This study aims to develop a regression model using data from the Ammunition Stockpile Reliability Program (ASRP) to predict the shelf life of 81mm mortar high-explosive shells. Ammunition is a single-use item that is discarded after use, and its quality is managed through sampling inspections. In particular, shelf life is closely related to the performance of the propellant. This research seeks to predict the shelf life of ammunition using a regression model. The experiment was conducted using 107 ASRP data points. The dependent variable was 'Storage Period', while the independent variables were 'Mean Ammunition Velocity,' 'Standard Deviation of Mean Ammunition Velocity,' and 'Stabilizer'. The explanatory power of the regression model was an R-squared value of 0.662. The results indicated that it takes approximately 55 years for the storage grade to change from A to C and about 62 years to change from C to D. The proposed model enhances the reliability of ammunition management, prevents unnecessary disposal, and contributes to the efficient use of defense resources. However, the model's explanatory power is somewhat limited due to the small dataset. Future research is expected to improve the model with additional data collection. Expanding the research to other types of ammunition may further aid in improving the military's ammunition management system.

본 연구는 소래풀을 경관화훼로 이용하기 위해 온도조건에 따른 발아특성을 알아보고 회귀분석(bilinear, parabolic, beta distribution)모델을 통해 주요온도(최저, 최적 및 최고온 도)를 구명하고자 하였다. 소래풀 종자는 5, 10, 15, 20, 25, 30, 35℃ 항온 조건 중 25℃에서 약 6~7일만에 최종발아율이 100%에 도달하였으며, 발아세, 발아속도, 평균발아속도와 평균발아시간이 각각 100%, 21.37ea/day, 14.48, 4.39일 로 다른 처리보다 발아특성이 우수하였다. 이를 바탕으로 발아 속도(germination rate, GR)가 50%인 시점(GR50)을 역수로 (1/GR50)하여 주요온도를 분석한 결과, bilinear모델의 경우, 최저, 최적 및 최고온도는 4.8℃, 25.8℃, 35.6℃였으며 (R2=0.9566, p<0.001), parabolic모델은 최저온도 6.1℃, 최 적온도 21.6℃, 최고온도 36.7℃였다(R2=0.8818, p<0.001). 또한 beta distribution 모델의 주요온도는 최저온도 6.1℃, 최 적온도는 23.1℃, 최고온도 40.1℃였다(R2=0.9102, p<0.001). 본 연구에서 분석한 회귀모델 모두 0.1% 수준에서 통계적 유의 차가 인정된 것으로 보아 소래풀 종자의 발아 시 최저온도는 4.8~6.1℃, 최고온도는 35.6~40.1℃, 최적온도는 21.6~25.8℃ 이며, 50% 이상의 발아율을 기대하였을 때 온도의 범위는 20~25℃가 적합할 것으로 판단된다. 이와 같은 결과는 소래풀 을 이용하여 경관조성을 할 때 파종 및 발아시기를 예측할 수 있는 자료로 활용될 수 있을 것으로 판단된다. 그러나 경관조성 을 하는 현장에서 실질적인 도움을 제공할 수 있도록 발아의 주요온도 모델과 함께 식물의 생물계절 관점에서 추가적인 연구 가 필요할 것으로 판단된다.

콩과 같은 밭작물은 주로 토양으로부터 수분을 공급받으며 토양 수분 조건에 따라 생육 반응이 민감하게 반응한다. 작물의 생육과 재배 지역의 토양 조건, 기상 등에 따라 적정 토양 수분을 유지하는 것은 작물 생산량의 증가를 위해 중요하다. 따라서, 본 연구에서는 머신러닝 기법을 이용하여 토양 수분 함량 예측 모델을 개발하였다. 깊이에 따른 토양 수분과 외기, 강수량 등 기상 변수와의 상관 관계를 구명하고, 깊이별 토양 수분예측을 위한 부분최소제곱회귀(PLSR) 모델을 알고리즘을 개발하였다. 콩 재배포장의 10cm, 20cm, 30cm 깊이의 토양수분은 FDR 방식의 센서로 측정하였 고, 콩 작물 주변 환경인자(재배환경의 기온, 상대습도, 풍속, 일사량, 일조시간)는 주변의 기상관측소에서 측정된 데이터를 이용하였다. 이를 이용하여 깊이별 미래의 토양수분함량 예측 모델을 개발한 결과, 10cm와 20cm깊이에서 주요 인자는 현재 토양수분함량과 기온이었으며, 30cm 깊이에서의 주요 인자는 현재 토양수분함량과 기온, 풍속으로 나타났다. 토양 깊이가 깊어짐에 따라 토양수분함량 예측 정확도가 향상되었으며, 이는 표면에 가까울수록 토양수분함량이 변화가 크기 때문으로 예상된다. 또한 미래의 토양 수분함량예측시 1시간 후 예측 정확도가 가장 우수하였으며, 이때의 Rv 2와 RMSEV가 10cm 깊이에서 0.993와 1.069%, 20cm 깊이에서 0.994와 0.821% 였으며, 30cm 깊이에서 0.999와 0.149% 였다. 본 연구 결과는 콩 생육환경 진단을 위해 재배 포장의 토양수분함량을 토양층별로 미래의 토양수분함량도 예측이 가능함을 보여준다.

본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.

본 연구는 한국인 인구집단에서 폭식행동, 음식중독을 식별하고, 해당 증상들이 비만 및 섭식행 동, 정신건강, 인지적 특성과 어떠한 연관성을 보이는지 규명하고자 하였다. 이를 위하여 정상체중 및 비만 체중에 해당하는 한국인 성인 257명을 대상으로 섭식문제(예: 폭식, 음식중독, 음식갈망), 정신건강(예: 우 울), 인지기능(예: 충동성, 정서조절)에 관한 임상심리검사 척도를 측정하였다. 비만 여부와 성별에 따라 그 룹을 나누었을 때, 비만체중 여성에서 폭식행동이 46.6%, 음식중독이 29.3%로 가장 빈도가 높았다. 성향 점수 매칭 후 데이터로 독립성 검정을 수행한 결과, 폭식행동 및 음식중독이 비만체중 집단에서 정상체중 집단보다 더 많이 나타나는 것을 확인하였다. 또한 폭식행동과 음식중독 유무에 각 심리검사 척도 요인이 미치는 영향력을 파악하고자, 전진선택법을 적용한 로지스틱 회귀모델을 구축하였다. 로지스틱 회귀분석 결과, 폭식행동에는 섭식장애, 음식갈망, 상태불안, 정서조절(인지적 재해석) 및 음식중독이 주로 관여하였 고, 음식중독에는 음식갈망, 폭식행동과 함께 비만과 연령의 교호작용, 교육년수가 유의하게 작용하는 것으 로 나타났다. 본 연구는 한국인 성인을 대상으로 한 체계적 연구로서, 폭식행동과 음식중독이 여성 및 비만 인에서 특히 더 많이 나타남을 확인하였다. 폭식행동과 음식중독에는 일부 섭식문제(예: 음식갈망)가 공통되게 관여하나, 정신건강 및 인지적 위험요인에는 차이가 있었다. 따라서 음식중독과 폭식행동은 서로 구 별되는 개념으로 두고, 각각의 기질적·환경적 위험요인을 깊이 있게 탐구하는 것이 필요하다.

일반적으로 콘크리트는 골재, 모래, 시멘트, 담수, 혼합재 등 다양한 재료로 구성되어있으며 재령에 따라서 강도가 증 가한다. 콘크리트에 필요한 각 재료의 비율은 혼합 설계를 통해 결정되지만, 콘크리트의 강도는 실험적으로 측정되기 전까지는 알 수 없다. 이러한 한계를 극복하기 위해 실험을 통해 얻은 데이터를 이용하여 콘크리트의 압축 강도를 예측하기 위해 통계수 학과 기계학습 알고리즘을 이용한 많은 연구가 시도되었다. 이전의 연구는 콘크리트 압축 강도 예측에 신경망 기법이 가장 적 합하다고 제안하였다. 그러나 신경망 기법은 다른 기계학습과 비교하여 모델 학습에 계산 비용이 많이 들어 실제로 적용하기 어려운 문제점이 있다. 최근 몇 년 동안 다양한 회귀 분석 모델이 개발되었으므로 본 연구에서는 신경망 대신 최신 회귀 분석 모델을 이용하여 콘크리트 강도 예측모델을 제시하였다. 이를 위해 최근 개발된 회귀 분석 모델에 대한 교차검증을 시행하여 최적의 모델을 선정하였다. 그리드 검색을 통하여 선정된 각 모델의 하이퍼 파라미터를 최적화하고, 국내외 데이터를 활용하여 기계학습 모델을 훈련하고 검증하였다. 이들 중 CatBoost, LGBMR, RFR, XGBoost 회귀모델이 높은 성능을 보여주었다. 특히 그 중에서 XGBoost 회귀 분석 모델이 가장 작은 오차와 높은 정확도를 보여주었다. 이들 중 오류가 가장 큰 LGBMR 모델도 이전 연구에서 제안된 신경망 및 앙상블 모델보다 성능이 우수하였다. 현장 레미콘 콘크리트에 대한 압축 강도 예측을 시행하여 학 습된 모델의 현장 적용 가능성을 확인하였다.

Identifying the water circulation status is one of the indispensable processes for watershed management in an urban area. Recently, various water circulation models have been developed to simulate the water circulation, but it takes a lot of time and cost to make a water circulation model that could adapt the characteristics of the watershed. This paper aims to develop a water circulation state estimation model that could easily calculate the status of water circulation in an urban watershed by using multiple linear regression analysis. The study watershed is a watershed in Seoul that applied the impermeable area ratio in 1962 and 2000. And, It was divided into 73 watersheds in order to consider changes in water circulation status according to the urban characteristic factors. The input data of the SHER(Similar Hydrologic Element Response) model, a water circulation model, were used as data for the urban characteristic factors of each watershed. A total of seven factors were considered as urban characteristic factors. Those factors included annual precipitation, watershed area, average land-surface slope, impervious surface ratio, coefficient of saturated permeability, hydraulic gradient of groundwater surface, and length of contact line with downstream block. With significance probabilities (or p-values) of 0.05 and below, all five models showed significant results in estimating the water circulation status such as the surface runoff rate and the evapotranspiration rate. The model that was applied all seven urban characteristics factors, can calculate the most similar results such as the existing water circulation model. The water circulation estimation model developed in this study is not only useful to simply estimate the water circulation status of ungauged watersheds but can also provide data for parameter calibration and validation.

본 연구는 대륜 국화 ‘백마’의 생육 특성인 생체중, 건물중, 엽면적을 조사하여, 생장 및 기후요소에 따른 생장 예측모델 개발을 위하여 수행되었다. 정식후 일수 및 누적온도에 따른 국화의 건물중 및 엽면적 분석에 기반한 ‘백마’의 생장예측을 위한 시그모이드 회귀모델을 개발하였다. ‘백마’의 건물중 상대 생장률(RGR)은 재배기간 평균 0.084 g·g-1·d-1이었다. 정식 후 재배 기간에 따른 건물중에 대한 상대 생장률은 정식 초기부터 단일처리 전까지 높았으며 최고 0.133 g·g-1·d-1까지 증가하였고, 63일째 단일처리가 시작된 후 수확 시기에서는 0.030 g·g-1·d-1으로 감소하는 경향을 보였다. 누적온도에 따른 국화의 건물중, 엽면적에 대한 생장 모델(sigmoid 곡선)을 개발하였다. 정식 후 일수와 누적온도에 따른 ‘백마’의 건물중 및 엽면적은 지수함수적으로 증가하였으며, 건물중의 경우 63일(누적온도 1601℃)까지 평균 39.1%씩 증가하였고, 이후 평균 7.4%씩 증가하였다. 엽면적의 경우 정식 후 28일차 까지 평균 63.3%씩 증가하였고, 화아분화가 발생하기 전인 84일차까지 평균 6.5%씩 증가하였으며 화아 분화가 발생하 기 전 84일까지 평균 6.5%로 증가했고, 이후 수확 전까지 평균 10.6%씩 증가하는 경향을 보였다. 본 실험은 충남지역에 서 대륜 국화 ‘백마’의 재배관리 체계와 계획적 연중 생산 체계를 구축하는데 유용한 자료로 활용될 수 있다. 보다 정밀한 생육 예측 모델을 만들기 위해서는 누적 일사량을 포함한 다양한 기상자료를 바탕으로 하여 교정 및 검증이 필요하다.

본 논문에서는 고리 1호기 해체 비용 추정을 위해 외국 원자력발전소 해체 비용 데이터를 현가화한 후 원자력발전소 해체 비용 추정 회귀 분석모델을 개발하였다. 이 모델 개발에 사용된 데이터는 해체 또는 진행 중인 BWR 13기, PWR 16기의 해체 비용 데이터이다. 회귀 분석모델 도출을 위해, 해체 비용을 종속변수로 정하고, 해체 원전의 운전 특성을 반영할 수 있게 고 안된 Contamination factor와 해체 기간을 독립변수로 선정하였다. 빅데이터 분석 도구인 R language의 통계패키지를 이용 하여 회귀 분석모델을 도출하였다. 이 회귀 분석 모델을 적용하여 고리 1호기 해체 비용을 예측한 결과, 미화 663.40~928.32 백만 달러, 한화 약 7,828.12억~1조 954.18억 원이 소요될 것으로 예측되었다.

본 연구는 3개의 운전변수(압력, 공기량, 운전시간)를 실험 설계하고 마이크로 버블의 종말부상 속도(Terminal rise velocity)를 반응 값으로 하여 예측식 모델과 최적 조건을 수립하였다. 다항식 회귀분석을 통해 펌프의 압력(X1) 4.5bar, 공기량(X2) 3.3L/min 그리고 운전시간(X3)이 2.2min에서 종말상승속도(Terminal rise velocity)에 대한 최적값인 5.14 cm/min (85.7㎛/sec)을 얻었다. 또한, 레이저 입자계수 측정장치를 이용하여 2~5㎛ 및 25~50㎛ 영역에서의 가장 높은 마이크로버블 직경크기 분포를 확인하였다.

본 논문의 주된 목적은 천연 라텍스 산출량(natural latex yield) 요인을 파악하는 것이며, 중국 열대지방인 윈난(운남)성 시솽반나 지역을 대상으로 연구를 수행했다. 천연 라텍스는 고무나무의 수액을 의미하며 의료기구, 타이어 등의 원료로 사용되므로 세계적인수요가 급증하고 있다. 하지만, 고무농장을 설립하기 위해서는 토착식생을 대거 제거하는 것이 일반적이며 이러한 이유로 인해 고무농장의 확장은 환경적 부작용을 수반한다. 시솽반나의 생태계는 고무농장의 급속한 확장으로 인해 열대 원시림이 파괴되는 등 지속적인 위협을 받고 있는 상황이고 이를 저감하기 위한 환경보전이 시급하다. 시솽반나 지역에 효과적인 환경보전 및 토지이용 전략을 수립하기 위해서는 어떤 요인이 천연 라텍스 산출량에 영향을 주는지와 요인별 공간적 변이를 파악할 필요가 있다. 본 연구에서는 현지답사를통해 수집한 자료와 위성영상 자료에 지리가중회귀모델(Geographically Weighted Regression, GWR)을 적용해 천연 라텍스 산출량요인과 그 공간적 변이를 분석했다. 그 결과, 연평균 기온, 연평균 강수량, 고무나무 나이, 해발고도, 향이 99% 신뢰구간에서 천연 라텍스 산출량에 유의한 영항을 미치는 것으로 나타났으며, 이들의 공간적 변이는 요인별로 상이했다. 본 논문의 연구 결과를 활용하면, 고무나무 재배적지 혹은 고무농장의 입지를 체계적으로 파악할 수 있기 때문에 시솽반나 지역 뿐 아니라 천연 라텍스 주요산지인동남아시아 전반의 환경보전과 토지이용 전략 수립에 유용할 것으로 예상한다.

국내 수출입 물동량의 증가와 해운산업의 발달에 따라 항만시설물의 사용빈도 또한 증가 추세에 있으나, SOC의 해운항만 부문의 투입 정부예산은 감축되어 왔다. 증가하는 사용빈도에 반하여 줄고 있는 예산으로 인해 항만시설물의 체계적이고 효율적인 유지관리 및 운영이 필요하다. 효율적인 유지관리 시스템 구축을 위해서 항만시설물이 위치한 지역, 구조물의 형태 및 취급화종, 시공 및 유지관리 수준과 같은 특성을 고려한 열화모델 개발이 필요하다. 항만시설물의 열화모델 개발은 시설물의 열화요인 분석과 열화데이터 수집 및 열화 모델 개발의 과정으로 수행하였다. 열화 모델 개발기법은 변수 특성에 따른 시간 의존적 상태변화를 반영할 수 있는 결정론적 방법인 다중 회귀분석과 변동성이 큰 자료들의 상태이력을 반영할 수 있는 확률론적 방법인 마코브 체인 이론을 이용하였다. 각 방법을 통해 잔교식 구조물과 블록식 구조물의 Project level의 상태 열화모델을 제시하였다.

As a measure of health, the percentage of body fat has been utilized for many ergonomist, physician, athletic trainers, and work physiologists. Underwater weighing procedure for measuring the percentage of body fat is popular and accurate. However, it is relatively expensive, difficult to perform and requires large space. Anthropometric techniques can be utilized to predict the percentage of body fat in the field setting because they are easy to implement and require little space. In this concern, the purpose of this study was to find a regression model to easily predict the percentage of body fat using the anthropometric circumference measurements as predictor variables. In this study, the data for 10 anthropometric circumference measurements for 252 men were analyzed. A full model with ten predictor variables was constructed based on subjective knowledge and literature. The linear regression modeling consists of variable selection and various assumptions regarding the anticipated model. All possible regression models and the assumptions are evaluated using various statistical methods. Based on the evaluation, a reduced model was selected with five predictor variables to predict the percentage of body fat. The model is : % Body Fat = 2.704-0.601 (Neck Circumference) + 0.974 (Abdominal Circumference) -0.332 (Hip Circumference) + 0.409 (Arm Circumference) - 1.618 (Wrist Circumference) + ε. This model can be used to estimate the percentage of body fat using only a tape measure.

Melamine has been reported to be responsible for kidney stones and renal failure among infants and children. Con-ventional detection methods, High-Performance Liquid Chromatography (HPLC) and Gas Chromatography (GC), aresensitive enough to detect trace amounts of the contaminant, but they are time consuming, expensive, and labor-intensive. Hyperspectral imaging methods, which combine spectroscopy and imaging, can provide rapid and non-destructive means to assess the quality and safety of agricultural products. In this study, near-infrared hyperspectralreflectance imaging combined with partial least square regression analysis was used to predict melamine particleconcentration in dry milk powder. Melamine particles, with concentration levels ranging from 0.02% to 1% byweight ratio (g/g), were mixed with dry milk powder and used for the experiment. Hyperspectral reflectance imagesin the wavelength range from 992.0nm to 1682.1nm were acquired for the mixtures. Then PLSR models weredeveloped with several preprocessing methods. Optimal wavelength bands were selected from 1454.5nm to 1555.6nm using beta-coefficients from the PLSR model. The best PLSR result for predicting melamine concentration inmilk powder was obtained using a 1st order derivative pretreatment with Rv=0.974, SEP=±0.055%, and F=6.

이 연구는 북서태평양에서 여름철(7-9월) 동안 발생하는 태풍 빈도를 예측하기 위한 다중회귀모델을 4가지 원격패턴을 이용하여 개발하였다. 이 패턴은 4-5월 동안 동아시아 대륙에서의 시베리아 고기압 진동, 북태평양에서의 북태평양 진동, 호주근처의 남극진동, 적도 중앙태평양에서의 대기순환으로 대표된다. 이 통계모델은 이 모델로부터 예측된 높은 태풍발생빈도의 해와 낮은 태풍발생빈도의 해 사이에 차를 분석함으로써 검증되었다. 높은 태풍발생빈도의 해에는 다음과 같은 4가지의 아노말리 특성을 나타내었다: i) 동아시아 대륙에 고기압성 순환 아노말리(양의 시베리아 고기압진동), ii) 북태평양에 남저북고의 기압계 아노말리, iii) 호주 근처에 저기압성 순환 아노말리(양의 남극진동), iv) 봄부터 여름 동안 니뇨3.4 지역에 저기압성 순환 아노말리. 따라서 적도 서태평양에서 무역풍 아노말리는 양반구의 아열대 서태평양에 위치한 저기압성 순환 아노말리에 의해 약화되었다. 결국, 이러한 기압계 아노말리의 공간분포는 열대 서태평양에 대류를 억제하는 대신 아열대 서태평양에 대류를 강화시켰다.

PURPOSES : This study is to construct the regression models of drainage asphalt concrete specimens and to provide the appropriate coefficients of hydraulic conductivity prediction models. METHODS: In terms of easy calculation of the hydraulic conductivity from porosity of asphalt concrete pavement, the estimation model of hydraulic conductivity was proposed using regression analysis. 10 specimens of drainage asphalt concrete pavement were made for measurement of the hydraulic conductivity. Hydraulic conductivity model proposed in this study was calculated by empirical model based on porosity and the grain size. In this study, it shows the compared results from permeability measured test and empirical equation, and the suitability of proposed model, using regression analysis. RESULTS: As the result of the regression analysis, the hydraulic conductivity calculated from the proposal model was similar to that resulted from permeability measured test. Also result of RMSE (Root Mean Square Error) analysis, a proposed regression model is resulted in more accurate model. CONCLUSIONS: The proposed model can be used in case of estimating the hydraulic conductivity at drainage asphalt concrete pavements in fields.

본 논문에서는 페러데이 법칙을 이용한 진동발전 장치를 지하철의 자갈도상과 콘크리트 도상의 분류에 따른 기전력 량을 분석 하였다. 지하철 2호선 서초～방배 구간의 자갈도상에서 콘크리트 도상 변경으로 동일한 전동차 운행속도로 동일 구간에서 차량운행에 의한 동특성을 분석하고 진동력발전 장치를 이용해 얻어질 수 있는 기전력 량을 분석하였다. 또한 페러데이의 법칙에 의한 유도 기전력 식에 의한 계산 기전력 량과 발전 장치에 의한 관측 기전력 량을 베이지안 회귀 분석 및 상관분석을 통하여 철도에 적용되는 모델에 대한 신뢰구간과 모델식을 각 도상별로 업데이팅하였다. 수정된 식을 이용한 기전력은 한 개의 진동발전 장치 당 콘크리트 도상에서 4mV, 자갈도상에서는 40mV의 전력을 얻을 수 있다.

풍력발전 단지의 설계시 풍력 자원 평가 과정은 필수적인 과정이다. 풍력 자원 평가를 위해 장기풍황(20년)자료를 이용하여야 하지만 장기간 관측하는 것은 어렵기 때문에 예정지의 1년 이상의 관측데이터로 평가를 실시하였다. 예정지의 단기 풍황탑(Met-Mast; Meteorology Mast) 자료를 주변의 장기관측 자료인 자동기상관측(AWS; Automatic Weather Station)데이터를 이용하여 수학적 보간법으로 예정지의 데이터를 장기 데이터로 변환한 것을 MCP(Measure-Correlative-Predict)기법이라 한다. 본 연구에서는 MCP기법 중 선형 회계방법을 적용하였다. 선택된 MCP 회귀 모델식에 따라 제주 북동부 구좌지역의 AWS데이터를 제주 북동부 한동 지역의 Met-mast 데이터에 적용하여 연간 에너지 생산량을 예측 하였다. 예정지의 단기 풍황을 이용하였을 때와 보정된 장기 풍황을 이용하여 때 연간 에너지 생산량을 비교하였다. 그 결과 연간 약 3.6 %의 예측오차를 보였고, 이는 연간 약 271 MW의 에너지 생산량의 차이를 의미한다. 풍력발전기의 생애주기인 20년을 비교 하였을 때 약 5,420 MW의 차이를 나타내었으며, 이는 약 9개월 정도의 에너지 생산량과 비슷한 수준이다. 결과적으로, 제안 된 선형 회귀 MCP 방법을 이용하는 것이 단기관측 자료를 통한 불확식성을 제거하는 합리적인 방법으로 판단된다.

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.

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.