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.

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 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

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