1 |
1
강우-유출 모델의 사전 파라미터 분포 및 사후 파라미터 분포 중 어느 하나를 제1 파라미터 분포로 결정하는 단계;상기 제1 파라미터 분포에 기초하여 구축된 상기 강우-유출 모델의 대체 모델들(meta models) 중 어느 하나를 제1 대체 모델로 결정하는 단계;상기 제1 파라미터 분포에 기초하여, 상기 제1 대체 모델의 파라미터를 추정하는 단계;상기 제1 대체 모델의 파라미터에 자료 동화 처리를 수행하는 단계; 및상기 자료 동화 처리가 수행된 파라미터를 상기 제1 대체 모델에 입력하여, 실시간으로 유량(streamflow)을 예보하는 단계를 포함하는 유량 예보 방법
|
2 |
2
제1항에 있어서,상기 자료 동화 처리를 수행하는 단계는앙상블 칼만 필터(EnKF; ensemble Kalman filter) 및 듀얼 앙상블 칼만 필터(Dual EnKF) 중 적어도 하나에 기초하여 상기 자료 동화 처리를 수행하는 단계를 포함하는, 유량 예보 방법
|
3 |
3
제1항에 있어서,상기 제1 대체 모델의 파라미터를 추정하는 단계는상기 제1 파라미터 분포에 기초하여, 상기 제1 대체 모델의 파라미터를 초기화하는 단계; 및상기 제1 파라미터 분포에 기초하여, 상기 제1 대체 모델의 상태변수를 초기화하는 단계를 포함하는, 유량 예보 방법
|
4 |
4
제1항에 있어서,상기 제1 파라미터로 결정하는 단계는과거 관측 데이터에 기초하여 상기 사전 파라미터 분포를 결정하는 단계;GLUE(Generalized Likelihood Uncertainty Estimation) 기법에 기초하여, 상기 사후 파라미터 분포를 결정하는 단계; 및상기 사전 파라미터 분포 및 상기 사후 파라미터 분포 중 어느 하나를 상기 제1 파라미터 분포로 결정하는 단계를 포함하는, 유량 예보 방법
|
5 |
5
제4항에 있어서,상기 사후 파라미터를 결정하는 단계는상기 강우-유출 모델의 성능에 대응하는 조건을 설정하는 단계; 및상기 강우-유출 모델의 출력 데이터 중에서, 상기 조건을 만족하는 반응 데이터 집합을 결정하는 단계를 포함하는, 유량 예보 방법
|
6 |
6
제5항에 있어서,상기 조건을 설정하는 단계는우도함수(likelihood function)를 결정하는 단계; 및상기 우도함수의 임계값을 결정하는 단계를 포함하는, 유량 예측 방법
|
7 |
7
제6항에 있어서,상기 임계값을 결정하는 단계는정확성 인덱스(accuracy index)를 설정하는 단계;효율성 인덱스(efficiency index)를 설정하는 단계; 및상기 정확성 인덱스 및 상기 효율성 인덱스에 기초하여 상기 우도함수의 임계값을 결정하는 단계를 포함하는, 유량 예측 방법
|
8 |
8
제1항에 있어서,상기 제1 파라미터로 결정하는 단계는상기 강우-유출 모델의 초기 상태의 불확실성을 제거하기에 충분한 기간을 설정하는 단계를 포함하는, 유량 예보 방법
|
9 |
9
제1항에 있어서,상기 제1 대체 모델로 결정하는 단계는상기 제1 파라미터 분포에 기초하여, 다항식 카오스 확장(PCE; Polynomial Chaos Expansion) 모델을 구축하는 단계를 포함하는, 유량 예보 방법
|
10 |
10
제9항에 있어서,상기 다항식 카오스 확장 모델을 구축하는 단계는상기 다항식 카오스 확장 모델 구축을 위한 학습 디자인(design)의 수를 결정하는 단계; 및상기 다항식 카오스 확장 모델 구축을 위한 다항식의 차수를 결정하는 단계를 포함하는, 유량 예보 방법
|
11 |
11
하드웨어와 결합되어 제1항 내지 제10항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
12 |
12
강우-유출 모델의 사전 파라미터 분포 및 사후 파라미터 분포 중 어느 하나를 제1 파라미터 분포로 결정하고, 상기 제1 파라미터 분포에 기초하여 구축된 상기 강우-유출 모델의 대체 모델들 중 어느 하나를 제1 대체 모델로 결정하고, 상기 제1 파라미터 분포에 기초하여, 상기 제1 대체 모델의 파라미터를 추정하고, 상기 제1 대체 모델의 파라미터에 자료 동화 처리를 수행하고, 상기 자료 동화 처리가 수행된 파라미터를 상기 제1 대체 모델에 입력하여, 실시간으로 유량(streamflow)을 예보하는 프로세서를 포함하는, 유량 예보 장치
|
13 |
13
제12항에 있어서,상기 프로세서는앙상블 칼만 필터 및 듀얼 앙상블 칼만 필터 중 적어도 하나에 기초하여 상기 자료 동화 처리를 수행하는, 유량 예보 장치
|
14 |
14
제12항에 있어서,상기 프로세서는상기 제1 파라미터 분포에 기초하여, 상기 제1 대체 모델의 파라미터를 초기화하고, 상기 제1 파라미터 분포에 기초하여, 상기 제1 대체 모델의 상태변수를 초기화하는, 유량 예보 장치
|
15 |
15
제12항에 있어서,상기 프로세서는과거 관측 데이터에 기초하여 상기 사전 파라미터를 결정하고, GLUE(Generalized Likelihood Uncertainty Estimation) 기법에 기초하여, 상기 사후 파라미터를 결정하고, 상기 사전 파라미터 및 상기 사후 파라미터 중 어느 하나를 상기 제1 파라미터로 결정하는, 유량 예보 장치
|
16 |
16
제15항에 있어서,상기 프로세서는상기 강우-유출 모델의 성능에 대응하는 조건을 설정하고, 상기 강우-유출 모델의 출력 데이터 중에서, 상기 조건을 만족하는 반응 데이터 집합을 결정하는, 유량 예보 장치
|
17 |
17
제16항에 있어서,상기 프로세서는우도함수를 결정하고, 상기 우도함수의 임계값을 결정하는, 유량 예보 장치
|
18 |
18
제17항에 있어서,상기 프로세서는정확성 인덱스를 설정하고, 효율성 인덱스를 설정하고, 상기 정확성 인덱스 및 상기 효율성 인덱스에 기초하여 상기 우도함수의 임계값을 결정하는, 유량 예보 장치
|
19 |
19
제12항에 있어서,상기 프로세서는상기 강우-유출 모델의 초기 상태의 불확실성을 제거하기에 충분한 기간을 설정하는, 유량 예보 장치
|
20 |
20
제12항에 있어서,상기 프로세서는상기 제1 파라미터 분포에 기초하여, 다항식 카오스 확장 모델을 구축하는, 유량 예보 장치
|
21 |
21
제20항에 있어서,상기 프로세서는상기 다항식 카오스 확장 모델 구축을 위한 디자인의 수를 결정하고, 상기 다항식 카오스 확장 모델 구축을 위한 다항식의 차수를 결정하는, 유량 예보 장치
|