논문 상세보기
pp.526-534
본 연구는 단일 입력 전이함수모형(Single-input transfer function model)을 적용하여 여수연안 2010년의 월평균 표면수온의 예측을 시도하였다. 전이함수모형을 수립하기 위한 입력시계열과 출력시계열은 각각 여수지방의 10년(2000-2009년)간의 월평균 기온자료와 표면수온자료를 이용하였다. 전이함수모형을 수립하기 위하여 입·출력 시계열을 사전백색화하고, 입·출력 시계열간의 각 시차에 대한 교차상관함수를 결정하였다. 교차상관함수는 음의 모든 시차에서 유의한 값을 갖지 않아 기온과 표면수온사이는 일방적 인과관계를 보였다. 또한 교차상관함수의 시차 0과 1에서 유의한 값을 보였다. 이러한 교차상관함수의 특징에 따라 입·출력시계열간 전이함수의 시차와 분모 및 분자의 차수(b, r, s)는 (0, 1, 0)으로 식별되었다. 구축된 전이함수모형에 따르면 기온과 표면수온 사이의 시차는 존재하지 않았다. 여기서 현재의 표면수온은 1개월 전의 표면수온과 선형관계가 있음을 보였으며, 잡음모형은 ARIMA(1,0,1)(2,0,0)12로 식별되었다. 전이함수모형에 의한 월평균 표면수온의 예측치는 실측치에 비하여 전반적으로 0.3-1.3℃ 높은 경향을 보였으며, 6.4 %의 평균절대백분율 오차를 포함하였다. 이러한 결과는 8.3 %의 평균절대백분율오차를 보인 ARIMA 모형에 비하여 향상된 예측성능을 보이는 것이며, 표면 수온의 시계열적 예측을 시도할 경우, ARIMA 모형보다 전이함수모형의 적용을 통하여 그 예측성능의 개선 가능성을 기대할 수 있음을 시사하고 있다.
In this study, single-input transfer function model is applied to forecast monthly mean sea surface temperature(SST) in 2010 at Yeosu in Korean coastal waters. As input series, monthly mean air temperature series for ten years(2000-2009) at Yeosu in Korea is used, and Monthly mean SST at Yeosu station in Korean coastal waters is used as output series(the same period of input). To build transfer function model, first, input time series is prewhitened, and then cross-correlation functions between prewhitened input and output series are determined. The cross-correlation functions have just two significant values at time lag at 0 and 1. The lag between input and output series, the order of denominator and the order of numerator of transfer function, (b, r, s) are identified as (0, 1, 0). The selected transfer function model shows that there does not exist the lag between monthly mean air temperature and monthly mean SST, and that transfer function has a first-order autoregressive component for monthly mean SST, and that noise model was identified as ARIMA(1,0,1)(2,0,0)12. The forecasted values by the selected transfer function model are generally 0.3-1.3 ℃ higher than actual SST in 2010 and have 6.4 % mean absolute percentage error(MAPE). The error is 2 % lower than MAPE by ARIMA model. This implies that transfer function model could be more available than ARIMA model in terms of forecasting performance of SST.
