| 1 |
1
관측강우를 입력하고 태풍강우를 제거하는 상세화 입력자료 구축단계;상기 구축된 상세화 입력자료를 기반으로 인공신경망 구조를 결정하는 단계;상기 결정된 인공신경망을 이용하여 예측기간의 강우를 모의하는 단계;동적 분위 사상을 적용하여 인공신경망 모의 결과의 강우량을 보정하는 단계;과거의 통계적 특성을 갖는 태풍강우를 선정하는 추계학적 태풍 모의과정 수행 단계;모의 과정을 거쳐 최종 예측강우를 선정하는 단계; 및확률축차모형을 이용하여 격자상세화를 수행하는 단계;를 포함하며,비정상성 분위 사상을 적용하여 인공신경망 모의 결과의 강우량을 보정하는 단계는,과거기간의 모의값에 분위 사상을 적용하여 모의 결과를 구하는 단계;미래기간의 장기시계열 자료를 얻는 단계;상기 모의 결과와 상기 장기시계열 자료에 대한 선형회귀식을 각각 구하는 단계;상기 각각의 선형회귀식이 만나는 지점의 바이어스를 구하는 단계;상기 미래기간의 장기시계열 자료에 대한 선형회귀식(y=ax+b)의 y축 절편(b)을 보정하여 새로운 선형회귀식(y=ax+b')을 산정하는 단계; 및보정 전후의 선형회귀식의 매개변수를 이용하여 통계분포모수에 대해 매핑(mapping)하는 단계;를 포함하고,상기 과거기간의 모의값에 분위 사상을 적용하여 모의 결과를 구하는 단계에서는 관측값이 존재하는 기간에 적용하며, 전지구 기후모델의 과거기간 동안의 월 강우량 관측값의 누적확률분포를 이용하고 동일한 누적확률값을 가지는 관측값의 누적확률분포에 역함수를 취하여 모의결과를 구하는 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 미래기간의 장기시계열 자료는 전지구 기후모델(GCM)의 장기시계열 자료인 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
| 4 |
4
제3항에 있어서,상기 선형회귀식을 각각 구하는 단계는,상기 모의 결과와 상기 장기시계열 자료에 대한 월 누적강우량의 연도별 통계분포모수의 선형회귀식을 이용하는 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
| 5 |
5
제4항에 있어서,상기 매핑하는 단계는,보정 전후의 선형회귀식을 이용하여 각 연도별 통계분포모수에 대해 매핑을 하되, 상기 연도별 통계분포모수는 추세를 갖는 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
| 6 |
6
제5항에 있어서,상기 월 누적강우량의 연도별 통계분포모수는 상기 월 누적강우량의 연도별 평균 및 표준편차를 포함하는 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
| 7 |
7
제6항에 있어서,상기 평균에 대한 보정 후 선형회귀식은 y=ax+b'로 표현되고 상기 표준편차에 대한 보정 후 선형회귀식은 y=cx+d'로 표현되며,상기 월 누적강우량의 연도별 통계분포모수는 감마분포를 따르고 확률밀도 함수(f)는 이고, 여기서 , , , 이고, 는 상기 월 누적강우량의 연도별 평균이고 는 상기 월 누적강우량의 연도별 표준편차이며, 는 모양변수, 는 축척변수인 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
| 8 |
8
제7항에 있어서,상기 월 누적강우량의 연도별 통계분포모수는 비정상성 분위 사상법에 의해서 매핑되는 것을 특징으로 하는 컴퓨터가 수행하는 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
|
