KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Evaluation of Extreme Rainfall based on Typhoon using Nonparametric Monte Carlo Simulation and Locally Weighted Polynomial Regression

비매개변수적 모의발생기법과 지역가중다항식을 이용한 태풍의 극치강우량 평가

  • 오태석 (서울시립대학교 공과대학 토목공학과) ;
  • 문영일 (서울시립대학교 공과대학 토목공학과) ;
  • 전시영 (원광대학교 도시건축토목공학부) ;
  • 권현한 (한국건설기술연구원 수자원연구실)
  • Received : 2009.01.22
  • Accepted : 2009.03.13
  • Published : 2009.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

Typhoons occurred in the tropical Pacific region, these might be affected the Korea moving toward north. The strong winds and the heavy rains by the typhoons caused a natural disaster in Korea. In the research, the heavy rainfall events based on typhoons were evaluated quantitative through various statistical techniques. First, probability precipitation and typhoon probability precipitation were compared using frequency analysis. Second, EST probability precipitation was calculated by Empirical Simulation Techniques (EST). Third, NL probability precipitation was estimated by coupled Nonparametric monte carlo simulation and Locally weighted polynomial regression. At the analysis results, the typhoons can be effected Gangneung and Mokpo stations more than other stations. Conversely, the typhoons can be effected Seoul and Inchen stations less than other stations. Also, EST and NL probability precipitation were estimated by the long-term simulation using observed data. Consequently, major hydrologic structures and regions where received the big typhoons impact should be review necessary. Also, EST and NL techniques can be used for climate change by the global warming. Because, these techniques used the relationship between the heavy rainfall events and the typhoons characteristics.

태풍은 열대태평양 지역에서 발생하여 북상하면서 우리나라에 영향을 끼치게 되며, 태풍이 우리나라를 지나면서 강풍과 호우를 통하여 자연재해를 유발시키게 된다. 따라서 본 연구에서는 태풍으로 인해 발생하는 호우 사상을 여러 통계적 기법을 통해 정량적으로 평가하였다. 첫 번째로 빈도해석을 통해 확률강우량과 태풍 확률강우량을 산정하여 비교하였다. 두 번째로 미공병단에서 개발한 EST 기법을 통해 태풍의 극치강우량을 평가하여 EST 확률강우량을 산정하였다. 마지막으로 비매개변수적 모의발생기법과 지역가중다항식을 결합하여 태풍에 의한 NL 확률강우량을 추정하였다. 분석결과에서 대상지점 중에서 강릉과 목포는 태풍의 영향을 다른 지점에 비해 많이 받으며, 서울과 인천은 태풍에 의한 호우의 영향이 미비한 것으로 나타났다. 또한, EST 확률강우량과 NL 확률강우량은 관측 자료를 이용하여 장기간의 모의를 통하여 quantile을 산정하므로 주요 수공구조물과 태풍의 영향이 큰 지역에서는 이를 검토할 필요성이 있으며, 태풍특성인자의 모의를 통하여 강우량을 평가하므로 지구온난화 등에 따른 기후변화의 영향에 대한 연구에 활용 할 수 있다.

Keywords

References

  1. 건설교통부(2000) 1999년도 수자원관리기법개발연구조사 보고서 제1권 한국확률강우량도 작성.
  2. 기상청(1996) 태풍백서.
  3. 기상청(1997-2005) 기상연보.
  4. 김남원, 김창완, 우효섭(2002) 태풍 루사(Rusa)의 강우 특성과 홍수피해 특성, 대한토목학회 2002년 학술발표회, 대한토목학회, pp. 15-22.
  5. 김남원, 원유승(2004) 최근의 기상변동과 PMP의 변화, 한국수자원학회 학술발표회 초록집, 한국수자원학회, pp. 211.
  6. 백희정, 권원태, 오재호(1999) 북서태평양에서 발생한 강력한 태풍의 기후학적 특성. 한국수자원학회 학술대회지, 한국수자원학회, pp. 177-182.
  7. 오태석, 문영일, 안재현(2007) 우리나라에 발생한 태풍의 시간강우량 특성에 관한 연구. 한국수자원학회 논문집, 한국수자원학회, 제40권, 제9호, pp. 709-722.
  8. 오태석, 문영일(2008) 태풍으로 인한 극한강수 특성 분석, 대한토목학회논문집, 대한토목학회, 제28권, 제5B호, pp. 459-473.
  9. 이미선, 박근애, 김성준(2005) Landsat영상과 수문모형을 이용한 태풍 RUSA에 의한 수문영향 분석, 한국수자원학회 논문집, 한국수자원학회, 제38권, 제5호, pp. 391-399. https://doi.org/10.3741/JKWRA.2005.38.5.391
  10. 이순철, 김진규, 오경두, 전병호, 홍일표(2005) EST 기법에 의한 태풍의 재해위험인자 평가. 한국수자원학회 논문집, 한국수자원학회, pp. 825-839. https://doi.org/10.3741/JKWRA.2005.38.10.825
  11. 차영일, 김범순, 문영일(2006) 극치값 추정에 적합한 비매개변수적 핵함수 개발, 한국수자원학회 논문집, 한국수자원학회, 제39권, 제6호, pp. 187-194.
  12. 홍일표(2003) $UN/ESCAP^{2}WMO$ 태풍위원회 수문분과 활동 및 지협협력 계획 소개. 한국수자원학회 학술대회지 논문집(I), 한국수자원학회, pp. 451-454.
  13. Adamowski, K. (1985) Nonparametric kernel estimation of flood frequency, Water Resources Research, Vol. 21, No. 11, pp. 1585-1590. https://doi.org/10.1029/WR021i011p01585
  14. Breiman, L., Meisel, W., and Purcell, E. (1977) Variable kernel estimates of multivariate densities, Technometrics, Vol. 19, No. 2, pp. 135-144. https://doi.org/10.2307/1268623
  15. Bowman, A.W. (1985) A comparative study of some kernel-based nonparametric density estimators, Journal of Statistical Computing and Simulation, Vol. 21, pp. 313-327. https://doi.org/10.1080/00949658508810822
  16. Cleveland, W.S. and Devlin, S.J. (1988) Locally weighted regression : An approach to regression analysis by local fitting, J. Amer. Stat. Assn., Vol. 83, No. 403, pp. 596-610. https://doi.org/10.2307/2289282
  17. Craven, P. and Wahba, G. (1979) Smoothing noise data with spline functions, Numerische Mathematik, Vol. 31, pp. 377-403. https://doi.org/10.1007/BF01404567
  18. Devroye, L. and Gyorfi, L. (1985) Nonparametric density estimation, John Wiley, New York.
  19. Fan, J. and Gijbels, I. (1992) Variable bandwidth and local linear regression smoothers, Ann. Stat., Vol. 20, pp. 196-216.
  20. Hann, C.T. (2002) Statistical Methods in HYDROLOGY. Iowa State Press, Iowa.
  21. Hardle, W. (1984) Robust regression function estimation, J. Mult. Anal., Vol. 14, pp. 169-180. https://doi.org/10.1016/0047-259X(84)90003-4
  22. Hardle, W. (1989) Asymptotic maximal deviation of M-smoothers, Multiv. Anal., Vol. 29, pp. 163-179. https://doi.org/10.1016/0047-259X(89)90022-5
  23. Hastie, T. and Loader, C. (1993) Local regression: Automatic Kernel carpentry, Statistical Science, Vol. 8, pp. 120-143. https://doi.org/10.1214/ss/1177011002
  24. Lall, U., Moon, Y.I., and Bosworth, K. (1993) Kernel flood frequency estimators: bandwidth selection and kernel choice, Water Resources Research, Vol. 29, No. 4, pp. 1003-1015. https://doi.org/10.1029/92WR02466
  25. Lejeune, P. (1985) Le comportement social des Labrides mediterraneens, Cahier D'Ethologie Appliquee, Vol. 5, No. 2, pp. 1-208.
  26. Li, K.-C. (1985) From Stein's unbiased risk estimates to the method of generalized cross validation, Ann. Stat., Vol. 13, No. 4, pp. 1352-1377. https://doi.org/10.1214/aos/1176349742
  27. Loader, C. (1999) Local Regression and Likelihood, Springer, New York.
  28. Moon, Y.I. and Lall, U. (1994) Kernel quantile function estimator for flood frequency analysis, Water Resources Research, Vol. 30, No. 11, pp. 3095-3103. https://doi.org/10.1029/94WR01217
  29. Muller, H.-G. (1987) Weighted local regression and kernel methods for nonparametric curve fitting, J. Am. Stat. Assoc., Vol. 82, pp 231-238. https://doi.org/10.2307/2289159
  30. Rosenblatt, M. (1956) Remarks on some nonparametric estimates of a density function, Ann. Math. Statist., Vol. 27, pp. 832-837. https://doi.org/10.1214/aoms/1177728190
  31. Sheather, S.J. (1986) An improved data-based algorithm for choosing the window width when estimating the density at a point, Computational Statistics and Data Analysis, Vol. 4, pp. 61-65. https://doi.org/10.1016/0167-9473(86)90026-5
  32. Sheather, S.F. and Jones, M.C. (1991) A reliable data-based band-width selection method for kernel density estimation, J. Roy. Statistical Soc., B., Vol. 53, pp. 683-690.
  33. Scheffner Norman, W., Leon E. Borgman and David J. Mark (1996) Empirical simulation technuque based on storm surge frequency analysis. Journal of Waterway, Port, Coastal and Ocean Engineering, pp. 93-101.
  34. Scheffner Norman W., Clausner, J.E., Militello, Borgman, L.E., Edge, B.L., and Grace, P.J. (1999) Use and Application of the Empirical Simulation Technique: User's Guide, Technical Report CHL-99-10 Final Report, U.S. Army Corps of Engineers, Washington, D.C.
  35. Scott, D.W. (1992) Multivariate Density Estimation, John Wiley & Sons.
  36. Smith, T.M. and Reynolds R.W. (2003) Extended reconstruction of global sea surface temperatures Based on COADS Data (1854-1997). Journal of Climate, Vol. 16, pp. 1495-1510. https://doi.org/10.1175/1520-0442-16.10.1495
  37. Smith, T.M. and Reynolds R.W. (2004) Improved extended reconstruction of SST (1854-1997). Journal of Climate, Vol. 17, pp. 2466-2477. https://doi.org/10.1175/1520-0442(2004)017<2466:IEROS>2.0.CO;2
  38. Stuart, A., and Ord, J.K. (1991), Kendall’'s Advanced Theory of Statistics, Vol. II, pp.1323, Oxford Univ. Press, New York.
  39. Wand, M.P. and Jones, M.C. (1995) kernel Smoothing, pp. 232, CRC Press, Boca Raton, Fla.
  40. Woodroofe, M. (1970) On choosing a delta-sequence, Ann. Math. Statist., Vol. 41, pp. 1665-1671. https://doi.org/10.1214/aoms/1177696810