되지 않으므로, 이러한 지역에 대해서는 예측 오차 대표값을 계산하지 않았기 때문이다. 도 7a에 도시된 숫자(즉, 10, 15, 20, 25, 30)는 해당 지역에서 위도 예측 오차 대표값을 계산하기 위해 사용된 관측 위도의 개수(해당 지역에서 설정된 격자 내의 관측 위도의 개수)이며, 도시된 숫자가 높을수록 해당 지역의 오차 대표값의 신뢰성이 높음을 의미한다. 또한, 도 7a에 도시된 선들은 상기 숫자(즉, 10, 15, 20, 25, 30)가 동일한 지역들을 이어 놓은 등고선이다.On the other hand, the position on the map specified by the latitude 21N and the hardness 49W (21 DEG x 311 DEG) is shown in white, which means that there is no error representative value at the position. This is because, as described above, when the lattice with the center as the center is set, the number of observation information included therein is less than a certain number (for example, 10), and reliability of the error representative value is not guaranteed Since we did not calculate the forecast error representative value for these regions. The numbers (i.e., 10, 15, 20, 25, 30) shown in FIG. 7A indicate the number of observation latitudes (the number of observation latitudes in the grid set in the region) used to calculate the latitude prediction error representative value in the region, And the higher the number shown, the higher the reliability of the representative value of the area. Also, the lines shown in Fig. 7A are contour lines in which the numbers (i.e., 10, 15, 20, 25, 30) are connected to the same areas.

도 7b는 본 발명의 일 실시예에 따른, 열대 저기압에 대한 예측 정보의 지역별 경도 오차 값을 2차원 지도 상에 표시한 도면이다. 관측정보와 예측정보를 비교하여 계산된 경도 오차 대표값은 그와 함께 저장된 격자의 위치 정보(예컨대, 설정된 격자의 중앙 지점에 해당하는 위도와 경도)에 대응되는 위치에 부여될 수 있다. 도 7b의 경우, 대응되는 관측 경도와 예측 경도의 대소비교 및 대소비교에 따른 비율(ratio)에 따라 경도 오차 값 및 경도 오차 대표값을 계산한 경우에 나타나는 지역별 경도 예측 오차를 2차원 지도 상에 표시한 예시적인 도면이다.FIG. 7B is a graph showing, on a two-dimensional map, the hardness error value by region of the prediction information for the tropical cyclone according to an embodiment of the present invention. The representative value of the hardness error calculated by comparing the observation information and the prediction information may be given at a position corresponding to the position information of the grid stored therein (e.g., latitude and longitude corresponding to the center point of the set grid). In the case of FIG. 7B, the hardness error of the region in the case of calculating the hardness error value and the representative value of the hardness error according to the ratio between the observed hardness and the predicted hardness, and the ratio according to the magnitude comparison, And Fig.

위도 30N 및 경도 43W(30° × 317°)로 특정되는 지도 상의 위치에서는, 특정 대기모형(예컨대, 대기모형 X)으로부터 추출된 특정 선행시간(예컨대, 선행시간 12시간)에 따른 예측 경도들의 오차 대표값은 대략 -0.9이다. 이는 위 지역에서 관측된 열대 저기압에 대한 예측 경로가 실제 관측 경로보다 경도 상으로 0.9 비율만큼 더 낮게 예측되었음을 시사한다. 즉, 예측 경로가 관측 경로보다 해당 지역에서 0.9 비율만큼 더 서쪽에 위치했음을 나타낸다.(For example, 12 hours ahead) extracted from a specific atmospheric model (for example, atmospheric model X) at a position on the map specified by latitude 30N and hardness 43W (30 占 317 占) The representative value is approximately -0.9. This suggests that the predicted path for observed tropical cyclones in the above region was predicted to be 0.9 times lower in hardness than the actual observation path. In other words, the predicted path is located 0.9 times wider in the region than the observation path.

또한, 위도 13N 및 경도 40W(13° × 320°)로 특정되는 지도 상의 위치에서는, 특정 대기모형(예컨대, 대기모형 X)로부터 추출된 특정 선행시간(예컨대, 선행시간 12시간)에 따른 예측 경도들의 오차 대표값은 대략 0.9이다. 이는 위 지역에서 관측된 열대 저기압에 대한 예측 경로가 실제 관측 경로보다 0.9 비율만큼 더 동쪽에 위치했음을 나타낸다.In addition, at a position on the map specified by the latitude 13N and the hardness 40W (13 占 320 占), the predicted hardness of the specific waiting time (for example, 12 hours ahead) extracted from the specific waiting model The representative value of the error is approximately 0.9. This indicates that the predicted path for observed tropical cyclones in the above region is located 0.9 more distant than the actual observation path.

도 7c는 열대 저기압에 대한 예측 정보의 지역별 최대풍속 오차 값을 2차원 지도 상에 표시한 도면이다. 관측정보와 예측정보를 비교하여 계산된 최대풍속 오차 대표값은 그와 함께 저장된 격자의 위치 정보(예컨대, 설정된 격자의 중앙 지점에 해당하는 위도와 경도)에 대응되는 위치에 부여될 수 있다. 도 7c의 경우, 대응되는 관측 최대풍속과 예측 최대풍속의 대소비교 및 대소비교에 따른 비율(ratio)에 따라 최대풍속 오차 값 및 최대풍속 오차 대표값을 계산한 경우에 나타나는 지역별 최대풍속 예측 오차를 2차원 지도 상에 표시한 예시적인 도면이다.FIG. 7C is a diagram showing the maximum wind speed error value of each region of prediction information on the tropical cyclone on a two-dimensional map. FIG. The representative maximum wind speed error representative value calculated by comparing the observation information and the prediction information may be given at a position corresponding to the position information of the grid stored therein (e.g., latitude and longitude corresponding to the center point of the set grid). In the case of FIG. 7C, the maximum wind speed prediction error in the case of calculating the maximum wind speed error value and the representative maximum wind speed error value according to the ratio between the observed maximum wind speed and the predicted maximum wind speed, 2 is an exemplary diagram displayed on a two-dimensional map.

위도 18N 및 경도 32W(18° × 328°)로 특정되는 지도 상의 위치에서는, 특정 대기모형(예컨대, 대기모형 X)으로부터 추출된 특정 선행시간(예컨대, 선행시간 12시간)에 따른 예측 최대풍속들의 오차 대표값은 대략 -0.9이다. 이는 위 지역에서 관측된 열대 저기압에 대한 최대풍속이 실제 관측 최대풍속보다 0.9 비율만큼 더 낮게 예측되었음을 시사한다.At a position on the map specified by latitude 18N and hardness 32W (18 占 328 占), predicted maximum wind speeds (for example, 12 hours ahead) extracted from a specific atmospheric model The error representative value is approximately -0.9. This suggests that the maximum wind speed for the observed tropical cyclones in the above region was predicted to be 0.9 times lower than the actual observed maximum wind speed.

또한, 위도 36N 및 경도 67W(36° × 313°)로 특정되는 지도 상의 위치에서는, 특정 대기모형(예컨대, 대기모형 X)로부터 추출된 특정 선행시간(예컨대, 선행시간 12시간)에 따른 예측 최대풍속들의 오차 대표값은 대략 0.9이다. 이는 위 지역에서 관측된 열대 저기압에 대한 예측 최대풍속이 실제 최대풍속보다 0.9 비율만큼 더 높게 예측되었음을 시사한다.Further, at a position on the map specified by the latitude 36N and the longitude 67W (36 占 313 占), the predicted maximum value (for example, the leading time 12 hours) extracted from the specific atmospheric model The representative value of the error of wind speed is approximately 0.9. This suggests that the predicted maximum wind speed for the observed tropical cyclones in the above region was predicted to be 0.9 times higher than the actual maximum wind speed.

200: 대기모형 평가 시스템
210: 대기모형 데이터베이스
220: 관측정보 데이터베이스
230: 입출력 모듈
240: 연산부
242: 관측정보 추출 모듈
244: 예측정보 추출 모듈
246: 오차 연산 모듈
248: 지도 표출 모듈200: Atmospheric model evaluation system
210: Waiting model database
220: Observation information database
230: I / O module
240:
242: Observation information extraction module
244: prediction information extraction module
246: error calculation module
248: map display module

Claims (20)

열대저기압에 대한 예측 오차의 표출 방법으로서,
대기모형을 선택하는 단계;
복수의 열대 저기압에 대한 관측 정보를 수신하는 단계;
상기 대기모형으로부터 상기 복수의 열대 저기압의 특정 선행시간에 따른 예측 정보를 추출하는 단계;
상기 복수의 열대 저기압에 대한 관측정보와 예측정보를 비교하여, 상기 관측정보와 예측정보의 지역별 예측 오차 값을 계산하는 단계; 및
상기 계산된 지역별 예측 오차 값을 2차원 지도 상에 표시하는 단계를 포함하는 방법.As a method of expressing prediction error for tropical cyclone,
Selecting an atmospheric model;
Receiving observation information on a plurality of tropical cyclones;
Extracting prediction information according to a specific preceding time of the plurality of tropical cyclones from the atmospheric model;
Comparing the observation information and the prediction information for the plurality of tropical cyclones to calculate a regional prediction error value of the observation information and the prediction information; And
And displaying the calculated regional prediction error value on a two-dimensional map. 제1항에 있어서, 상기 지역별 예측 오차 값을 계산하는 단계는,
2차원 지도 상에 소정 크기의 격자를 설정하는 단계;
상기 설정된 격자 내에 포함되는 관측정보를 식별하고, 상기 식별된 관측정보와 그에 대응되는 예측정보 사이의 오차 값들을 이용하여 상기 설정된 격자에 대한 오차 대표값을 계산하는 단계;
상기 격자의 위치 정보와 상기 계산된 오차 대표값을 예측 오차 값으로 저장하는 단계; 및
상기 설정된 격자를 상기 격자의 크기보다 작은 거리만큼 이동시키면서 상기 이동된 격자 내의 관측정보와 예측정보의 오차 값들을 이용하여 상기 이동된 격자에 대한 오차 대표값을 계산하는 단계를 포함하는 방법.2. The method of claim 1, wherein calculating the regional prediction error value comprises:
Setting a grid of a predetermined size on a two-dimensional map;
Identifying observation information included in the set grid and calculating an error representative value for the set grid using error values between the identified observation information and corresponding prediction information;
Storing the position information of the grid and the calculated error representative value as a prediction error value; And
Calculating an error representative value for the moved grid using error values of the observation information and the prediction information in the moved grid while moving the set grid by a distance smaller than the size of the grid. 제2항에 있어서, 상기 오차 대표값은 아래의 수식에 의해 계산되고,
Figure pat00014

상기 식에서 y_hatt는 관측정보 값, yt는 예측정보 값, n은 관측정보 및 예측정보 쌍의 개수를 나타내는, 방법.3. The method according to claim 2, wherein the error representative value is calculated by the following equation,
Figure pat00014

Wherein y_hat t represents an observation information value, y t represents a prediction information value, and n represents the number of observation information and prediction information pairs. 제2항에 있어서, 상기 오차 대표값은 아래의 수식에 의해 계산되고,
Figure pat00015

Figure pat00016

상기 식에서 y_hatt는 관측정보 값, yt는 예측정보 값, n은 관측정보 및 예측정보 쌍의 개수를 나타내는, 방법.3. The method according to claim 2, wherein the error representative value is calculated by the following equation,
Figure pat00015

Figure pat00016

Wherein y_hat t represents an observation information value, y t represents a prediction information value, and n represents the number of observation information and prediction information pairs. 제2항에 있어서, 상기 오차 대표값은 상기 설정된 격자 내에 관측정보가 10개 이상 포함되어 있는 경우에 계산되는, 방법.3. The method of claim 2, wherein the error representative value is calculated when at least ten observations are included in the set grid. 제2항에 있어서, 상기 격자는, 상기 2차원 지도 상에서 위도 10° × 경도 10°의 크기를 가지는, 방법.3. The method of claim 2, wherein the grid has a size of latitude 10 deg. X hardness 10 deg. On the two-dimensional map. 제2항에 있어서, 상기 격자의 2차원 지도 상의 위치를 동서 또는 남북 방향으로 1° 만큼씩 이동시키는, 방법.3. The method of claim 2, wherein the position of the grid on the two-dimensional map is shifted by 1 degree in the east-west or north-south direction. 제1항에 있어서, 상기 관측정보 및 예측정보는 열대 저기압의 일시 별 위도, 경도 및 최대풍속을 포함하는, 방법.2. The method of claim 1, wherein the observation information and the prediction information include temporal latitude, longitude, and maximum wind speed of tropical cyclones. 제8항에 있어서, 상기 표시하는 단계는 위도, 경도 또는 최대풍속의 지역별 예측 오차 값을 2차원 지도 상에 표시하는, 방법.9. The method of claim 8, wherein the displaying step displays a regional prediction error value of latitude, longitude, or maximum wind speed on a two-dimensional map. 제1항에 있어서, 상기 선행시간은 12시간, 24시간, 36시간, 48시간 중 하나인, 방법.The method of claim 1, wherein said lead time is one of 12 hours, 24 hours, 36 hours, 48 hours. 열대저기압에 대한 예측 오차의 표출하기 장치로서,
대기모형을 저장하는 대기모형 데이터베이스;
복수의 열대 저기압에 대한 관측 정보를 저장하는 관측정보 데이터베이스;
상기 대기모형으로부터 상기 복수의 열대 저기압의 특정 선행시간에 따른 예측 정보를 추출하는 예측정보 추출 모듈;
상기 복수의 열대 저기압에 대한 관측정보와 예측정보를 비교하여, 상기 관측정보와 예측정보의 지역별 예측 오차 값을 계산하는 오차 연산 모듈; 및
상기 계산된 지역별 예측 오차 값을 2차원 지도 상에 표시하는 지도 표출 모듈을 포함하는 장치.As a device for expressing prediction errors for tropical cyclones,
An atmospheric model database for storing atmospheric models;
An observation information database storing observation information on a plurality of tropical cyclones;
A prediction information extracting module for extracting prediction information according to a specific preceding time of the plurality of tropical cyclones from the atmospheric model;
An error calculation module for comparing the observation information and the prediction information for the plurality of tropical cyclones and calculating a regional prediction error value of the observation information and the prediction information; And
And a map display module for displaying the calculated regional prediction error value on a two-dimensional map. 제11항에 있어서, 상기 오차 연산 모듈은
2차원 지도 상에 소정 크기의 격자를 설정하고,
상기 설정된 격자 내에 포함되는 관측정보를 식별하고, 상기 식별된 관측정보와 그에 대응되는 예측정보 사이의 오차 값들을 이용하여 상기 설정된 격자에 대한 오차 대표값을 계산하고,
상기 격자의 위치 정보와 상기 계산된 오차 대표값을 예측 오차 값으로 저장하고,
상기 설정된 격자를 상기 격자의 크기보다 작은 거리만큼 이동시키면서 상기 이동된 격자 내의 관측정보와 예측정보의 오차 값들을 이용하여 상기 이동된 격자에 대한 오차 대표값을 계산하는, 장치.12. The apparatus of claim 11, wherein the error operation module
A grid of a predetermined size is set on the two-dimensional map,
Calculating an error representative value for the set grid by using error values between the identified observation information and corresponding prediction information,
Storing the position information of the grid and the calculated error representative value as a prediction error value,
And calculates an error representative value for the moved grid using the error values of the observation information and the prediction information in the moved grid while moving the set grid by a distance smaller than the size of the grid. 제12항에 있어서, 상기 오차 대표값은 아래의 수식에 의해 계산되고,
Figure pat00017

상기 식에서 y_hatt는 관측정보 값, yt는 예측정보 값, n은 관측정보 및 예측정보 쌍의 개수를 나타내는, 장치.13. The method of claim 12, wherein the error representative value is calculated by: < EMI ID =
Figure pat00017

Wherein y_hat t represents an observation information value, y t represents a prediction information value, and n represents the number of observation information and prediction information pairs. 제12항에 있어서, 상기 오차 대표값은 아래의 수식에 의해 계산되고,
Figure pat00018

Figure pat00019

상기 식에서 y_hatt는 관측정보 값, yt는 예측정보 값, n은 관측정보 및 예측정보 쌍의 개수를 나타내는, 장치.13. The method of claim 12, wherein the error representative value is calculated by: < EMI ID =
Figure pat00018

Figure pat00019

Wherein y_hat t represents an observation information value, y t represents a prediction information value, and n represents the number of observation information and prediction information pairs. 제12항에 있어서, 상기 오차 대표값은 상기 설정된 격자 내에 관측정보가 10개 이상 포함되어 있는 경우에 계산되는, 장치.13. The apparatus of claim 12, wherein the error representative value is calculated when at least ten observations are included in the set grid. 제12항에 있어서, 상기 격자는, 상기 2차원 지도 상에서 위도 10° × 경도 10°의 크기를 가지는, 장치.13. The apparatus of claim 12, wherein the grid has a size of latitude 10 deg. X hardness 10 deg. On the two-dimensional map. 제12항에 있어서, 상기 격자의 2차원 지도 상의 위치를 동서 또는 남북 방향으로 1° 만큼씩 이동시키는, 장치.13. The apparatus of claim 12, wherein the position on the two-dimensional map of the grating is shifted by one degree in the east-west or north-south direction. 제11항에 있어서, 상기 관측정보 및 예측정보는 열대 저기압의 일시 별 위도, 경도 및 최대풍속을 포함하는, 장치.12. The apparatus of claim 11, wherein the observation information and the prediction information include temporal latitude, longitude, and maximum wind speed of tropical cyclones. 제18항에 있어서, 상기 지도 표출 모듈은 위도, 경도 또는 최대풍속의 지역별 예측 오차 값을 2차원 지도 상에 표시하는, 장치.19. The apparatus of claim 18, wherein the map display module displays a regional prediction error value of latitude, longitude, or maximum wind speed on a two-dimensional map. 제11항에 있어서, 상기 선행시간은 12시간, 24시간, 36시간, 48시간 중 하나인, 장치.12. The apparatus of claim 11, wherein the lead time is one of 12 hours, 24 hours, 36 hours, 48 hours.
KR1020140006455A 2014-01-20 2014-01-20 Method and system for providing spatial distribution of forecast errors of tropical cyclones KR101556462B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140006455A KR101556462B1 (en) 2014-01-20 2014-01-20 Method and system for providing spatial distribution of forecast errors of tropical cyclones

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140006455A KR101556462B1 (en) 2014-01-20 2014-01-20 Method and system for providing spatial distribution of forecast errors of tropical cyclones

Publications (2)

Publication Number Publication Date
KR20150086601A true KR20150086601A (en) 2015-07-29
KR101556462B1 KR101556462B1 (en) 2015-10-01

Family

ID=53876130

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140006455A KR101556462B1 (en) 2014-01-20 2014-01-20 Method and system for providing spatial distribution of forecast errors of tropical cyclones

Country Status (1)

Country Link
KR (1) KR101556462B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736999A (en) * 2019-10-24 2020-01-31 北京交通大学 Railway turnout detection method based on laser radar
CN114910980A (en) * 2022-06-08 2022-08-16 中国气象局上海台风研究所(上海市气象科学研究所) Tropical cyclone gale wind circle forecasting method based on subjective path strength forecasting and parameterized wind field model

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008102115A (en) 2006-09-21 2008-05-01 Toshiba Corp Weather forecasting system and weather forecasting method

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736999A (en) * 2019-10-24 2020-01-31 北京交通大学 Railway turnout detection method based on laser radar
CN110736999B (en) * 2019-10-24 2021-11-02 北京交通大学 Railway turnout detection method based on laser radar
CN114910980A (en) * 2022-06-08 2022-08-16 中国气象局上海台风研究所(上海市气象科学研究所) Tropical cyclone gale wind circle forecasting method based on subjective path strength forecasting and parameterized wind field model

Also Published As

Publication number Publication date
KR101556462B1 (en) 2015-10-01

Similar Documents

Publication Publication Date Title
US11869192B2 (en) System and method for vegetation modeling using satellite imagery and/or aerial imagery
US10795056B2 (en) Local weather forecast
JP6147579B2 (en) Yield prediction system and yield prediction device
KR102038127B1 (en) Facility management apparatus and method using unmanned vehicle
Turker et al. Building‐based damage detection due to earthquake using the watershed segmentation of the post‐event aerial images
Carr et al. Individual tree segmentation from a leaf-off photogrammetric point cloud
CN113177968A (en) Target tracking method and device, electronic equipment and storage medium
US20150347673A1 (en) Wetland modeling and prediction
CN111602138A (en) Object detection system and method based on artificial neural network
US20210133495A1 (en) Model providing system, method and program
JP2017033197A (en) Change area detection device, method, and program
EP3798941A1 (en) Vacant house determination device, vacant house determination method, and recording medium
CN115439753B (en) DEM-based steep river bank identification method and system
JP2008225704A (en) Work evaluation device, work evaluation method and control program
JP2015010927A (en) Observation value processing device, observation value processing method, and observation value processing program
CN115861816A (en) Three-dimensional low vortex identification method and device, storage medium and terminal
KR101274200B1 (en) Search system for spatiotemporal distribution of disaster weather when disturbance approaches including typhoon
KR101556462B1 (en) Method and system for providing spatial distribution of forecast errors of tropical cyclones
JP6158967B1 (en) Environmental pollution prediction system and method
US11423647B2 (en) Identification system, model re-learning method and program
JP6200388B2 (en) Apparatus and method for estimating and estimating solar radiation amount
CN110378241B (en) Crop growth state monitoring method and device, computer equipment and storage medium
CN109540138B (en) Indoor navigation method and system based on visual neural network and readable memory
US20230186594A1 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
JP6324175B2 (en) Map information display system and method, program

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180820

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190902

Year of fee payment: 5