earticle

영어

It aims to improve PM10 forecasting accuracy rate by applying the ensemble forecasting method used in weather forecasting to the chemical transport forecasting model. The ensemble forecast is a method for solving the problem that the forecast accuracy is low due to bias error in the forecast result when determining the forecast result using only one model. The chemical transport forecast models, which were the input data of the ensemble model, were based on five different models operated in the Korean Air Quality Forecasting System in test-beds. The ensemble method was tested by three items, arithmetic mean between ensemble members, weighted average and weighted average by weather cluster. The weighting method was based on the least squares method, which minimizes the sum of the squared error between the measured value and the model value. Regarding the ensemble forecast models, five ensembled forecasting models were created and evaluated by applying ENS01 where arithmetic mean was implemented, ENS02 where weighted average was implemented and ENS03~ENS05 where weighted average by weather cluster was implemented. In this study, ENS04 where clusters are divided by forecast humidity and ENS05 where clusters are divided by temperature, wind speed and humidity were developed. It was confirmed that ENS04 and ENS05 developed by this study had a reduced false detection rate, increased the detection probability and reduced RMSE in therms of forecasting and statistics index comparing with previous studies. Through this study, it was confirmed that the high-concentration forecasting accuracy rate can be improved by using the ensemble method which gives the weight according to weather conditions in the chemical transport model. While the forecasting accuracy rate of the chemical transport model is needed to be improved constantly, it is considered that there is a need to apply the ensemble method to the actual forecasting to improve the accuracy rate of the forecast constantly and develop an optimized forecast method by reviewing various ensemble methods such as Kalman filtering, artificial intelligence, etc.

한국어

기상예보에서 활용하고 있는 앙상블 예보방법을 화학수송예보모델에 적용하여 미세먼지예보 적중률을 향상하고자 하 였다. 앙상블예보는 하나의 모델만 이용하여 예보결과를 확정하는 경우에는 예보결과에 편향적 오차로 인하여 예보 정확 도가 떨어지는 문제를 해결하기 위한 방법이다. 앙상블 모델의 입력자료인 화학수송예보모델은 한국대기질예보시스템 (KAQFS; Korean Air Quality Forecasting System)에서 테스트베드로 운영 중인 성격이 다른 5가지 모델을 이용하였다. 앙상블 기법은 3가지로 앙상블 멤버간의 산술평균, 가중평균, 기상 군집에 따른 가중평균을 테스트하였다. 가중치 산정 방법은 측정값과 모델값의 오차의 제곱합이 최소가 되는 최소자승법(Least squares method)을 적용하였다. 앙상블 예보 모델은 산술평균을 적용한 ENS01, 가중평균을 적용한 ENS02, 기상 군집에 따른 가중평균은 ENS03~ENS05에 적용하 여 5개의 앙상블 예보모델을 수행하여 평가하였다. 선행연구에서 고농도 예보적중률이 높았던 측정 습도에 대한 앙상블 모델을 ENS03으로 구성하고, 본 연구에서는 ENS03의 측정 습도 대신 예보 습도로 군집을 나눈 ENS04 모델과 온도, 풍 속, 습도에 대한 군집을 나눈 ENS05를 개발하였다. 본 연구로 개발한 ENS04와 ENS05의 성능이 기존 연구에 비해 성능 이 개선된 것을 확인하였고, 특히 온도, 풍속, 습도에 대해 군집을 나눈 ENS05는 예보지수 측면에서 거짓감지율이 감소 하며 감지확률은 증가하는 효과를 확인하였고, 통계평가 결과에서도 RMSE를 가장 많이 개선하는 것으로 나타났다. 본 연구를 기상조건에 따른 가중치를 부여하는 앙상블기법으로도 고농도 예보적중률을 향상시킬 수 있음을 확인하였다. 화 학수송모델의 예보적중률 향상도 지속적으로 필요하지만 예보의 적중률을 향상시키기 위한 앙상블 기법을 현업 예보에 적용하고, 향후 기상청에서 기상모델에 운영되는 칼만 필터링, 인공지능 기법 등 다양한 앙상블 기법을 검토하여 지역별 로 최적화된 예보방법으로 발전시킬 여지가 있다고 판단된다.