This study is intended to investigate that it is possible to analyze the public awareness and satisfaction of the weather forecast service provided by the Korea Meteorological Administration (KMA) through social media data as a way to overcome limitations of the questionnaire-based survey in the previous research. Sentiment analysis and association rule mining were used for Twitter data containing opinions about the weather forecast service. As a result of sentiment analysis, the frequency of negative opinions was very high, about 75%, relative to positive opinions because of the nature of public services. The detailed analysis shows that a large portion of users are dissatisfied with precipitation forecast and that it is needed to analyze the two kinds of error types of the precipitation forecast, namely, ‘False alarm’ and ‘Miss’ in more detail. Therefore, association rule mining was performed on negative tweets for each of these error types. As a result, it was found that a considerable number of complaints occurred when preventive actions were useless because the forecast predicting rain had a ‘False alarm’ error. In addition, this study found that people’s dissatisfaction increased when they experienced inconveniences due to either unpredictable high winds and heavy rains in summer or severe cold in winter, which were missed by weather forecast. This study suggests that the analysis of social media data can provide detailed information about forecast users’ opinion in almost real time, which is impossible through survey or interview.

This paper presents a development process of a forecast and monitoring system for a photovoltaic (PV) solar plant. PV solar system is one of sustainable resource of energy. So, Korean government encourages businessmen to build a PV solar plant. Renewable Portfolio Standard (RPS) system is one of encouraging policies. Most RPS businessmen use monitoring system for a PV solar plant and they need an accurate forecast of power generation for business purpose. Therefore we propose an estimating algorithm of power for a PV solar plant using weather forecast. Proposed algorithm is implemented in a forecast and monitoring system and it works better than existing estimating methods.

이 연구는 교수요목기부터 7차 교육과정에 이르기까지 '날씨'와 '일기예보'를 다루고 있는 시각적 이미지를 사회-기호학적 관점으로 분석하였다. 연구결과 대부분의 시각적 이미지는 실제 세상의 현상을 묘사하는 '실체형'인 것으로 나타났다. 이는 모든 시기의 초등 과학 교과서의 시각적 이미지는 대부분 학생들에게 친숙하였음을 의미한다. 시각적 이미지와 학생 사이의 의사소통에 대한 주도권 양상은 복잡하게 나타났다. 또한 초등학교 과학 교과서의 시각적 이미지들은 시기에 관계없이 대부분 기하학적 코드나 숫자 문자 등을 사용하지 않는 것으로 나타났다. 이 연구는 시각적 이미지의 정보의 양과 형태, 구조 및 사회적 의미 등을 해석하는 새로운 분석도구를 제안해준다. 또한 차기 과학교과서의 이미지 선택에 사회-기호학적 관점을 도입하는 하나의 전기가 될 것이다.

본 연구에서는 ANFIS 기반 GloSea5 앙상블 기상전망 개선 기법을 개발하고 평가하였다. 대상유역은 국내 주요 다목적댐인 충주댐 유역을 선정하였으며, 개선 기법은 ANFIS 기반의 전·후처리기법으로 구성된다. 전처리 기법에서 GloSea5의 앙상블 멤버에 가중치를 부여하며(OWM), 후처리 과정에서는 전처리결과를 편의보정 한다(MOS). 평가결과 편의보정된 GloSea5에 비해 예측성능이 개선되었으며, CASE3, CASE1, CASE2 순으로 모의성능이 우수하였다. 전처리 기법은 강수의 변동성이 큰 계절에 개선효과가 우수하였으며, 후처리 기법은 전처리로 개선하지 못한 오차를 줄일 수 있는 것으로 나타났다. 따라서 본 연구에서 개발한 ANFIS 기반 GloSea5 앙상블 기상전망 개선 기법은 전·후처리 기법을 함께 사용하는 것이 가장 좋으며, 특히 여름철과 같이 강수의 변동성이 큰 계절에 활용성이 높을 것으로 판단된다.

본 연구의 목적은 기상자료(강수량, 최고기온, 최저기온, 평균기온, 평균풍속) 기반의 다중선형 회귀모형을 개발하여 농업용저수지 저수율을 예측 하는 것이다. 나이브 베이즈 분류를 활용하여 전국 1,559개의 저수지를 지리형태학적 제원(유효저수량, 수혜면적, 유역면적, 위도, 경도 및 한발빈도)을 기준으로 30개 군집으로 분류하였다. 각 군집별로, 기상청 기상자료와 한국농어촌공사 저수지 저수율의 13년(2002~2014) 자료를 활용하여 월별 회귀모형을 유도하였다. 저수율의 회귀모형은 결정계수(R2)가 0.76, Nash-Sutcliffe efficiency (NSE)가 0.73, 평균제곱근오차가 8.33%로 나타났다. 회귀모형은 2년(2015~2016) 기간의 기상청 3개월 기상전망자료인 GloSea5 (GS5)를 사용하여 평가되었다. 현재저수율과 평년저수율에 의해 산정되는 저수지 가뭄지수(Reservoir Drought Index, RDI)에 의한 ROC (Receiver Operating Characteristics) 분석의 적중률은 관측값을 이용한 회귀식에서 0.80과 GS5를 이용한 회귀식에서 0.73으로 나타났다. 본 연구의 결과를 이용해 미래 저수율을 전망하여 안정적인 미래 농업용수 공급에 대한 의사결정 자료로 사용할 수 있을 것이다.

본 연구에서는 지상의 관측 자료와 광역의 정보를 제공하는 수치 예보 모형 자료 및 인공위성 자료를 이용하고 자료와 강수예측치의 물리적 상관 특성을 나타내기 위하여 자료 사이의 비선형 거동을 잘 나타내는 신경망 모형에 적용시켜 단시간 강수 예측을 수행하였다. 이를 위하여 서울지점에 대하여 현재로부터 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 인공위성 자료(MTSAT-1R) 및 수치 예보 모형 자료(RDAPS, Regional Data Assimilation and Prediction System)와 실시간 전송되는 자동 기상 관측 시스템(AWS, Automatic Weather System)의 관측치를 신경망 모형의 입력 자료로 하여 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 자료로 강수를 예측 할 수 있는 강수 예측 모형을 개발하였다. 장마와 태풍과 같이 전선형강수와 선풍형강수 등 강수 양상의 차이를 고려하기 위하여 6월, 7월과 8월, 9월 자료를 구분하여 신경망을 구축하였으며, 자료가용성에 기초하여 2006년에서 2008년 기간 동안에 대하여 모형을 학습하고 2009년에 대하여 모형의 적용성을 검증한 결과, 단시간 강수예측에 대한 모형의 적용 가능성을 보여주었으나 다양한 광역 자료와 인공신경망을 사용함에도 불구하고 단시간 강수예측의 정량적 정도향상을 위한 여지가 많음을 보여준다.

Pusan is the largest coastal city with a population of about four million in Korea. Because of increased and confused traffic, photochemical air pollution become a major urban environmental problem recently. The photo-chemical air pollution weather forecasting method preciser than existing air pollution forecast method has been developed to forecast ozone episode days with meteorological conditions using the data measured at 7 air quality continuous monitoring stations from June to September using 2 years (1994, 1995). The method developed in present study showed higher percentage correct and skill score than existing air pollution forecasting in KMA (Korea Meteorological Administration).