논문 상세보기
pp.294-304
북서태평양에서 발생한 태풍에 대해 발생 후 5일 동안 12시간 간격으로 태풍의 강도 및 진로를 예측할 수 있는 인공신경망 모델을 개발하였다. 사용되어진 예측인지는 CLIPER(발생 위치 강도 일자), 운동학적 파라미터(연직바람시어, 상층발산, 하층상대와도), 열적 파라미터(상층 상당온위, ENSO, 상층온도, 중층 상대습도)로 구성되어졌다. 예측인자의 특성에 따라 일곱개의 인공신경망 모델들이 개발되었으며, CLIPER와 열적 파라미터가 조합된(CLIPER-THERM) 모델이 가장 좋은 예측성능을 보였다. 이 CLIPER-THERM 모델은 강도 및 진로 모두에서 동절기보다 하절기에 더 나은 예측성능을 나타내었다. 또한 태풍의 발생이 아열대 서태평양의 남동쪽에 위치할수록 강도예측에서는 큰 오차를 보였고, 진로예측에서는 아열대 서태평양의 북서쪽에서 발생할수록 큰 오차를 보였다. 이후 인공신경망 모델의 예측성능을 검증하기 위해 같은 예측인자들을 이용하여 다중선형회귀모델을 개발하였으며, 결과로서 비선형 통계기법인 인공신경망 모델이 다중선형회귀모형보다는 더 나은 예측성능을 보였다.
A statistical prediction model for the typhoon intensity and track in the Northwestern Pacific area was developed based on the artificial neural network scheme. Specifically, this model is focused on the 5-day prediction after tropical cyclone genesis, and used the CLIPPER parameters (genesis location, intensity, and date), dynamic parameters (vertical wind shear between 200 and 850hPa, upper-level divergence, and lower-level relative vorticity), and thermal parameters (upper-level equivalent potential temperature, ENSO, 200-hPa air temperature, mid-level relative humidity). Based on the characteristics of predictors, a total of seven artificial neural network models were developed. The best one was the case that combined the CLIPPER parameters and thermal parameters. This case showed higher predictability during the summer season than the winter season, and the forecast error also depended on the location: The intensity error rate increases when the genesis location moves to Southeastern area and the track error increases when it moves to Northwestern area. Comparing the predictability with the multiple linear regression model, the artificial neural network model showed better performance.
