1 |
1
초단기예측모델, 스톰 규모 예측모델 및 자동기상관측시스템(AWS)의 과거 자료를 동일한 격자와 해상도를 가지는 자료로 추출하는 단계; 추출된 상기 초단기예측모델의 자료와 상기 자동기상관측시스템(AWS)의 자료의 유사도 및 추출된 상기 스톰 규모 예측모델의 자료와 상기 자동기상관측시스템(AWS)의 자료의 유사도에 기초하여 상기 초단기예측모델의 자료 및 상기 스톰 규모 예측모델의 자료의 가중치를 산출하는 단계; 예측시간에 따른 보정을 수행하기 위하여 상기 초단기예측모델의 자료 및 상기 스톰 규모 예측모델의 자료 간의 예측시간에 따른 보정 비율(ratio)을 산출하는 단계; 및 상기 초단기예측모델 및 상기 스톰 규모 예측모델의 미래의 예측 자료들을, 산출된 상기 가중치와 상기 예측시간에 따른 보정 비율을 각각 적용하여 블랜딩하는 단계;를 포함하는 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
2 |
2
제 1 항에 있어서, 상기 초단기예측모델은, McGill Algorithm for Prediction Nowcasting by Lagrangian Extrapolation(MAPLE) 또는 KOrea NOwcasting System(KONOS)이고, 상기 스톰 규모 예측모델은, Advanced Storm-scale Analysis and Predictioin System(ASAPS)인, 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
3 |
3
제 1 항에 있어서, 상기 가중치는, 하기 식 (1)과 같은 코사인 유사도 산출식을 사용하여 산출되는, 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
4 |
4
제 1 항에 있어서, 상기 예측시간에 따른 보정 비율(ratio)은, 하기 식 (2)와 같은 hyperbolic tangent curve 산출식을 사용하여 산출되고, hyperbolic tangent curve 산출식에 사용되는 α, β는 경험적으로 산출하고 t는 1~6시간까지의 예측시간을 적용하는, 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
5 |
5
제 1 항에 있어서, 상기 가중치는, 상기 초단기예측모델과 상기 스톰 규모 예측모델에서 과거 1~6시간까지의 자료를 추출하고 상기 자동기상관측시스템(AWS)의 자료와 코사인 유사도 식을 각각 적용하여 산출되는, 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
6 |
6
제 1 항에 있어서, 상기 블랜딩하는 단계는, 현 시간에서의 상기 초단기예측모델 및 상기 스톰 규모 예측모델의 실시간(run time) 자료들을 이용하여 현재부터 6시간까지의 예측 자료들을 산출하고, 산출된 상기 가중치와 상기 예측시간에 따른 보정 비율을 적용하여 블랜딩하는, 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
7 |
7
제 1 항에 있어서, 상기 블랜딩하는 단계는, 하기 식 (3)에 따르고, C(t) = a + b 이고, a 는 예측시간에 따른 보정 비율이고, b 는 가중치이고, R(i,j)는 예측시간 t(1 ~ 6 시간)에서의 블랜딩된 격자별 예측 자료가고, REXP(i,j)는 상기 초단기예측모델의 예측시간 t(1 ~ 6 시간)에서의 격자별 예측 자료가고, RNWP는 상기 스톰 규모 예측모델의 예측시간 t(1 ~ 6 시간)에서의 랜딩된 격자별 예측 자료인, 단시간 강수 예측의 정확도 향상을 위한 보정 방법
|
8 |
8
하드웨어와 결합되어 제 1 항 내지 제 7 항 중 어느 한 항에 기재된 단시간 강수 예측의 정확도 향상을 위한 보정 방법의 각 단계를 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
9 |
9
초단기예측모델, 스톰 규모 예측모델 및 자동기상관측시스템(AWS)의 과거 자료를 동일한 격자와 해상도를 가지는 자료로 추출하는 모듈; 추출된 상기 초단기예측모델의 자료와 상기 자동기상관측시스템(AWS)의 자료의 유사도 및 추출된 상기 스톰 규모 예측모델의 자료와 상기 자동기상관측시스템(AWS)의 자료의 유사도에 기초하여 상기 초단기예측모델의 자료 및 상기 스톰 규모 예측모델의 자료의 가중치를 산출하는 모듈; 예측시간에 따른 보정을 수행하기 위하여 상기 초단기예측모델의 자료 및 상기 스톰 규모 예측모델의 자료 간의 예측시간에 따른 보정 비율(ratio)을 산출하는 모듈; 및 상기 초단기예측모델 및 상기 스톰 규모 예측모델의 미래의 예측 자료들을, 산출된 상기 가중치와 상기 예측시간에 따른 보정 비율을 각각 적용하여 블랜딩하는 모듈;을 포함하는 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|
10 |
10
제 9 항에 있어서, 상기 초단기예측모델은, McGill Algorithm for Prediction Nowcasting by Lagrangian Extrapolation(MAPLE) 또는 KOrea NOwcasting System(KONOS)이고, 상기 스톰 규모 예측모델은, Advanced Storm-scale Analysis and Predictioin System(ASAPS)인, 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|
11 |
11
제 9 항에 있어서, 상기 가중치는, 하기 식 (1)과 같은 코사인 유사도 산출식을 사용하여 산출되는, 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|
12 |
12
제 9 항에 있어서, 상기 예측시간에 따른 보정 비율(ratio)은, 하기 식 (2)와 같은 hyperbolic tangent curve 산출식을 사용하여 산출되고, hyperbolic tangent curve 산출식에 사용되는 α, β는 경험적으로 산출하고 t는 1~6시간까지의 예측시간을 적용하는, 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|
13 |
13
제 9 항에 있어서, 상기 가중치는, 상기 초단기예측모델과 상기 스톰 규모 예측모델에서 과거 1~6시간까지의 자료를 추출하고 상기 자동기상관측시스템(AWS)의 자료와 코사인 유사도 식을 각각 적용하여 산출되는, 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|
14 |
14
제 9 항에 있어서, 상기 블랜딩하는 모듈은, 현 시간에서의 상기 초단기예측모델 및 상기 스톰 규모 예측모델의 실시간(run time) 자료들을 이용하여 현재부터 6시간까지의 예측 자료들을 산출하고, 산출된 상기 가중치와 상기 예측시간에 따른 보정 비율을 적용하여 블랜딩하는, 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|
15 |
15
제 9 항에 있어서, 상기 블랜딩하는 모듈은, 하기 식 (3)에 따르고, C(t) = a + b 이고, a 는 예측시간에 따른 보정 비율이고, b 는 가중치이고, R(i,j)는 예측시간 t(1 ~ 6 시간)에서의 블랜딩된 격자별 예측 자료가고, REXP(i,j)는 상기 초단기예측모델의 예측시간 t(1 ~ 6 시간)에서의 격자별 예측 자료가고, RNWP는 상기 스톰 규모 예측모델의 예측시간 t(1 ~ 6 시간)에서의 랜딩된 격자별 예측 자료인, 단시간 강수 예측의 정확도 향상을 위한 보정 시스템
|