1. Title & Journal

 

Title: Comparison of neural network architectures and inputs for radar rainfall adjustment for typhoon events

 

Journal: Journal of Hydrology, 405, (2011), 150?160

 

Authors: Shien-Tsung Chen, Pao-Shan Yu, Bin-Wu Liu

 

2. Author's Background

 

Shien-Tsung Chen

 

-      Associate Professor, Department of Water Resources Engineering and Conservation, Feng Chia University

-      Education: Hydraulic and Ocean Engineering, National Cheng Kung University

-      Research Interest

Ø  Hydraulic engineering

Ø  Marine science

 

3. Summary

 

본 연구는 support vector regression 및 radial basis function neural network 등 두 가지 다른 방법의 neural network 구조를 활용한 레이더 강우량 보정에 관한 내용이다. 본 연구 내용을 통해 개선된 레이더 강우량 보정 방법론은 산간 지역에서 기존 레이더 강우량 환산 방법이 실제 강우량보다 낮게 산정하는 문제점을 개선함으로써, 레이더 강우량 산출값의 정확도를 향상시켰다. 본 연구를 위해 연구대상지역에 태풍이 도달했을 때 126개의 지상 강우 관측망으로부터 관측된 시간당 강우량 정보를 활용하여 레이더 강우량 산출값을 조정하였다. 레이더 강우량 환산 모델에 필요한 입력 자료로 레이더 강우량 환산 raw data, 레이더 관측 지점과 지상 강우 관측 지점과의 거리 및 고도 등의 조합 자료가 활용되었다. 다양한 예측 결과에 대한 상호 비교 분석 결과, 입력 자료에 지형적 변수들을 포함 시킬 경우 예측 능력을 향상 시킬 수 있는 것으로 나타났다. 또 다른 3번의 각기 다른 태풍이 도달했을 때의 이벤트들을 대상으로 검정을 실시한 결과, 본 연구 내용의 보정 모델이 레이더 강우량의 오차를 줄이는 것으로 나타났다. 특히, 본 연구 내용에서 제시된 보정 기법 중 support vector regression 기법이 radial basis function neural network보다 레이더 강우량 조정에 더 나은 성능을 보였다.

 

4. Originality and Creativity

 

레이더 변환 강우량과 지상 관측 강우량 사이의 일대일 비교를 통한 보정 방법 외에 인공 신경 지능망 기법 (artificial neural network, ANN) 등 통계적 기법을 활용한 보정 방법의 모색에 활용할 수 있을 것으로 기대됨.

 

5. Reviewer contact: 이승원 (swonlee@gist.ac.kr)