수위-유량 관계곡선(rating curve)은 수위표에서 관측된 수위 및 유량을 이용하여 만들어진 회귀분석식을 의미하며, 하천의 수위를 유량으로 환 산하는 방법으로 일반적으로 활용되고 있다. 그러나 수위-유량 관계곡선식에서 저수위와 고수위와 분리 및 매개변수 추정에 있어 불확실성을 고려 한 해석은 이루어지지 않고 있다. 이러한 이유로 본 연구에서는 수위-유량 관계곡선식에서 매개변수 추정 및 저·고수위 분리시 발생하는 문제점을 개선하기 위해 Bayesian 기법을 도입하였으며, 수위-유량 관계곡선식의 매개변수의 추정과 더불어 불확실성을 정량화 하는데 목적을 두었다. 이 와 더불어 Bayesian 모형 기반 Multi-Segmented 수위-유량 관계곡선(Bayesian M-S)을 활용하여 저·고수위를 분리할 수 있는 새로운 수위-유량 관계곡선을 개발하고 기존 수위-유량 관계곡선과 비교·분석을 실시하였다. 그 결과 본 연구에서 개발한 Bayesian M-S 기법이 기존 수위-유량 관계 곡선식 보다 개선된 결과를 도출할 수 있었으며, 수위-유량 관계곡선식의 신뢰구간을 제시하는데 유리한 것을 확인할 수 있었다.

In this study, we analyzed the performance of calibrated probabilistic forecasts of surface temperature over Pyeongchang area in Gangwon province by using Bayeisan Model Averaging (BMA). BMA has been proposed as a statistical post-processing method and a way of correcting bias and underdispersion in ensemble forecasts. The BMA technique provides probabilistic forecast that take the form of a weighted average of Gaussian predictive probability density function centered on the bias-corrected forecast for continuous weather variables. The results of BMA to calibrate surface temperature forecast from 24-member Ensemble Prediction System for Global (EPSG) are obtained and compared with those of multiple regression. The forecast performances such as reliability and accuracy are evaluated by Rank Histogram (RH), Residual Quantile-Quantile (R-Q-Q) plot, Mean Absolute Error (MAE), Root Mean Square Error (RMSE) and the Continuous Ranked Probability Score (CRPS). The results showed that BMA improves the calibration of the equal weighted ensemble and deterministic-style BMA forecasts performs better than that of the deterministic forecast using the single best member.

댐 위험도 해석시 수문학적 변량(강수, 유출 및 수위)들의 상호관계를 고려한 체계적인 분석과정이 요구된다. 그러나 기존 댐 위험도 해석 연구에서는 변량간의 체계적인 관계 평가를 수행하는데 있어서 한계점을 나타내고 있다. 이러한 점에서, 본 연구에서는 수리·수문학적 변량간의 관계를 효과적으로 평가하고자 Bayesian Network 기반의 댐 위험도 해석 기법을 개발하였다. 실제 댐에 대해서 제안된 모형을 적용한 결과 파괴인자간의 상호관계 규명 및 불확실성을 평가하는데 있어서 기존 연구보다 쉽게 가장 큰 파괴인자를 파악할 수 있는 장점이 있었다. 이와 더불어 다양한 시나리오에 따른 댐의 안정성을 파괴확률 및 예상피해의 함수인 위험도로 평가할 수 있도록 하였다. 즉, 기존 댐 위험도 기법으로 수행한 결과에서는 월류 확률이 도출 되지 않았지만, Copula 함수를 도입하여 댐 초기수위를 고려한 결과 댐 월류 확률이 발생하였 으며, 피해결과 역시 크게 증가하고 있는 것을 확인할 수 있었다. 이러한 결과를 기반으로 향후 댐의 보수보강 등의 우선순위 결정을 위한 도구로서 활용이 가능할 것으로 판단된다.

본 연구에서는 Bayesian 통계기법을 활용한 지역빈도해석 모형을 기반으로 외부 기상인자 및 공간정보에 의한 확률강우량의 변동성을 고려할 수 있는 Bayesian 지역빈도해석 기법을 개발하였다. 기존 지역빈도해석에서 분석시 확률분포형의 매개변수는 과거와 일정하다는 정상성을 기본 가정으로 연구를 진행해 왔다. 이는 평균의 변동성 및 확률강우량 추정시 최근 기후변화의 영향을 효과적으로 고려하지 못하는 단점이 존재하였다. 또한 우리나라의 경우 산악지형이 약 70% 이상을 차지할 정도로 지형적 및 계절적으로 강수량 패턴이 불분명하여 확률강우량 추정시 공간적 변동성을 고려할 수 있는 새로운 개념의 지역빈도해석의 필요성이 대두되고 있다. 최근 국내 연구에서는 유역내 면적강우량 환산시 극치계열의 강수자료를 이용하여 지점빈도해석(point frequency analysis, PFA) 또는 지역빈도해석(regional frequency analysis, RFA)을 수행하여 수자원 설계에 이용되고 있다. 그러나 기존 지역빈도해석연구에서 매개변수 산정시 외부인자(covariate)를 고려할 수 없는 단점이 존재하며, 불확실성을 정량적으로 해석하는데 어려움이 있다. 이와 더불어 기존 RFA에서는 관측지점을 중심으로 산정된 확률강우량은 Thiessen망을 통해 유역면적강우량으로 변환하여 사용하는 것이 일반적이나 우리나라의 산지특성과 여름철 강우처럼 시공간적 변동성이 큰 경우 면적평균강우를 추정하는데 있어서 오차가 크게 발생할 수 있다고 알려지고 있다. 이러한 이유로 본 연구에서는 Bayesian 통계기법을 활용하여 매개변수 추정시 기상인자 및 공간정보가 고려된 지역빈도해석을 수행할 수 있는 모형을 개발하였으며 다음과 같이 연구를 진행하였다. 첫째, 한강유역내 18개 관측소를 대상으로 연도별 여름강수량을 추출하고 이들 관측소의 여름강수에 물리적인 영향을 미치는 기상인자로서 SST(sea surface temperature)를 외부인자로 채택하였다. 둘째, 극치분포를 잘 재현한다고 알려져 있는 Gumbel 분포를 확률분포형으로 선정하였으며, Gumbel 분포 매개변수 산정시 앞서 추출한 SST와 한강 유역내 공간정보를 활용하여 매개변수를 산정하였다. 마지막으로 Bayesian 기법을 도입하여 산정된 매개변수의 불확실성 구간을 제시하였으며, 추정된 확률강우량 또한 불확실성 구간을 제시하여 신뢰성 있는 연구를 수행하였다.

기후변화 모델을 통해 미래 전망에 대한 연구를 수행하는 것은 다양한 분야에서의 적응과 대응 전략을 수립하고 이상기후에 대한 영향을 최소화하고자 하는데 그 목적이 있다. 본 연구에서는 총 20개의 기후변화 모델 자료(1981∼2100년)를 수집하였으며 미래 시나리오는 RCP 4.5와 8.5시나리오를 사용하였다. 한강유역을 대상으로 지역오차보정을 통해 지역적인 스케일의 불일치를 개선하고 특히, 미래 시나리오에 대해서는 비정상성 분위사상법을 통해 미래 시나리오의 추세가 왜곡되지 않도록 하는 NSQM기법을 제안하였다. 베이지안 모델 평균기법(BMA)을 적용하여 각 관측소별로 가중치가 높은 모델만을 선별한 최적의 모델 조합을 통해 강우자료의 정확성과 신뢰도를 확보하였다. 베이지안 앙상블 강우의 R2=0.54, NSE=0.53, RMSE=90.49 mm로 단일모델에 비해 상대적으로 개선된 결과를 나타내었다. 미래 시나리오에 대한 전망결과 온실가스 배출농도가 높은 RCP 8.5 시나리오의 증가율이 RCP 4.5 시나리오에 비해 더 크게 나타났다. 또한 극치수문사상분석을 위해 GEV Scaling과 SPI가뭄지수를 이용한 홍수 및 가뭄의 IDF와 SDF곡선을 전망하였다. 확률강우량 산정 결과 관측기간의 500년 빈도, 지속시간 10분에 해당되는 강우강도가 224.1 mm/hr인 것에 비하여 RCP 4.5, RCP 8.5 시나리오 각각 279.8 mm/hr, 299.7 mm/hr로 기준 시나리오에 비해 증가하는 전망 결과를 나타냈다. 가뭄의 경우, 한강유역은 가뭄에 대한 민감도가 낮은 것으로 전망되었다. 본 연구를 통해 불확실성을 줄이고 다양한 통계적인 분석결과를 제시함으로써 극치수문사상의 전망이 가능하였다. 이를 통해 수자원 변동성과 취약성을 파악하고 수자원 계획 및 운영을 위한 정보 제공에 도움을 줄 것으로 판단된다.

SWMM(Storm Water Management Model)은 모형 내 다양한 매개변수를 이용하여 지표 투수율 및 하수관거 영향 등 도시 유역의 유출 특성을 비교적 정확하게 모의하지만, 모형의 입력자료 부족과 매개변수의 불확실성으로 인한 신뢰성 문제가 대두되고 있다. 이러한 문제점을 해소하기 위해 본 연구에서는 SWMM 모형에 Bayesian 기법을 연계한 최적화 기법을 개발하고, 이를 활용하여 매개변수의 불확실성을 정량적으로 해석하고자 한다. 이를 위해 먼저 유출 특성에 민감한 매개변수를 민감도 분석을 통해 선정하고, SCE-UA(Shuffled Complex Evolution-University of Arizona), MCMC(Markov Chain Monte Carlo), DDS(Dynamically Dimensioned Search) 등 매개변수 최적화 기법을 적용하여 매개변수의 초기값을 설정한다. 매개변수의 다양한 물리적 범위를 고려하기 위한 방법으로 절단 정규분호(truncated Gaussian distribution)을 사전분포(prior)로 선정하여 매개변수의 사후분포(posterior)를 추정하게 된다. 최종적으로 각 매개변수간 사후분포를 이용하여 모의된 유출량의 불확실성을 정량적으로 분석하였다.

A Bayesian nonstationary probability rainfall estimation model using the Grid method is developed. A hierarchical Bayesian framework is consisted with prior and hyper-prior distributions associated with parameters of the Gumbel distribution which is selected for rainfall extreme data. In this study, the Grid method is adopted instead of the Matropolis Hastings algorithm for random number generation since it has advantage that it can provide a thorough sampling of parameter space. This method is good for situations where the best-fit parameter values are not easily inferred a priori, and where there is a high probability of false minima. The developed model was applied to estimated target year probability rainfall using hourly rainfall data of Seoul station from 1973 to 2012. Results demonstrated that the target year estimate using nonstationary assumption is about 5∼8% larger than the estimate using stationary assumption.

본 연구에서는 지역특성(위도, 경도, 고도)과 기후학적 특성(연최대강우량)을 계층적 Bayesian 모형안에서 연계하여 공간적 분석이 가능한 지역빈도해석 모형을 개발하였다. 기존 지역빈도해석은 강수지점의 지리적/지형적 특성을 반영한 해석이 어려운 단점이 있으며, 지점을 기준으로 해석된 확률강수량을 유역면적강우량으로 변환 시 불확실성이 큰 단점이 있다. 이에 본 연구에서는 계층적 Bayesian 기법을 이용하여 지역특성 및 기후학적 특성이 고려된 Gumbel 확률분포형의 매개변수를 추정하였으며, 이들 매개변수들을 공간적으로 보간하여 한강유역내 모든 지점에 대해서 확률강수량을 추정할 수 있도록 하였다. 결과적으로 기존 L-모멘트 방법과 유사한 결과를 확인할 수 있었으며 확률강수량의 불확실성 정량화와 더불어 지리적/지형적 영향을 고려한 해석이 가능하였다.

This paper verifies the performance of Extended Kalman Filter(EKF) and MCL(Monte Carlo Localization) approach to localization of an underwater vehicle through experiments. Especially, the experiments use acoustic range sensor whose measurement accuracy and uncertainty is not yet proved. Along with localization, the experiment also discloses the uncertainty features of the range measurement such as bias and variance. The proposed localization method rejects outlier range data and the experiment shows that outlier rejection improves localization performance. It is as expected that the proposed method doesn’t yield as precise location as those methods which use high priced DVL(Doppler Velocity Log), IMU(Inertial Measurement Unit), and high accuracy range sensors. However, it is noticeable that the proposed method can achieve the accuracy which is affordable for correction of accumulated dead reckoning error, even though it uses only range data of low reliability and accuracy.

일반적으로 국지성 집중호우로 인한 산지하천의 돌발홍수 및 도심지의 침수 피해 등을 방지하기 위한 설계에는 포아송 클러스터 강우생성 모형(Poisson Cluster Rainfall Generation Model)과 같은 강수모의발생기법이 이용된다. 그러나 강수량의 1, 2차 모멘트 이상의 통계적 특성을 효과적으로 재현되지 못하고 극치강수량이 관측값에 비해 현저하게 과소 추정되는 등의 문제점이 있으며, 평균적인 강수량과 극치강수량의 통계적 분포특성을 동시에 구현하는 데 어려움이 있다. 이에 본 연구에서는 포아송 클러스터 강우생성 모형 중 공간상의 한 점에 대한 연속시간 강수모형으로 일 단위 이하 강수의 통계적 특성을 재현하는데 유용하다고 알려진 Modified Bartlet-Lewis Rectangular Pulse(MBLRP) 모형에 Bayesian MCMC(Markov Chain Monte Carlo)기법을 연계한 Bayesian MBLRP 모형을 제안하고자 한다. Bayesian MBLRP 모형은 각 매개변수간 결합확률분포를 계산하여 매개변수의 사후분포를 추정하며 이들 사후분포로부터 Monte Carlo 모의를 통해 다양한 시간 규모에서 극치값을 효과적으로 복원할 수 있었다. 사후분포로부터 추정된 강우시나리오는 강우-유출모의 시 유출되는 홍수량 및 홍수위에 대한 불확실성 범위를 정량적으로 제공하는 등 다양한 수문학적 문제에 적용이 가능할 것으로 판단된다.

기후변동성의 증가로 인한 댐의 안정성 확보가 주요 이슈로 부각되고 있으며 세계대댐회(ICOLD)에서는 이러한 점을 고려한 댐의 안정성 평가를 위해 위험도 해석 기반의 해석 절차를 추진하고 있다. 그러나 국내에서는 기존 댐 안정성 평가의 경우 치수적 관점에서 빈도해석기법과 정성적 평가 기반의 상태평가에 중점을 두고 있으며 정략적이며 구체적인 해석 방안에 대한 연구는 미비한 실정이다. 댐의 위험도 분석을 위해서는 구조물 자체적인 문제, 기상조건, 환경적인 요인 등 내부·외부 요인들에 대한 충분한 검토가 필수적으로 요구되며 고려된 요소들 간의 상호작용을 평가할 수 있는 Network 기반의 해석체계 구축이 필요하다. 또한 대부분의 위험도 해석과정에서 요구되는 매개변수들의 불확실성이 매우 크다는 점과 각 매개변수들의 불확실성이 전체 해석결과에 영향을 준다는 점을 고려해야 한다. 이러한 점에서 본 연구에서는 위험도 평가 수행 중 가장 중요한 위험요소들의 분류와 규명, 위험요소들간의 인과관계, 위험요소들의 발생확률 산정 등을 통해서 각각의 위험요소들의 발생경로와 발생확률 등을 체계적으로 추정할 수 있도록 다음과 같이 연구를 진행하였다. 첫째, 댐의 과거 피해사례, 계측 및 외관 조사, 다양한 댐 파괴인자 등을 고려하여 입력자료를 구축한다. 둘째, 도출된 위험 인자들을 토대로 댐 위험도 해석 모형을 개발하기 위해서 주요 파괴경로, 원인 인자와 결과간의 상관성을 고려하여 Bayesian Network 모형을 구축한다. Bayesian Network 노드에는 각 입력자료의 특성에 맞는 확률분포형이 부여되며, 각 노드간 조건부확률의 계산을 통해 댐의 위험도 평가를 수행하였다. 마지막으로 인명피해액 및 경제적인 피해액을 산정하여 댐 파괴시 총 피해액을 산정할 수 있도록 모형을 개발하였다. 본 연구를 통해서 댐 피해의 결과로 보수·보강의 계획 수립시 특정 위험인자에 대해 우선순위를 결정할 수 있으며, 각 댐의 특성에 맞는 효과적인 관리·운영을 할 수 있을 것으로 판단된다.

저수지 내 퇴적과정으로 의한 저수용량 감소에 대한 효율적 관리의 중요성에도 불구하고, 불확실성을 포함하는 확률론적 관점의 신뢰도 분석이론을 활용한 저수용량 감소에 관한 연구는 많지 않다. 본 연구에서는 신뢰도 분석모형의 하나인 추계학적 감마 과정(stochastic gamma process)을 이용하고 개발된 모형을 소양강댐에서 적용하여 향후 발생될 수 있는 저수용량의 감소를 불확실성 측면에서 분석하였다. 특히 불확실성을 분석하기 위하여 정보적 사전분포(informative prior distribution)를 이용한 Bayesian MCMC 기법을 사용하여 추계학적 감마 과정의 모수(parameter)를 추정하였다. 구축된 정보적 사전분포를 적용한 결과 사전분포의 불확실성에 비해 사후분포의 불확실성이 상당히 감소되어져 정보적 사전분포의 효과를 확인할 수 있었으며, 소양강댐 퇴사용량의 기대 수명은(expected life time)은 5% 유의수준에서 119.3년부터 183.5년의 불확실성을 나타내는 것으로 분석되었다. 이와 같은 연구는 저수용량의 감소에 관한 불확실성 측면의 정보를 신뢰도 분석결과와 함께 제공할 수 있으므로, 향후 퇴적과정으로 인한 저수지의 유지관리계획을 수립함에 있어 댐 관리자 등에게 효과적으로 활용될 수 있을 것으로 판단된다.

본 연구에서는 계층적 Bayesian 기법을 이용한 새로운 지역빈도해석 모형을 개발하는데 목적이 있으며 이를 통해서 신뢰성 있는 매개변수를 추정과 동시에 지역빈도해석 절차의 불확실성 평가를 용이하게 접근할 수 있도록 하였다. 본 연구에서 제안되는 계층적 Bayesian 기반 지역빈도해석 모형(HBRFA)의 적합성을 평가하기 위해서 모의실험을 수행하였다. 즉, 10개의 모의 관측소를 대상으로 Monte-Carlo 모의를 통한 평가를 수행하였으며 전체적으로 HBRFA 모형이 기존 L-모멘트 방법에 비해 편의를 줄여주는 것으로 평가되었다. 특히 재현기간이 증가될수록 편의가 두드러지게 감소되는 것을 확인할 수 있었다. 전라북도의 6개 강우지점을 대상으로 HBRFA 모형과 기존 L-모멘트 기반 지역빈도해석 결과를 비교하였다. 계층적 Bayesian 모형의 특징을 평가하고자 매개변수의 Shrinkage 과정을 정량적으로 도출하여 제시하였으며 추정된 지역확률강수량이 기존 L-모멘트 기법과 유사한 결과를 갖는 것을 확인할 수 있었다. 더불어 빈도별 확률강수량의 불확실성을 정량적으로 제시할 수 장점을 확인할 수 있었다.

상관관계가 높은 복합열화의 완벽한 개별예측모델의 개발은 매우 어려운 문제로, 본 논문에서는 현수교 시스템의 미래열화와 유지 예산을 예측하기 위하여, 10년간의 유지 데이터가 주어진 매개변수(파손지표와 사용성)의 사후 확률 밀도함수를 찾기 위해 베이지언 추론을 적용하였다. 마르코프 연쇄 몬테카를로법을 이용하여 매개변수의 사후 분포를 조사하였다. 감소한 사용성의 모의위험예측은 사전분포와 연간유지 업무에서 업데이트한 데이터의 가능성에 따라 작성한 사후 분포이다. 기존의 선형 예측 모델과 비교하면, 제안된 2차 모델은 교량부품의 사용성, 위험요소, 그리고 유지 예산의 측정 데이터에 대하여 매우 개선된 수렴성과 근접성을 제공한다. 따라서 제안된 2차 추계학적 회귀 모델을 기반으로 복잡한 사회간접설비의 미래 성능과 유지관리예산을 예측하고 제어할 수 있는 기회를 제공할 것으로 기대한다.

본 연구에서는 국내외에서 범용되고 있는 단일강우사상 모형인 미육군공병단의 HEC-1 모형을 이용하여 대청댐 유역의 실측 강우-유출 사상을 중심으로 강우-유출 모의를 수행하였으며, 매개변수 검정에는 실제 대청댐의 시간당 유입량을 기준으로 검정을 실시하였다. HEC-1 모형에는 매개변수를 자동으로 최적화시키는 프로그램이 내장되어 있으나 본 연구의 대상유역과 같이 다수의 소유역이 있는 경우, 매개변수 추정시 매개변수 중 일부는 수렴되지 못하고 발산하는 문제가 있었으며, 첨두유량의 추정능력 역시 저하되는 문제를 보였다. 따라서 이러한 HEC-1 모형의 매개변수의 불확실성을 고려하기 위한 방안으로 Bayesian 모형을 HEC-1모형에 연동시켜 활용하였으며, 기존 HEC-1 강우-유출 모형에 적용할 수 있는 매개변수 최적화 및 불확실성 정량화를 위해 HEC-1 강우-유출 모형 매개변수는 SCS 1개, Clark 단위도 2개를 Bayesian MCMC 기법을 적용하여 매개변수간 조건부확률로 모의발생을 한 후, Bayesian 모형으로부터 각 매개변수의 사후분포(posterior distribution)를 추정하여 사후분포의 추정이 매개변수의 불확실성 정량화를 수행하였다. 본 연구를 통해 제안된 BHEC-1 모형을 대상으로 대청댐 유역에 실측 강우-유출 사상에 대해서 모형의 적합성을 평가한 결과, 7개 유역의 21개의 매개변수가 해의 발산 없이 안정된 매개변수 추정이 가능하였다. 한편, Bayesian 모형을 근간으로 하기 때문에 최종결과로서 매개변수들의 사후분포(posterior)의 추정이 가능하여 향후 홍수빈도곡선 유도, 댐 위험도분석과 기후변화 문제와 같은 다양한 수문학적 문제의 연구에 적용 가능할 것으로 전망된다.

This study applied the Bayesian method for the quantification of the parameter uncertainty of spatial linear mixed model in the estimation of the spatial distribution of probability rainfall. In the application of Bayesian method, the prior sensitivity analysis was implemented by using the priors normally selected in the existing studies which applied the Bayesian method for the puppose of assessing the influence which the selection of the priors of model parameters had on posteriors. As a result, the posteriors of parameters were differently estimated which priors were selected, and then in the case of the prior combination, F-S-E, the sizes of uncertainty intervals were minimum and the modes, means and medians of the posteriors were similar to the estimates using the existing classical methods. From the comparitive analysis between Bayesian and plug-in spatial predictions, we could find that the uncertainty of plug-in prediction could be slightly underestimated than that of Bayesian prediction.

The probability concepts mainly used for rainfall or flood frequency analysis in water resources planning are the frequentist viewpoint that defines the probability as the limit of relative frequency, and the unknown parameters in probability model are considered as fixed constant numbers. Thus the probability is objective and the parameters have fixed values so that it is very difficult to specify probabilistically the uncertianty of these parameters. This study constructs the uncertainty evaluation model using Bayesian MCMC and Metropolis -Hastings algorithm for the uncertainty quantification of parameters of probability distribution in rainfall frequency analysis, and then from the application of Bayesian MCMC and Metropolis- Hastings algorithm, the statistical properties and uncertainty intervals of parameters of probability distribution can be quantified in the estimation of probability rainfall so that the basis for the framework configuration can be provided that can specify the uncertainty and risk in flood risk assessment and decision-making process.

본 연구에서는 국내외에서 대표적으로 이용되는 HEC-1 단일강우사상 모형과 연동할 수 있는 Bayesian Markov Chain Monte Carlo(MCMC) 기반의 Bayesian HEC-1(BHEC-1) 통합 모델을 개발하였다. 본 연구를 통해 제안된 BHEC-1 모형을 대상으로 대청댐 유역에 실측 강우-유출 사상에 대해서 모형의 적합성을 평가하였으며, 7개 유역의 21개의 매개변수를 동시에 추정한 결과 해의 발산 없이 안정된 매개변수 추정이 가능하였다. 또한 Bayesian 모형을 근간으로 하기 때문에 최종결과로서 매개변수들의 사후분포(posterior)의 추정이 가능하여 강우-유출 모형 매개변수의 불확실성을 정량화 할 수 있었으며 이를 통해 모형과 입력 자료가 가지는 불확실성을 효과적으로 파악할 수 있었다.

본 논문에서는 각각의 시점에서의 변화확률을 산정하여 변화시점을 추정하는 Barry and Hartigan (BH)의 베이지안 변화시점 추정방법(Bayesian changing points estimation method)을 이용하여 측우기 관측자료계열(CWK)과 근대우량계 관측자료계열(MRG)간의 변화에 대한 상대확률적 절점의 발생여부를 분석하였다. 어떠한 자연 현상도 완전히 동일하게 재현되지 않기때문에 시간적인 순서를 고려하지못하는 통계적 방법은 구체