본 연구는 확률에 기초한 한국의 기본 설계풍속 추정을 위한 합리적인 방법을 제시하고 위험도에 기초한 전국의 설계풍속지도를 제안한다. 본 논문에서는 장기기록 지역의 계절풍 연 최대 풍속자료와 단기기록 지역의 계절풍 월 최대 풍속자료의 극치 Type I 분포 모형에 대한 적합성을 검토하였고, 극치 태풍 풍속 분포 추정에서는 Monte-Carlo 시뮬레이션을 이용하여 간접적인 해석방법이 적용되었다. 태풍과 계절풍에 대한 기본 설계풍속은 두개 분포의 적(product)으로 된 혼합모형에서 구한다. 본 연구 결과로부터 제안된 모형과 방법은 현재 한국에서 가용한 단기기록 풍속자료를 이용한 위험도에 기초한 기본설계풍속과 기본 설계풍속지도의 개발에 실용적인 도구로 활용 가능하다고 본다.

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.

본 연구에서는 우리나라의 확률풍속지도를 개발하기 위해 기상관측소를 대상으로 풍속빈도분석을 수행하였다. 우리나라 79개 기상관측소 중 20년 이상 풍속자료를 보유한 69개 기상관측소의 연최대치 풍속자료를 수집하여 빈도분석을 수행하였다. 빈도분석에 적용한 확률분포는 국내·외적으로 극치빈도 분석에 널리 사용되는 Generalized Extreme Value(GEV), Type-Ⅰ Extreme Value(Gumbel), Type-Ⅲ Extreme Value(Weibull), 2-parameters Gamma, 3-parameters Gamma, Log-Pearson Type-Ⅲ 등 6가지이고, 매개변수 추정방법은 모멘트법과 확률가중모멘트법이다. 적합도검정 결과 풍속빈도분석시 우리나라에 가장 적합한 확률분포로는 GEV, 매개변수 추정방법으로는 확률가중모멘트법이 선정되었다. 현재 건축구조설계기준에서 풍속빈도분석시 적용하고 있는 Gumbel 분포는 위에 나열된 확률분포 중 4번째로 적합한 것으로 나타났다. 확률가중모멘트법에 의한 GEV분포를 이용하여 빈도분석을 수행한 결과, 설계빈도인 100년 빈도를 기준으로 가장 높은 풍속이 추정된 관측소는 제주도에 위치한 고산관측소로 71m/s이며 이어서 경상북도 울진관측소에서 60m/s, 전남 완도관측소에서 59m/s, 울릉도 울릉관측소에서 58m/s로 추정되었다. 가장 낮은 풍속이 추정된 관측소는 강원도 홍천관측소로 22m/s이며 이어서 충북 충주, 보은 관측소에서 23m/s로 추정되었다. 기상관측소별 100년 빈도 설계 풍속을 기준으로 ArcGIS의 크리깅 기법을 통하여 지역별 보간을 수행하였으며 이를 통해 확률풍속지도를 개발하였다. 본 연구를 통해 개발된 확률풍속지도는 향후 강풍에 대비한 건축구조물 설계에 활용 될 것으로 판단된다.