이 연구는 위성사진을 활용하여 건설지점의 기대풍속을 예측하기 위한 인공신경망 방법론을 제안한다. 제안된 방법은 기존 의 엔지니어의 판단을 대체하여, Auto-Encoder를 사용해 지형적 특성을 정량화하고, 이를 바탕으로 대상지점과 유사한 지역의 관측소 풍속 데이터를 선형 조합해 기대 풍속을 예측한다. 또한, 머신러닝과 인공신경망을 활용한 종단간 풍속 예측 모델을 제안하고, 성능을 비교 분석하였다. 그 결과 관측소의 풍속 데이터의 선형 조합보다는 종단간 모델을 구성하는 방법이 더 높은 정확도를 보였으며, 특히 Graph Neural Network (GNN)이 Multi-Layer Perceptron (MLP)에 비해 상당히 우수한 예측 성능을 나타내었다.

KBC-2016에서는 건축물 구조안전성 검토를 위한 100년 재현기대풍속은 지역별로 명시하고 있다. 하지만 사용성 평가를 위 한 재현기대풍속은 지역별로 명확히 제시하고 있지 않다. 보다 합리적인 사용성 평가를 위해서는 1년 재현기대풍속을 규정할 필요가 있다. 또한 한반도의 지리적 특성상 풍속은 풍향과 지역의 영향을 강하게 받기 때문에 풍향을 고려할 필요가 있다. 이 연구는 최근 10 년간의 일최대풍속을 이용하여 75개 지역 풍향별 1년 재현기대풍속 및 풍향계수를 추정하였다. 일최대풍속의 확률분포는 Weibull분포 를 사용하였다. 최종적으로, 이 연구의 풍향별 1년 재현기대풍속과 선행연구결과를 비교하여 한반도의 풍향별 풍속의 변화 경향도 파 악하였다.

본 연구에서는 수치자료를 이용하여 제주도 지역의 극한풍속지도를 구축하였다. 대상지점은 362개 지점이며, 높이 72m의 수치자료로부터 일최대풍속과 월최대풍속을 추출하여 평가시간을 변환하였다. 극치해석의 확률분포모델은 Gumbel분포를 사용하였고 이로부터 극한풍속을 추정하였다. 수치자료의 신뢰성을 판단하기 위해 높이 10m, 72m의 기상자료와 비교하였다. 본 연구의 결과로 월최대풍속, 일최대풍속의 평가시간 3초와 600초에 대한 제주도 지역의 50년 극한풍속지도를 구축하였다. 이를 통해 향후 건설되어질 풍력발전단지 계획 시 풍력등급과 구조물의 안전성을 동시에 확보할 수 있는 기초적인 자료로 제공될 것이다.