In meteorological data, various studies are being conducted to improve the prediction performance of rainfall with irregular patterns, unlike temperature and solar radiation with certain patterns. Especially in the case of the short-term forecast model for Dong-Nae Forecasts provided by the Korea Meteorological Administration (KMA), forecast data are provided at 6-hour intervals, and there is a limit to analyzing the impact of disasters. In this study, Hydrological Quantitative Precipitation Forecast (HQPF) information was generated by applying the machine learning method to Local ENsemble prediction system (LENS), Radar-AWS Rainrates (RAR), AWS and ASOS observation data and Dong-Nae Forecast provided by the KMA. Through the preprocessing process, the temporal and spatial resolutions of all the data were converted to the same resolution, and the predictor of machine learning was derived through the factor analysis of the predictor. Considering the processing speed and expandability, the XGBoost method of machine learning was applied, and the Probability Matching (PM) method was applied to improve the prediction accuracy of heavy rainfall. As a result of evaluating the HQPF performance produced for 14 heavy rainfall events that occurred in 2020, it was found that the predicted performance of HQPF was improved quantitatively and qualitatively.

This study investigates the performance of four Bayesian methods, Random Walk Metropolis (RWM), Hit-And-Run Metropolis (HARM), Adaptive Mixture Metropolis (AMM), and Population Monte Carlo (PMC), for estimating the parameters and uncertainties of probability rainfall distribution, and the results are compared with those of conventional parameter estimation methods; namely, the Method Of Moment (MOM), Maximum Likelihood Method (MLM), and Probability Weighted Method (PWM). As a result, Bayesian methods yield similar or slightly better results in parameter estimations compared with conventional methods. In particular, PMC can reduce parameter uncertainty greatly compared with RWM, HARM, and AMM methods although the Bayesian methods produce similar results in parameter estimations. Overall, the Bayesian methods produce better accuracy for scale parameters compared with the conventional methods and this characteristic improves the accuracy of probability rainfall. Therefore, Bayesian methods can be effective tools for estimating the parameters and uncertainties of probability rainfall distribution in hydrological practices, flood risk assessment, and decision-making support.

본 연구에서는 실측자료를 기반으로 한 새로운 면적강우량 산정기법인 ‘레이더 폴리곤 기법(Radar polygon Method, PRM)’을 제시하였다. RPM은 (1) 강우공간분포의 실측자료인 기상레이더 자료를 이용하여 지점관측소가 위치한 곳에서의 강우강도와 주변지역의 강우강도를 비교하여 유사강우 발생지도 작성; (2) 위의 단계를 관측소별로 반복하여 각 관측소별 유사강우 발생 확률 지도 작성; (3) 주어진 격자에서의 각 관측소의 유사강우 발생 확률의 비교를 통한 지배범위 결정의 알고리즘으로 관측소별 가중치를 결정하는 방법이다. RPM 방법을 안성천 유역에 적용하여 Thiessen법과 결과를 비교하였 다. 안성천 유역의 경우 RPM과 Thiessen방법에 근거한 다각형의 공간적 형태는 관측소 위치의 강우 특성에 따라 차이를 보였으나 관측소별 가중치 값의 차이는 크지 않았다. 본 연구는 관측기간 및 정확도의 문제로 인하여 제한적으로 활용되어 온 레이더 강우관측자료의 새로운 활용분야를 개척하였다는 점에서 큰 의미를 찾을 수 있다.

A Bayesian nonstationary probability rainfall estimation model using the Grid method is developed. A hierarchical Bayesian framework is consisted with prior and hyper-prior distributions associated with parameters of the Gumbel distribution which is selected for rainfall extreme data. In this study, the Grid method is adopted instead of the Matropolis Hastings algorithm for random number generation since it has advantage that it can provide a thorough sampling of parameter space. This method is good for situations where the best-fit parameter values are not easily inferred a priori, and where there is a high probability of false minima. The developed model was applied to estimated target year probability rainfall using hourly rainfall data of Seoul station from 1973 to 2012. Results demonstrated that the target year estimate using nonstationary assumption is about 5∼8% larger than the estimate using stationary assumption.

In this study, instead of economic estimation of forecast value, we evaluated the value score(VS) of the user satisfaction using the concept of satisfaction/dissatisfaction. We compared the collective Value Scores (cVS) based on outputs of probabilistic forecasts of precipitation seasonally in Seoul and Busan during the period of 2004 to 2013 and ÿnally found the optimum threshold that can improve cVS of both cities. When using 30% threshold, the users can expect a higher cVS compared with those using other thresholds. When using the seasonal optimum threshold in Seoul, the cVS is additionally higher by 9%. These results show the level of satisfaction of the forecast that can be improved when the meteorological communities inform the users the correct threshold of the rainfall probabilistic forecast.

강우빈도해석에서 가장 핵심적인 부분은 확률분포(probability distribution)를 결정하는 것이다. 이러한 점에서 국내외에서는 다양한 확률분포를 적용하여 빈도해석을 수행하고 있으나, 확률분포를 결정하기 위한 기준이 명확하지 않다. 상대적으로 자료연한이 짧은 수문자료를 활용하여 장기간의 재현기간의 수문량을 추정하는 이유로 추정되는 수문량의 불확실성이 매우 큰 것으로 알려지고 있다. 국내에서는 일반적으로 40년의 관측자료를 대상으로 100년 빈도 이상의 확률수문량을 추정하게 됨으로서 재현기간의 큰 확률수문량 추정시 불확실성이 가중될 수 밖에 없다. 이러한 점에서 본 연구에서는 강우빈도해석시 주로 이용되는 Gumbel분포형과 GEV분포형을 대상으로 매개변수의 불확실성을 정량적으로 해석하기 위한 방안으로 Hierarchical Bayesian 기법과 연계한 매개변수 추정방안을 제시하고자 한다. 이와 함께 매개변수의 불확실성과 매개변수 수 등을 종합적으로 고려한 DIC(deviance information criteria) 기반의 확률분포형의 적합성 평가방안을 제시하고자 한다. 이를 위하여 본 연구에서는 국내 주요 강수관측지점의 다양한 지속시간에 대해서 모형을 적용하고 검증하였다.

This study applied the Bayesian method for the quantification of the parameter uncertainty of spatial linear mixed model in the estimation of the spatial distribution of probability rainfall. In the application of Bayesian method, the prior sensitivity analysis was implemented by using the priors normally selected in the existing studies which applied the Bayesian method for the puppose of assessing the influence which the selection of the priors of model parameters had on posteriors. As a result, the posteriors of parameters were differently estimated which priors were selected, and then in the case of the prior combination, F-S-E, the sizes of uncertainty intervals were minimum and the modes, means and medians of the posteriors were similar to the estimates using the existing classical methods. From the comparitive analysis between Bayesian and plug-in spatial predictions, we could find that the uncertainty of plug-in prediction could be slightly underestimated than that of Bayesian prediction.

The probability concepts mainly used for rainfall or flood frequency analysis in water resources planning are the frequentist viewpoint that defines the probability as the limit of relative frequency, and the unknown parameters in probability model are considered as fixed constant numbers. Thus the probability is objective and the parameters have fixed values so that it is very difficult to specify probabilistically the uncertianty of these parameters. This study constructs the uncertainty evaluation model using Bayesian MCMC and Metropolis -Hastings algorithm for the uncertainty quantification of parameters of probability distribution in rainfall frequency analysis, and then from the application of Bayesian MCMC and Metropolis- Hastings algorithm, the statistical properties and uncertainty intervals of parameters of probability distribution can be quantified in the estimation of probability rainfall so that the basis for the framework configuration can be provided that can specify the uncertainty and risk in flood risk assessment and decision-making process.

Bootstrap methods is the computer-based resampling method that estimates the standard errors and confidence intervals of summary statistics using the plug-in principle for assessing the accuracy or uncertainty of statistical estimates, and the BCa method among the Bootstrap methods is known much superior to other Bootstrap methods in respect of the standards of statistical validation. Therefore this study suggests the method of the representation and treatment of uncertainty in flood risk assessment and water resources planning from the construction and application of rainfall frequency analysis model considersing the uncertainty based on the nonparametric BCa method among the Bootstrap methods for the assessement of the estimation of probability rainfall and the effect of uncertainty considering the uncertainty of the parameter estimation of probability in the rainfall frequency analysis that is the most fundamental in flood risk assessement and water resources planning.

본 논문에서는 확률강우량에 대한 공간분포 추정에 있어서 공간변동성에 따른 불확실성을 평가하기 위하여 지구통계 학적 추계모의기법인 CEM과 SGS 기법을 비교하였다. CEM과 SGS를 이용한 추계모의에 있어서 공간상관구조의 재생성, 확률강우량에 대한 불확실성 평가측도로서 실현치에 대한 통계치(표준편차, 변동계수, 사분위수 범위 및 범위)의 공간분포, 유역평균강우량의 불확실성 분포의 경우 두 기법이 대체로 비슷한 결과를 보이는 것으로 분석되었다. 그러나 모

본 연구는 확률강우량에 대한 공간분포 추정시 신뢰도를 향상시키는데 있어서 외부변수 사용의 유효성을 평가하기 위하여 확률강우량과 단일 보조변수로서 지형특성인자들과의 상관관계를 고려한 KED 기법을 적용하였으며, 그 결과 강우공간분포 및 유역평균강우량의 추정에 있어서 확정론적 공간보간기법 및 크리징 기법과 대체로 비슷한 결과를 나타내는 것으로 분석되었으며, KED 및 크리징 기법에 대한 교차검증 결과 보조변수로서 표고를 사용한 KED 기법이 가장 좋은 결과

본 연구는 최근에 개발된 비정상성 강우빈도해석법을 적용하여 추정한 확률강우량에 대한 적용성 및 신뢰성을 평가하였다. 이를 위하여 기상청 관할 강우관측소 중 자료의 증가 경향성이 유의한 4개 지점에 대하여 3가지 형태의 확률강우량을 산정하였다. 첫 번째 확률강우량은 1973-1997년의 관측자료를 가지고 일반적인 강우빈도해석을 적용하여 추정한 확률강우량(SPR1997)이고, 두 번째 확률강우량은 1973-2006년의 관측자료를 가지고 일반적인 강우빈도 해

본 연구에서는 전국의 30년 이상의 강우관측기록을 보유하고 있는 기상청 산하 56개 강우관측소의 연 최대치 강우자료들로부터 확률분포형에 대하여 모멘트법, 최우추정법, 확률가중모멘트법을 이용하여 모수를 추정하고, 그 모수의 범위와 확률변수의 범위에 대한 적정성을 알아보았다. 적정성이 있는 모수를 대상으로 적합도 검정법인 x-검정, K-S검정, Cramer von Mises (CVM)검정, Probability Plot Correlation Coeffici

수공구조물의 설계를 위해서는 충분한 기간의 관측자료가 필요하지만, 우리나라의 수문자료는 대부분 충분한 수의 관측자료를 보유하고 있지 못하는 실정이다. 따라서 본 연구에서는 핵밀도함수를 이용한 비동질성 Markov 모형을 통해 시간강수량 자료를 모의하였다. 첫 번째로 시간강수량 자료에 변동핵밀도함수를 이용하여 천이확률을 산정하였으며, 두 번째로 난수와 천이확률을 통해 강수가 발생하는 시간을 결정하였다. 세 번째로 강수가 발생한 시간의 강수량의 크기를 핵밀

1998년 여름철, 기상레이더와 레이더 주위의 고밀도 우량계 관측자료를 이용하여 관계식을 산출하기 위하여 관악산 레이더 자료와 강우강도 자료의 확률밀도함수를 구해 확률이 같은 지점을 매치시키는 Window Probability Matching Method(WPMM)라는 통계적 방법을 사용하였다. 레이더 반사도의 확률 분포는 약 15dBZ에서 가장 많은 빈도 분포를 보였고 강우강도의 확률분포는 대부분의 영역에서 시간당 10mm 이하의 비가 내리는 것으로

우리 나라 주요 우량관측소 22개 지점의 매년 최대치 강우자료에 대하여 빈도해석을 실시하였다. 매개변수 추정방법은 모멘트법, 확률가중 모멘트법, 최우도법 등이며, 매개변수 적합성, 도시적 해석, 분리효과, 적합도 검정결과 GEV 분포가 우리 나라 강우자료에 대하여 가장 적합한 확률분포형으로 나타났다. 선정된 GEV 분포형을 모집단의 확률분포형으로 가정하여 재현기간별 확률강우량을 산정하므로써 지역적 해석을 실시하였으며, 정확도 있는 선형화 기법을 통해 회