2017년 7월 15일 서울과 수도권에 집중호우를 발생시킨 깊은 대류운과 강수 발달에 대한 종관 기상 메커니즘 을 규명하고 중국 동부지역으로부터의 PM2.5 에어로졸의 간접효과를 WRF-Chem 실험을 통해 분석하였다. WRF-Chem 모델에 에어로졸과 복사의 피드백, 구름 화학 과정, 습식 세정을 모두 포함한 ARI (Aerosol Radiation Interaction) 실험 과 에어로졸과 복사의 피드백을 제외하고 구름 화학 과정, 습식 세정만을 포함한 ACR (Aerosol Cloud Radiation interaction) 실험 결과의 차이로부터 PM2.5 에어로졸 간접효과를 산출하였다. 2017년 7월 15일 새벽에 황해와 한반도에 서는 동아시아 대륙에서 저기압-북서 태평양의 고기압 분포로 인해 중국 남동 지역과 동중국해로부터 덥고 습한 기류 가 수렴하고 있었다. 이러한 황해의 종관 기상에 의해 발달하는 대류운은 높이 12 km 이상이며 고체 수상체를 형성하 고 있었는데, 이는 주로 대륙 위에서 발달하는 한랭운(많은 빙정을 형성하며 운정고도가 8 km 이상)의 특성을 나타내고 있었다. 특히, WRF-Chem 모델 실험을 통해 중국 동부지역으로부터 확산하는 PM2.5 에어로졸이 구름물 형성에 5.7%, 고체 수상체 형성에 10.4%, 그리고 액체 수상체 형성에 10.8%로 대류운이 한랭운으로 발달하는 데 기여하고 있었다. 본 연구는 황해 위에서 깊은 대류운이 발달하는 과정에 대한 기상적 메커니즘과 더불어 중국 동부지역으로부터 에어로 졸에 의한 간접효과의 영향을 제시하였다.

중규모 기상 모델을 이용하여 안개와 같은 미세규모 국지현상을 정확히 재현하는 것은 매우 어려운 실정이다. 특히, 수치모델의 초기 입력 자료의 불확도는 수치모델의 예측 정확도에 결정적인 영향을 미치기 때문에 이를 보완하기 위한 자료동화 과정이 요구되어진다. 본 연구에서는 WRF (Weather Research and Forecasting) 모델을 이용하여 낙동강 지역에서 발생한 여름철 안개사례 재현실험을 대상으로 중규모 기상 모델의 한계를 검증하였다. 중규모 기상 모델에서 초기 및 경계장으로 사용되는 KLAPS (Korea Local Analysis and Prediction System)와 LDAPS (Local Data Assimilation and Prediction System) 분석장 자료를 이용하여 수치모델 모의 정확도 민감도 분석을 수행하였다. 또한 AWS (Automatic Weather System) 자료를 이용한 자료동화(Four-Dimensional Data Assimilation)에 의한 수치모델의 정확도 개선 정도를 평가하였다. 초기 및 경계장 민감도 분석 결과에서 LDAPS 자료를 입력 자료로 사용한 경우가 KLAPS 자 료 보다 기온과 이슬점온도, 상대습도에서 높은 정확도를 보였고, 풍속은 더 낮은 수준을 나타내었다. 특히, 상대습도에 서 LDAPS의 경우는 RMSE (Root Mean Square Error)가 15.9%, KLAPS는 35.6%의 수준을 보여 그 차이가 매우 크 게 나타났다. 또한 자료동화를 통하여 기온, 풍속, 상대습도의 RMSE가 각각 0.3 o C, 0.2ms−1 , 2.2% 수준으로 개선되었다.

In this study, we develop a method for analyzing business process based on the event-driven process chain (EPC) model. The method consists of five stages such as identifying abnormal events, finding causes for the abnormal events and problems caused by the abnormal events, making cause-and-effect chains, drawing root-cause map, and defining improvement areas. We illustrate how to apply the method with some examples for the domestic registered mail delivery process.

In this study, we develop a methodology for business process improvement (BPI) based on the event-driven process chain (EPC) model. The methodology consists of six stages for BPI such as identifying abnormal events, finding causes for the abnormal events and problems caused by the abnormal events, making cause and effect chains, drawing root-cause map, scoping business processes for improvement, and defining process improvement projects. We illustrate how to apply the methodology with some examples for the domestic registered mail delivery process.

유역유출 모의 모형의 자동 보정에 주로 사용되는 진화계열의 알고리즘은 무제약 최적화 알고리즘이다. 이러한 진화계열 알고리즘에 제약조건을 반영하기 위해서는 제약조건을 다룰 수 있는 별도의 방법이 요구된다. 본 연구의 목적은 진화계열 알고리즘의 일종인 집합체 혼합진화 알고리즘에 벌칙함수를 적용하여 제약조건을 고려할 수 있도록 하는 것이다. 또한, 제약조건을 고려할 수 있는 집합체 혼합진화 알고리즘을 SWMM의 자동 보정 모듈에 적용하여 기존 자동 보정 모듈의 기능을 개선하는 것이다. 홍수유출 해석에서는 첨두유량과 관련된 지표가 중요하므로 첨두유량의 오차와 첨두유량 발생시간의 오차를 제어할 수 있는 제약조건을 구성하였다. 제약조건을 포함하여 구성된 자동 보정 모듈은 밀양댐 유역과 구로1 빗물펌프장 배수유역의 홍수유출 모의 모형에 대하여 적용되었다. 자동 보정의 결과는 제약조건의 포함 유무에 따른 결과를 비교하여 제시되었다. 그 결과, 제약조건을 고려함에 따라 본래의 목적함수를 크게 위배하지 않으면서, 첨두유량과 첨두유량 발생시간의 오차가 크게 개선되었다. 또한, 검증을 통해서도 제약 최적화를 통한 자동 보정의 적절성이 검토되었다. 결론적으로 벌칙함수를 이용한 제약조건의 반영을 통해 자동 보정 모듈의 기능을 향상시킬 수 있었다.

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.

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.