지진예측을 위한 확률론적퍼지모형을 제안하였다. 제안원 모형은 지진발생에 대하여 부작위성 (randomness) 과 퍼 지니스( fuzziness )를 같이 사용하여， 기존의 확률론에 근거한 지진예측방볍을 개선할 수 있도록 하였다. 이 연구의 설과는 (a) 주어진 초과확률에 대한 지반가속도 또는 주어진 지반가속도에 대한 초과확률의 멤벼쉽함수와 (b) 멤써 쉽함수릎 대표할 수 있는 특성값 (characteristic value) 이다. 확률론적퍼지모형을 띠 놔 Utah 주의 Wasatch Front Range 의 자료에 적용하여 서로 다른 연간초파확률， 최대지반가속도에 대하여 지진도른 작성하였다

In this paper, we used a nonhomogeneous Gaussian regression model (NGR) as the postprocessing techniques to calibrate probabilistic forecasts that take the form of probability density functions for temperature. We also performed the alternative implementation techniques of NGR, which are stationspecific ensemble model output statistics (EMOS) model. These techniques were applied to forecast temperature over Pyeongchang area using 24-member Ensemble Prediction System for Global (EPSG). The results showed that the station-specific EMOS model performed better than the raw ensemble and EMOS model.

The probabilistic prediction method and procedure of ships traffic for reasonably considering the enlargement of ships and increase in the large vessels of the vessel were established in this paper. However the problem related on prediction method, confidence intervals and selecting the target tonnage considering the enlargement of ship for prediction of ships is lack of results such as design example and study case. Therefore it requires various methodological study.

This paper applied the ensemble model output statistics (EMOS) with truncated normal distribution, which are easy to implement postprocessing techniques, to calibrate probabilistic forecasts of wind speed that take the form of probability density functions. We also considered the alternative implementations of EMOS, which were EMOS exchangeable model and reduced EMOS model. These techniques were applied to the forecasts of wind speed over Pyeongchang area using 51 members of the Ensemble Prediction System for Global (EPSG). The performances were evaluated by rank histogram, mean absolute error, root mean square error and continuous ranked probability score. The results showed that EMOS models with truncated normal distribution performed better than the raw ensemble and ensemble mean. Especially, the reduced EMOS model exhibited better prediction skill than EMOS exchangeable model in most stations of study area.

This paper used the Bayesian model averaging (BMA) with gamma distribution that takes the form of probability density functions to calibrate probabilistic forecasts of wind speed. We considered the alternative implementation of BMA, which was BMA gamma exchangeable model. This method was applied for forecasting of wind speed over Pyeongchang area using 51 members of the Ensemble Prediction System for Global (EPSG). The performances were evaluated by rank histogram, means absolute error, root mean square error, continuous ranked probability score and skill score. The results showed that BMA gamma exchangeable models performed better in forecasting wind speed, compared to the raw ensemble and ensemble mean.

가뭄의 피해를 줄이기 위해서는 시기적절한 용수관리와 지역주민의 절수 유도가 필요하며, 이를 위해서는 가뭄의 현황 및 전망에 대한 정보가 무 엇보다 중요하다. 특히 생·공용수를 공급하는 다목적댐의 경우 저수량에 대한 향후 전망은 용수관리를 위한 가장 중요한 정보이다. 이에 본 연구에 서는 핵밀도함수를 활용하여 유입량의 불확실성을 고려한 확률론적 저수량 예측 모형을 구축하고, 그 적용성과 활용성을 분석하였다. 확률론적 저 수량 예측 모형은 현재의 저수량을 기준으로 시간의 변화에 따른 저수량을 확률적으로 예측할 수 있다. 이를 통해 현재의 가뭄상황에서 향후 저수 량의 변화 양상을 파악하여 중장기적인 대응이 가능하고 특정시점의 목표 저수량을 달성하기 위한 용수 비축량을 산정할 수 있어 용수관리에 관한 의사결정을 위한 도구로 활용이 가능할 것으로 판단된다.

This paper considers a homogeneous multiple regression (HMR) model and a non-homogeneous multiple regression model, that is, ensemble model output statistics (EMOS), which are easy to implement postprocessing techniques to calibrate probabilistic forecasts that take the form of Gaussian probability density functions for continuous weather variables. The HMR and EMOS predictive means are biascorrected weighted averages of the ensemble member forecasts and the EMOS predictive variance is a linear function of the ensemble variance. We also consider the alternative implementations of HMR and EMOS which constrains the coefficients to be non-negative and we call these techniques as HMR+ and EMOS+, respectively. These techniques are applied to the forecasts of surface temperature over Pyeongchang area using 24-member Ensemble Prediction System for Global (EPSG). The performances are evaluated by rank histogram, residual quantile-quantile plot, means absolute error, root mean square error and continuous ranked probability score (CRPS). The results showed that HMR+ and EMOS+ models perform better than the raw ensemble mean, HMR and EMOS models. In the comparison of HMR+ and EMOS+ models, HMR+ performs slightly better than EMOS+ model in terms of CRPS, however they had a very similar CRPS and if there exists a ensemble spread-skill relationship, it is seen that EMOS is slightly better calibrated than the homogeneous multiple regression model.

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.

Recently many research and investment have been made for waste biomass to bio solid fuel development in Korea. In this study, monte-carlo simulation is applied to estimate the bio solid fuel product quality made from various biomass as raw materials. Commercial biomass and waste biomass raw material samples were collected to investigate the basic properties and to predict mixed effect to solid bio-fuel product. The results show that predicted subject properties about applying a single quality items was reasonable, but for mixed biomass raw material, correlations and logical relevance of several items will be need to assume that require additional consideration for it. The stochastic techniques established through this study will be applicable to bio-solid fuel product development with a variety of waste biomass.

최근 전력 전송을 위해 지하에 건설되는 전력구 구조물이 증가함에 따라, 이러한 구조물의 수명 연장은 매우 중요한 문제로 대두되고 있다. 현재까지의 현장 및 실험결과들은 콘크리트 내부의 철근이 콘크리트 피복의 탄산화 현상에 의해 부식될 수 있음을 보이고 있으며,이러한 탄산화에 의한 철근의 부식은 구조물 주변의 높은 이산화탄소 농도에 의해 빈번히 발생할 가능성을 내포하고 있다. 따라서, 본 연구에서는 실제 전력구 현장에서의 철근 깊이와 탄산화 깊이를 측정한 결과를 바탕으로 우리나라의 전력구 콘크리트 구조물에 대한 탄산화위험도를 평가하였다. 현장 데이터를 기반으로 철근 주변에서의 탄산화에 의한 전력구의 사용수명을 평가하였으며, 이를 위해 확률론적 방법인 몬테카를로 기법을 적용하였다. 또한 균열을 유발한 시험체에 대한 탄산화 촉진 실험을 수행하여, 그 실험결과를 바탕으로 균열을 고려한 경우의 전력구의 사용수명을 수치적으로 평가하고 분석하였다.

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 논문에서는 탄산화 콘크리트 구조물의 내구성을 예측하기 위한 새로운 접근 방법을 제시하였다. 제시된 예측 방법은, 새로운 계측 데이터가 있을 때 베이스 이론에 근거하여 지속적인 업데이팅이 가능하며 모델 매개변수의 확률론적인 특성이 고려된다. 탄산화 내구성 해석 모델의 절차는 라틴 하이퍼큐브 샘플 추출법(LHS)으로 간단하게 정리되고, 이를 통해 얻는 표본으로 결정된다. 이 방법은 콘크리트 구조물의 설계에 유용하게 사용될 수 있으며, 모니터링을 통한 콘크리트 구조물의 잔존수명을 예측할 수 있다. 본 논문에서 사전예측치는 탄산화에 노출된 국내 콘크리트 구조물 데이터(3700개 시편)를 이용하여 콘크리트 탄산계수의 확률 특성을 고려하여 나타내었으며, 우도함수는 현장 모니터링 데이터를 이용하였으며 사후예측치는 사전예측치와 우도함수를 조합하여 나타내었다. 또한, 몬테 카를로 시뮬레이션(MCS)과 LHS의 비교를 통하여 본 논문에서 수행된 LHS를 이용한 샘플링기법이 보다 효율적인 시뮬레이션 수행이 가능함을 확인하였다.

본 연구에서는 GDAPS(T213) 중기 기상 수치예보 자료를 활용한 ESP (Ensemble Streamflow Prediction) 기법을 개발하여 미래에 발생할 수 있는 댐 유입량의 중장기적 확률예측을 위해 초과 확률구간별 댐 유입량을 예측하고 RPSS 검증기법으로 예측결과의 정확도를 분석하였다. 개발된 ESP시스템을 적용한 결과 일단위 개념의 확률예보는 높은 불확실성을 내포할 수 있고, 중장기 확률예보에 초점을 맞추어 1, 3, 7일 등의 예측시

본 연구에서는 소양강 유역을 대상으로 중장기 확률론적 댐 유입량 예측을 위해 30년 동안의 일단위 장기유출 해석을 수행하였다. 유출모형의 입력자료를 구축하기 위해 Anderson의 융설모형으로 적설에 대한 융설량을 계산하였고, Penman의 혼합기법으로 잠재증발량을 산정하였다. 또한, 기존 TOPMODEL의 적용 유역면적의 제약성을 극복하기 위해 대상유역을 적정 소유역으로 구분하고 운동파 하도홍수 추적기법을 통해 대유역 유출량을 계산할 수 있는 준분포형