KR20160094246A - 진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법 - Google Patents

진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법 Download PDF

Info

Publication number
KR20160094246A
KR20160094246A KR1020150086181A KR20150086181A KR20160094246A KR 20160094246 A KR20160094246 A KR 20160094246A KR 1020150086181 A KR1020150086181 A KR 1020150086181A KR 20150086181 A KR20150086181 A KR 20150086181A KR 20160094246 A KR20160094246 A KR 20160094246A
Authority
KR
South Korea
Prior art keywords
hurricanes
hurricane
north atlantic
extracting
fuzzy
Prior art date
Application number
KR1020150086181A
Other languages
English (en)
Inventor
최우석
허창회
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
Publication of KR20160094246A publication Critical patent/KR20160094246A/ko

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

Landscapes

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

Abstract

본 발명의 바람직한 일 실시예로서, 진로 군집 분류 기반 대서양 허리케인 진로 예측 방법은 북대서양 지역에서 과거에 발생한 허리케인을 6시간 간격의 허리케인 진로 길이를 지닌 허리케인으로 분류하고, 상기 북대서양 지역을 기설정된 개수의 경도 및 위도로 분할하며, 상기 6시간 간격의 허리케인진로 길이를 지닌 허리케인 각각을 상기 분할된 경도 및 위도로 표시하는 단계; 퍼지군집분류를 통해 상기 경도 및 위도로 표시된 허리케인을 지리적 특징별로 분류하는 단계; 상기 퍼지군집분류를 통해 상기 지리적 특징별로 허리케인들에서 나타나는 기후 특징을 추출하는 단계; 상기 지리적 특징 및 상기 기후 특징을 기반으로 북대서양 지역에서 과거에 발생한 허리케인을 상기 퍼지군집분류를 이용하여 네가지의 군집(cluster)으로 분류하는 단계; 및 상기 4가지 군집 각각에서 나타나는 지리적 특징 및 기후 특징을 기반으로 공통된 패턴을 추출하고, 추출된 패턴에 기초하여 상기 4가지 군집 각각에서 예측인자를 추출하는 단계;를 포함하는 것을 특징으로 한다.

Description

진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법{Method for estimating a hurricane path in North Atlantic Ocean using Fuzzy clustering method}
본 발명은 허리케인 진로 유형에 기반해서 북아메리카 지역에 영향을 미치는 북대서양 여름과 가을의 허리케인의 진로를 예측하는 방법에 관한 발명이다.
북대서양 지역에서 발생하는 허리케인은 주로 여름에서 가을철, 즉 8월에서 10월 사이에 집중되는 특징이 있다. 기존에는 허리케인을 통계적으로 분석하기 위하여, 허리케인이 활동하는 이전 시기인 겨울에서 봄의 대규모 순환장을 예측인자로 선정한 후 통계 회귀 분석법을 적용하여 예측을 수행하였다. 그러나, 이러한 예측 방법은 여름철 기후시스템과 겨울 및 봄철과의 기후시스템에 차이가 발생할 경우, 예측의 정확도가 떨어지는 문제점이 있다.
예를 들어 열대 태평양 지역의 엘니뇨나 라니냐와 같은 허리케인의 남방진동이 봄철부터 시작해 여름철에 성숙기를 거치는 경우, 겨울에서 봄의 대규모 순환장을 예측인자로 선정한 후 통계 회귀 분석법을 적용하는 방식으로는 정확한 예측결과를 산출하기 어렵다.
또한 고해상도 역학 모델을 통한 허리케인 활동 예측은 고성능의 하드웨어 사양을 요구하고, 예측 방법을 소프트웨어로 구동하는데 시간이 오래 걸리며, 예측 결과가 기후적인 관점에서 정확하지 못한 상태이다.
KR 2012-0119750
본 발명에서는 여름철 대규모 순환장을 예측인자로써 이용하는 통계방법을 이용하여 종래의 문제점을 해결하고자 한다.
본 발명의 바람직한 일 실시예로서, 진로 군집 분류 기반 대서양 허리케인 진로 예측 방법은 북대서양 지역에서 과거에 발생한 허리케인을 6시간 간격의 허리케인 진로 길이를 지닌 허리케인으로 분류하고, 상기 북대서양 지역을 기설정된 개수의 경도 및 위도로 분할하며, 상기 6시간 간격의 허리케인진로 길이를 지닌 허리케인 각각을 상기 분할된 경도 및 위도로 표시하는 단계; 퍼지군집분류를 통해 상기 경도 및 위도로 표시된 허리케인을 지리적 특징별로 분류하는 단계; 상기 퍼지군집분류를 통해 상기 지리적 특징별로 허리케인들에서 나타나는 기후 특징을 추출하는 단계; 상기 지리적 특징 및 상기 기후 특징을 기반으로 북대서양 지역에서 과거에 발생한 허리케인을 상기 퍼지군집분류를 이용하여 네가지의 군집(cluster)으로 분류하는 단계; 및 상기 4가지 군집 각각에서 나타나는 지리적 특징 및 기후 특징을 기반으로 공통된 패턴을 추출하고, 추출된 패턴에 기초하여 상기 4가지 군집 각각에서 예측인자를 추출하는 단계;를 포함하는 것을 특징으로 한다.
바람직하게, 상기 퍼지군집분류는 객체가 가지는 복수 개의 특성들을 멤버쉽계수(membership coefficient)를 이용하여 분류하는 것을 특징으로 한다.
바람직하게, 상기 예측 인자를 추출하는 단계에서 상기 추출된 패턴은 허리케인들의 시계열, 허리케인과 상관있는 종관인자의 여름철 관측 시계열 사이의 상관성 및 상기 4가지 군집 각 진로 유형별로 허리케인들의 시계열과 NCEP CFSv2 의 여름철 과거 예측 자료에서 나타난 종관인자 시계열의 상관성을 고려하는 것을 특징으로 한다.
바람직하게, 상기 기후 특징을 추출하기 위하여 북대서양 지역의 기후 예측 자료를 이용하고, 이 경우 북대서양 지역의 기후 예측 자료는 National Centers for Environmental Prediction (NCEP) 에서 제공하는 Climate Forecast System version 2 (CFSv2) 자료를 포함하는 것을 특징으로 한다.
본 발명은 진로 군집 분류에 기반하여 대서양 허리케인 진로 예측함으로써 허리케인의 유형을 계절별로 예측할 수 있는 효과가 있다. 이는 혼재되어 있는 허리케인에 영향을 주는 자연현상을 분리하여 자세히 진단하고 예측하여 예측성능을 향상시키고 최종적으로 종합함으로써 북대서양 전체 대양의 계절 허리케인 진로 밀도를 제시할 수 있는 효과가 있다.
또한, 여름철 허리케인활동의 예측의 정확도를 높임으로써 자연재해 저감기술 및 방재 사업에 적용될 수 있다. 또한, 자연재해 피해 대비를 위한 중장기 정책 입안에 필요한 정보를 제공할 수 있는 효과가 있다.
본 허리케인 진로 예측은 학계와 현업에서도 쉽게 해결하지 못하고 있는 난제 중 하나이며 사회적으로는 피해 저감 및 방재 정책 수립에 매우 중요한 정보이다. 따라서 본 기술을 응용한 북대서양 허리케인 진로 예측은 자연재해 중 가장 큰 피해를 차지하는 허리케인 피해에 의한 인명 및 재산 피해를 줄이고 대비할 수 있는 효과가 있다.
도 1 은 본 발명의 바람직한 일 실시예로서, 퍼지 군집분류 방법의 아이디어를 도시한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 북대서양 지역에서 발생한 허리케인들을 지리적 특징별로 분류한 일 실시예를 도시한다.
도 3 은 본 발명의 바람직한 일 실시예로서, 기후 특징을 추출하기 위하여 기후 예측 자료를 이용하는 일 예를 도시한다.
도 4 는 본 발명의 바람직한 일 실시예로서, 퍼지군집분류 방식을 이용하여 북대서양 지역에서 과거에 발생한 허리케인의 지리적 특징 및 기후 특징을 기반으로 공통된 패턴을 추출하고, 추출된 패턴에 기초하여 예측인자를 추출하는 일 실시예를 도시한다.
도 5 는 본 발명의 바람직한 일 실시예로서, 퍼지 군집 분류를 통해 지리적 특징 및 기후적 특징으로 군집을 분류하고, 분류된 군집별로 예측인자를 추출한 일 실시예를 도시한다.
도 1 은 본 발명의 바람직한 일 실시예로서, 퍼지 군집분류 방법의 아이디어를 도시한다.
북대서양 지역에서 발생하는 허리케인은 주로 여름에서 가을철, 즉 8월에서 10월 사이에 집중되는 특징이 있다. 본 발명의 바람직한 일 실시예에서는 북대서양 지역에서 발생하는 허리케인의 진로 특징을 분석하기 위해 퍼지 군집 분류 방법(Fuzzy clustering method) 을 이용하였다.
퍼지 군집 분류 방법은 객체가 가지는 복수 개의 특성들을 멤버쉽계수( membership coefficient)를 이용하여 분류함으로써, 객체의 특징을 이분법 적으로 분리하지 않는 이점이 있다. 또한 객체들이 다양한 특징들을 공유한 경우에 유리한 군집 분류 방법이다. 도 1 을 참고하면, 퍼지 군집 분류 방법은 멤버쉽계수( membership coefficient) 라는 개념을 이용한다.
특정 물체 A 가 있다고 가정할 때, A 는 제 1 클러스터(S100)의 특징을 일부 지닐 수 있다. 마찬가지로 제 2 클러스터(S110) 및 제 3 클러스터(S120)의 특징도 일부 가질 수 있다. 이 경우, 본 발명의 바람직한 일 실시예에서 이용하는 퍼지 군집 분류 방법은 특정 물체 A는 제 1 클러스터(S100)의 특징을 0.5, 제 2 클러스터(S110)의 특징을 0.3 그리고 제 3 클러스터(S120)의 특징을 0.2 지니는 것으로 고려할 수 있다.
본 발명의 바람직한 일 실시예에서 퍼지 군집 분류 방법은 특정 물체 A 가 가지는 특성을 모두 고려하여, 군집들을 분류할 수 있다. 그 결과 허리케인 진로와 같이 군집 간의 경계가 모호한 대상을 분류할 때 여러가지 특성을 다 고려할 수 있는 이점이 있다.
본 발명의 바람직한 일 실시예에서는 퍼지 군집 분류 방법을 적용하기 이전에, 퍼지 군집분류의 대상이 되는 허리케인의 진로길이를 동일하게 분류한다. 이를 위해, 북대서양 지역에서 발생했던 허리케인 각각을 6시간 간격의 진로길이로 분류한다. 허리케인 각각을 6시간 간격의 진로길이로 분류하는 방식은 수학식 1 내지 8을 이용한다.
Figure pat00001
수학식 1에서
Figure pat00002
는 허리케인의 i번째 경도와 위도를 나타낸다. 수학식 1에서 N은 6시간 간격 허리케인의 위치 자료의 개수이다. 총 허리케인의 진로는 수학식 2의 내삽과정을 거쳐 M 개로 나눌 수 있다.
Figure pat00003
수학식 2에서 M은 내삽된 선의 개수를 의미한다. 21개의 동일한 거리의 경도 및 위도를 이용하여 표시된 내삽된 허리케인의 위치 자료를 수학식 3 내지 6과 같이 표시한다.
Figure pat00004
Figure pat00005
Figure pat00006
Figure pat00007
수학식 3 내지 6에서 []는 수학식 7의 조건을 만족시키는 정수를 나타낸다.
Figure pat00008
본 발명의 바람직한 일 실시예에서는 수학식 1내지 7을 통해 북대서양 지역에서 과거에 발생했던 허리케인들의 위치가 21개로 내삽되어 수학식 8과 같이 표현이 가능하다.
Figure pat00009
수학식 8에서 K는 1965년부터 2012년까지 총 48년간 8월부터 10월까지 북대서양에서 발생한 총 432개의 허리케인 개수를 의미한다.
본 발명의 바람직한 일 실시예에서는 수학식 1내지 8을 통해 북대서양 지역에서 과거에 발생했던 432개의 허리케인들을 6시간 진로길이로 분할한다. 이 후, 북대서양 지역을 21개의 경도 및 위도로 분할한 후, 6시간 진로길이로 분류된 허리케인 각각을 분할된 21개의 경도 및 위도로 표시한다.
주의할 것은 432개의 허리케인의 개수는 본 발명의 일 실시예일뿐, 더 적은 수 또는 더 많은 수의 과거에 북대서양 지역에서 발생한 허리케인을 참고 자료로 이용하는 등의 변형이 가능하다.
북대서양 지역에서 과거에 발생한 허리케인들을 동일한 진로길이로 분류하고, 이후 북대서양 지역의 경도 및 위도로 표시가 완료되면, 본 발명의 바람직한 일 실시예에서는 6시간 진로길이의 허리케인들의 진로 특징을 분석하기 위해 퍼지 군집 분류 방법(Fuzzy clustering method)을 적용한다.
본 발명의 바람직한 일 실시예에서는 퍼지 군집 분류방법을 적용하여, 북대서양 지역에서 발생한 허리케인들을 지리적 특징별 및 기후적 특징별로 분류하여 크게 4개의 군집으로 분류한다. 퍼지 군집 분류 방법은 각 유형 간 경계가 이분법 적으로 분리되지 않으며 서로 다양한 특징들을 공유한 객체들을 분류할 때 적용하기에 적법하다.
도 2 는 본 발명의 바람직한 일 실시예로서, 북대서양 지역에서 발생한 허리케인들을 지리적 특징별로 분류한 일 실시예를 도시한다.
첫 번째 유형은 미국 동부 해안지역에서 발생하고 이동하며 이 지역에 직접적인 영향을 미치는 허리케인들이 분류되었다(S210). 두 번째 유형은 미국 남부와 멕시코 지역에 주로 영향을 미치는 멕시코만 활동 허리케인들이 분류되었다(S220). 세 번째 유형은 열대 대서양 지역에서 발생하여 중위도까지 북상하는 허리케인들이 분류되었으며(S230), 네 번째 유형은 열대 대서양 지역에서 발생하지만 서쪽으로 이동하는 허리케인들이 분류되었다(S240).
도 3 은 본 발명의 바람직한 일 실시예로서, 기후 특징을 추출하기 위하여 기후 예측 자료를 이용하는 일 예를 도시한다.
본 발명의 바람직한 일 실시예에서는 퍼지군집분류 방법을 이용하여 지리적 특징별로 분류된 군집별로 기후 특징을 추출한다. 이를 위해 기후 예측 자료를 이용할 수 있다. 기후 예측 자료의 일 예로는 도 3 에 도시된 National Centers for Environmental Prediction (NCEP) 에서 제공하는 Climate Forecast System version 2 (CFSv2) 자료가 있다.
NCEP CFSv2 는 2011년 4월부터 배포되기 시작했으며 과거 예측 자료는 1982년부터 2010년까지를 제공한다. CFSv2 의 수평 해상도는 1˚×1˚ 를 제공한다. 또한, 월별 24개의 앙상블을 제공한다. 또한 5일마다 9개월 예측자료를 제공하므로, 본 발명의 바람직한 일 실시예에서는 이를 이용하여 5일마다 한번씩 기후 예측을 수행할 수 있다.
본 발명의 바람직한 일 실시예로서,주기적으로 산출되는 역학적 계절예측모델 자료를 저장하기 위해 ruby, Axel(A light download accelerator for Linux), 쉘 스크립트를 이용하여 NCEP CFSv2 기후 예측 자료를 자동으로 저장한다.
본 발명의 바람직한 일 실시예에서는 퍼지군집분류를 통해 경도 및 위도로 표시된 허리케인을 지리적 특징별로 분류하고, 이 후 분류된 각 군집의 기후를 NCEP CFSv2 기후 예측 자료를 이용하여 지리적 특징별로 허리케인들에서 나타나는 기후 특징을 추출한다.
이상의 과정을 통해, 본 발명의 바람직한 일 실시예에서는 퍼지군집분류 방식을 이용하여, 북대서양 지역에서 과거에 발생한 허리케인들의 지리적 특징 및 상기 기후 특징을 기반으로 북대서양 지역에서 과거에 발생한 허리케인을 네가지의 군집(cluster)으로 분류한다.
도 4 는 본 발명의 바람직한 일 실시예로서, 퍼지군집분류 방식을 이용하여 북대서양 지역에서 과거에 발생한 허리케인의 지리적 특징 및 기후 특징을 기반으로 공통된 패턴을 추출하고, 추출된 패턴에 기초하여 예측인자를 추출하는 일 실시예를 도시한다.
예측인자 선정 기준은 각 진로 유형별로 허리케인들의 시계열과 허리케인과 상관있는 종관인자의 여름철 관측 시계열 사이의 상관성, 각 진로 유형별로 허리케인들의 시계열과 NCEP CFSv2 의 여름철 과거 예측 자료에서 나타난 종관인자 시계열의 상관성과 같은 경향을 보이는 지역을 선정한다. 예측인자들을 이용해 각 진로 유형별로 허리케인을 예측하는 것은 푸아송 회귀 분석 방법을 이용한다. 통계적인 푸아송 회귀 분석 방법은 허리케인 활동 예측에서 일반적으로 사용되는 방법이다.
푸아송 회귀 분석에서 예측하고자 하는 대상은 예측 인자의 선형 조합에 지수 함수를 씌운 형태로써 수학식 9와 같다.
Figure pat00010
수학식 9에서
Figure pat00011
는 예측 변수(즉, 계절적 허리케인 개수), k는 예측 인자의 개수,
Figure pat00012
는 예측인자,
Figure pat00013
는 대응하는 회귀 계수이며,
Figure pat00014
는 회귀 상수 이다. 회귀 계수와 상수들은 training 기간의 반복을 통한 푸아송 분포의 최대 공산 분석을 통해 산출된다. 구해진 회귀 계수와 상수들을 예측하고자 하는 해의 예측인자와 결합시켜 각 진로유형별로 예측을 수행하게 된다. 군집별 예측된 허리케인활동을 종합해 북서태평양 지역 허리케인 진로 분포 확률을 수학식 10과 같이 계산한다.
Figure pat00015
도 4를 참고하면, 북아메리카 동부 연안에 주로 영향을 미치는 군집 1(S410)의 경우, 태평양과 북아메리카, 대서양 지역의 연직 바람시어와 음의 상관성을 보이고 북아메리카 동부 연안 지역의 하층 상대와도와 양의 상관성을 보인다. 이러한 공통된 패턴에 기반하여, 군집 1(S410)의 경우, 대서양 지역의 연직 바람시어와 동부 연안 지역의 하층 상대와도라는 두 가지 변수를 예측인자로 선정하였다.
군집 2(S420)의 경우 멕시코만에서 활동하는 허리케인으로써 열대 북대서양 해수면 온도, 하층 상대와도, 하층 동서바람과 양의 상관성을 보이는 것으로 나타났다. 본 발명의 바람직한 일 실시예에서는 군집 2의 경우 이상의 추출된 공통된 패턴을 기초로 열대 북대서양 해수면 온도, 하층 상대와도, 하층 동서바람과 양의 상관성이라는 세 가지 변수를 예측 인자로 선정하였다.
군집 3(S430)의 경우 열대 북대서양 지역에서 발생해 중위도에서 고위도까지 북상하는 허리케인 진로들이 분류되었으며 북대서양 전체 해수면 온도와 열대 지역의 하층 상대와도 및 동서바람과 양의 관련성이 나타났다. 본 발명의 바람직한 일 실시예에서는 군집 3의 경우 이상의 추출된 공통된 패턴을 기초로 북대서양 전체 해수면 온도, 열대 지역의 하층 상대와도 및 동서바람이라는 세 가지 변수를 예측 인자로 선정하였다.
군집 4(S440)의 경우 열대 북대서양에서 발생해 서쪽으로 이동하는 허리케인 들로써 이 지역 연직 바람시어와 하층 상대와도가 높은 상관성을 보인다. 본 발명의 바람직한 일 실시예에서는 군집 4의 경우 이상의 추출된 공통된 패턴을 기초로 연직 바람시어와 하층 상대와도라는 두가지 변수를 예측 인자로 선정하였다.
도 5 는 본 발명의 바람직한 일 실시예로서, 퍼지 군집 분류를 통해 지리적 특징 및 기후적 특징으로 군집을 분류하고, 분류된 군집별로 예측인자를 추출한 일 실시예를 도시한다.
군집 1(S510), 군집 2(S520), 군집 3(S530) 및 군집 4(S540) 각각의 진로 유형별로 추출한 예측인자를 기초로 북대서양 지역의 허리케인의 진로를 최종적으로 예측한 일 예를 도시한다.
각각의 군집에서 추출한 예측인자를 기초로 각 군집의 예측 진로유형 결과(S510, S520, S530, S540)에 가중치를 부과한 후 합하여 북대서양 지역의 허리케인의 진로(S550)를 최종적으로 예측할 수 있다.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야 에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (5)

  1. 진로 군집 분류 기반 대서양 허리케인 진로 예측 방법으로서,
    북대서양 지역에서 과거에 발생한 허리케인을 6시간 간격의 허리케인 진로 길이를 지닌 허리케인으로 분류하고, 상기 북대서양 지역을 기설정된 개수의 경도 및 위도로 분할하며, 상기 6시간 간격의 허리케인진로 길이를 지닌 허리케인 각각을 상기 분할된 경도 및 위도로 표시하는 단계;
    퍼지군집분류를 통해 상기 경도 및 위도로 표시된 허리케인을 지리적 특징별로 분류하는 단계;
    상기 퍼지군집분류를 통해 상기 지리적 특징별로 허리케인들에서 나타나는 기후 특징을 추출하는 단계;
    상기 지리적 특징 및 상기 기후 특징을 기반으로 북대서양 지역에서 과거에 발생한 허리케인을 상기 퍼지군집분류를 이용하여 네가지의 군집(cluster)으로 분류하는 단계;
    상기 4가지 군집 각각에서 나타나는 지리적 특징 및 기후 특징을 기반으로 공통된 패턴을 추출하고, 추출된 패턴에 기초하여 상기 4가지 군집 각각에서 예측인자를 추출하는 단계;를 포함하는 것을 특징으로 하는 방법.
  2. 제 1 항에 있어서, 상기 퍼지군집분류는
    객체가 가지는 복수 개의 특성들을 멤버쉽계수(membership coefficient)를 이용하여 분류하는 것을 특징으로 하는 방법.
  3. 제 1 항에 있어서, 상기 예측 인자를 추출하는 단계에서 상기 추출된 패턴은
    허리케인들의 시계열, 허리케인과 상관있는 종관인자의 여름철 관측 시계열 사이의 상관성 및 상기 4가지 군집 각 진로 유형별로 허리케인들의 시계열과 NCEP CFSv2 의 여름철 과거 예측 자료에서 나타난 종관인자 시계열의 상관성을 고려하는 것을 특징으로 하는 방법.
  4. 제 1 항에 있어서, 상기 기후 특징을 추출하기 위하여
    북대서양 지역의 기후 예측 자료를 이용하는 것을 특징으로 하는 방법.
  5. 제 4 항에 있어서, 상기 북대서양 지역의 기후 예측 자료는
    National Centers for Environmental Prediction (NCEP) 에서 제공하는 Climate Forecast System version 2 (CFSv2) 자료인 것을 특징으로 하는 방법.
KR1020150086181A 2015-01-30 2015-06-17 진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법 KR20160094246A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20150015275 2015-01-30
KR1020150015275 2015-01-30

Publications (1)

Publication Number Publication Date
KR20160094246A true KR20160094246A (ko) 2016-08-09

Family

ID=56712579

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150086181A KR20160094246A (ko) 2015-01-30 2015-06-17 진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법

Country Status (1)

Country Link
KR (1) KR20160094246A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033132A (zh) * 2019-03-29 2019-07-19 中国人民解放军空军研究院战场环境研究所 基于深度目标检测和数值天气预报的热带气旋预报方法
KR20230028864A (ko) * 2021-08-23 2023-03-03 서울대학교산학협력단 태풍 진로를 중기 예측하기 위한 시스템 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120119750A (ko) 2011-04-22 2012-10-31 경북대학교 산학협력단 위험기상과 관련된 반사도 셀의 탐지 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120119750A (ko) 2011-04-22 2012-10-31 경북대학교 산학협력단 위험기상과 관련된 반사도 셀의 탐지 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033132A (zh) * 2019-03-29 2019-07-19 中国人民解放军空军研究院战场环境研究所 基于深度目标检测和数值天气预报的热带气旋预报方法
KR20230028864A (ko) * 2021-08-23 2023-03-03 서울대학교산학협력단 태풍 진로를 중기 예측하기 위한 시스템 및 방법

Similar Documents

Publication Publication Date Title
Fadrique et al. Widespread but heterogeneous responses of Andean forests to climate change
Inoue et al. Additional Arctic observations improve weather and sea-ice forecasts for the Northern Sea Route
Woodworth et al. Evidence for systematic changes in extreme high waters since the mid-1970s
Fogt et al. A regime shift in seasonal total Antarctic sea ice extent in the twentieth century
Wahiduzzaman et al. A climatological model of North Indian Ocean tropical cyclone genesis, tracks and landfall
KR101646587B1 (ko) 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법
Tsui et al. Variability analysis of Kuroshio intrusion through Luzon Strait using growing hierarchical self-organizing map
Austin et al. Predicting habitat suitability for basking sharks (Cetorhinus maximus) in UK waters using ensemble ecological niche modelling
Bierstedt et al. Variability of wind direction statistics of mean and extreme wind events over the Baltic Sea region
Vuillaume et al. Improving global rainfall forecasting with a weather type approach in Japan
Cid-Serrano et al. Analysis of the Latin American west coast rainfall predictability using an ENSO index
Sills et al. From pioneers to practitioners: A short history of severe thunderstorm research and forecasting in Canada
Liu et al. Estimation of precipitation induced by tropical cyclones based on machine‐learning‐enhanced analogue identification of numerical prediction
US20180156940A1 (en) Forensic weather system
Pryor et al. Differential credibility assessment for statistical downscaling
Leach et al. Identifying oceanographic conditions conducive to coastal impacts on temperate open coastal beaches
Mercker et al. An integrated framework to estimate seabird population numbers and trends
Krocak et al. Public information priorities across weather hazards and time scales
KR20160094246A (ko) 진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법
Charlton-Perez et al. Do AI models produce better weather forecasts than physics-based models? A quantitative evaluation case study of Storm Ciarán
KR20220102329A (ko) 산불 위험 계절 예보 장치 및 방법
KR20190119082A (ko) 기상 데이터의 통계 분석을 사용하여 경제 동향들을 예측하기 위한 시스템 및 방법
Zahraie et al. SST clustering for winter precipitation prediction in southeast of Iran: Comparison between modified K-means and genetic algorithm-based clustering methods
Chen et al. Extreme snow events along the coast of the northeast United States: Analysis of observations and HiRAM simulations
Matyas et al. Measuring radial and tangential changes in tropical cyclone rain fields using metrics of dispersion and closure

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application