1 / 90

설계 수문량의 산정 : 강우 통계 분석

설계 수문량의 산정 : 강우 통계 분석. 200 5. 9. 27. ▶ 강의 순서. 강우빈도해석의 개요 예비적 해석 확률분포형 매개변수 추정 매개변수 적합성 검토 적합도 검정 경험적 빈도해석 최적확률분포형 선정 확률강우량 산정 적용 : 강우분석 프로그램 FARD. 1. ▶ 강우빈도해석의 개요. 이수 및 치수 목적을 위한 수자원 시스템 예측할 수 없는 크기의 수문사상에 대해 계획되고 설계됨

yvon
Download Presentation

설계 수문량의 산정 : 강우 통계 분석

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 설계 수문량의 산정 : 강우 통계 분석 2005. 9. 27

  2. ▶ 강의 순서 • 강우빈도해석의 개요 • 예비적 해석 • 확률분포형 • 매개변수 추정 • 매개변수 적합성 검토 • 적합도 검정 • 경험적 빈도해석 • 최적확률분포형 선정 • 확률강우량 산정 • 적용: 강우분석 프로그램 FARD

  3. 1 ▶ 강우빈도해석의 개요 • 이수 및 치수 목적을 위한 수자원 시스템 • 예측할 수 없는 크기의 수문사상에 대해 계획되고 설계됨 • 수문학적 분석을 통해 수문량이 어떤 특정값을 초과할 확률을 추정할 수 있으면 계획되는 수자원 시스템의 사회·경제적 설계에 기초가 됨 • 이와 같은 수문자료의 해석절차를 확률론적 해석방법이라 통칭하며, 특히 강우나 홍수의 발생빈도를 확률론적으로 예측하는 방법을 빈도해석(frequency analysis)이라고 함

  4. 2 ▶ 강우빈도해석의 일반적인 절차 강우자료구축 Correlogram Test Normal(2) 예비적인 해석 Run Test Lognormal(2/3) Rank Correlation Coeff. Test 변동성 및 경향성 분석 Gamma(2/3) Turning Point Test 확률분포형 적용 Log-Pearson type III(3) 모멘트법(MOM) GEV(3) 매개변수 추정 최우도법(ML) Gumbel(2) 매개변수 적합성 검토 확률가중모멘트법(PWM) Log-Gumbel(2/3) 도시적 해석 Weibull(2/3) Χ2-검정 적합도 검정 Wakeby(4/5) Kolmogorov-Smirnov 검정 Cramer Von Mises 검정 최적분포형 선정 PPCC 검정 확률강우량 산정

  5. 3 ▶ 강우빈도해석시의 자료구축 • 최근까지의 정확한 강우자료를 획득하는 것이 가장 중요 • 자료에 대한 검토 사항 • 관측자료의 일관성 검사 • 강우자료 계열의 추출 및 선정 : 30년 이상의 연최대치, 연초과치

  6. 4 ▶ 예비적 해석(1) • 빈도해석 실시 전 단계 • 대상 자료의 도시 및 경향 파악 • 대상 자료의 무작위성 (randomness) 파악 1. 자료의 도시 경년별 자료 도시 및 형태 파악은 자료의 개략적인 성질을 파악하는데 필수적 (서울, 지속기간 24시간 연최대강우량)

  7. 5 ▶ 예비적 해석(2) 2. 기본통계값 산정

  8. 6 ▶ 예비적 해석(3) 3. 무작위성 검토 (1) Anderson의 Correlogram Test (2) Run Test (3) Spearman의 Rank Correlation Coefficient Test (4) Turing Point Test

  9. 7 ▶ 변동성과 경향성 분석(1) • 자료의 변동성과 경향성 발생 • 자연적 현상과 인간에 의한 변화에 의해 발생 • 절차 • 1. 예비적 자료해석 : 대상자료 도시 혹은 자료의 기본 통계값 계산 분석 • 2. 확정적 자료해석 : 자료의 변동과 경향을 통계적인 방법을 이용하는 방법

  10. 8 ▶ 변동성과 경향성 분석(2) • 변동성 분석방법 • 1. Abbe test of homogeneity • 2. Mann-Whitney test • 3. Sign test • 4. Simple T test • 5. Simple F test • 6. Modified T test • 7. Modified F test

  11. 9 ▶ 변동성과 경향성 분석(3) • 경향성 분석방법 • 1. T test • 2. Hotelling-Pabst test • 3. Mann-Kendall test • 4. Sen test • 5. Seasonal Homogeneity of Trends Test

  12. 10 ▶ 확률분포형(1) • 수문자료의 빈도해석에 많이 사용되는 분포형 • gamma 분포형 (2/3) • GEV(General Extreme Value) 분포형 (3) • Gumbel 분포형 (2) • log-Gumbel 분포형 (2/3) • lognormal 분포형 (2/3) • log-Pearson type III 분포형 (3) • Weibull 분포형 (2/3) • Wakeby 분포형 (4/5)

  13. 11 ▶ 확률분포형(2)

  14. 12 ▶ 확률분포형(3) 1. Gamma 분포형 • 대부분의 수문자료의 확률밀도함수는 왜곡되어 있으므로 수문자료의 해석에 gamma 분포를 자주 사용 • 확률밀도함수 : location parameter : scale parameter : shape parameter

  15. 13 ▶ 확률분포형(4) 2. GEV (General Extreme Value)분포형 • 홍수나 가뭄 같은 사상의 빈도해석에 많이 사용되는 분포함수로써 형상매개변수에 따라 3가지 형태로 구분될 수 있음 • 확률밀도함수 및 누가분포함수 : location parameter : scale parameter : shape parameter : GEV-1 : GEV-2 : GEV-3

  16. 14 ▶ 확률분포형(5) 3. Gumbel 분포형 • GEV-1 분포로도 알려져 있음 • 확률밀도함수 및 누가분포함수 : location parameter : scale parameter

  17. 15 ▶ 확률분포형(6) 4. Log-Gumbel 분포형 • Log-Gumbel 분포는 Frechet 분포로도 알려져 있으며, GEV-2 분포에 해당 • 확률밀도함수 및 누가분포함수 : parameters

  18. 16 ▶ 확률분포형(7) 5. Lognormal 분포형 • 3개의 매개변수를 가지는 lognormal 분포형 아래와 같으며, 으로 놓으면 2변수 lognormal 분포형이 됨 • 확률밀도함수 : location parameter of : location parameter of : scale parameter of

  19. 17 ▶ 확률분포형(8) 6. Log-Pearson type III 분포형 • Log-Pearson type III 분포형은 미국에서 홍수자료해석에 추천되고 있는 분포형 • 확률밀도함수 : location parameter : scale parameter : shape parameter if if

  20. 18 ▶ 확률분포형(9) 7. Weibull 분포형 • Weibull 분포는 처음에 재료의 안전성과 수명시험을 모의하기 위해 제안되었으며, 3변수 Weibull 분포는 GEV-3 분포와 밀접한 관계를 갖는다 • 확률밀도함수 및 누가분포함수 : location parameter : scale parameter : shape parameter

  21. 19 ▶ 확률분포형(10) 8. Wakeby 분포형 • Wakeby 분포는 다음과 같이 역함수 형태로 정의됨 : parameters

  22. 20 ▶ 확률분포형(11) 9. Gumbel-Chow 분포형 • 국내 실무진들에 의해 많이 사용되고 있음 • 특정한 형태의 확률분포형을 가지고 있는 것이 아니라, 앞에서 설명한 극치확률분포중의 하나인 Gumbel 분포에 대하여 Chow(1951)가 빈도계수법(frequency factor analysis)을 적용하였기 때문에 붙여진 이름 • 실질적으로 매개변수 추정방법의 하나인 모멘트법과 동일한 결과를 보임 • 그러므로 Gumbel-Chow 분포는 Gumbel 분포형에 매개변수 추정방법 중의 하나인 모멘트법을 적용하였다고 하는 것이 맞으므로 앞으로는 이 이름으로 사용하지 않는 것이 바람직함

  23. 21 ▶ 확률분포형(12) 10. Iwai (岩井) 분포형 • 일본에서 확률계산법의 표준으로 가장 널리 이용되고 있는 岩井法의 특징은 하한값 –b를 갖는다는 것 • 이 방법은 기존의 대수정규분포를 하한값 –b를 추가하여 변형시킨 것으로 양으로 왜곡된 형태의 확률밀도함수를 가짐 • 岩井은 대수정규분포에 유한한 하한값을 추가하여 양으로 왜곡된 형태의 누가분포함수를 제안하였음

  24. 22 ▶ 매개변수 추정(1) 1. 모멘트법 (Method of Moments) : Karl Pearson (1902) • 모멘트법은 추정방법이 간단하여 가장 널리 사용하는 방법중의 하나 • 모집단의 모멘트(population moments)와 표본자료의 모멘트(sample moments)를 같다고 하여 적용 확률분포형의 매개변수를 추정하는 방법 polulation moments = sample moments • 대칭형 분포형의 경우에는 다른 매개변수 추정방법들이 모멘트법보다 우수한 결과를 얻는 것은 아니나, 대부분의 수문학적 확률변수는 다소 왜곡되어 있으므로 모멘트법에 의한 매개변수의 추정은 다소 효율성이 떨어진다고 할 수 있음

  25. 23 ▶ 매개변수 추정(2) 2. 최우도법 (Method of Maximum Likelihood) : R.A.Fisher (1922) • 최우도법은 추출된 표본자료가 나올 수 있는 확률이 최대가 되도록 매개변수를 추정하는 방법 • 일반적으로 우도함수(likelihood function)보다는 유도상의 편리성 때문에 대수 우도함수(log-likelihood function)를 많이 사용 • 일반적으로 최우도법은 가장 효율적인 추정치를 얻을 수 있으며 표본자료의 크기가 충분히 클 때 다른 매개변수 추정방법에 대하여 추정치의 효율성을 비교하는데 기준으로 사용

  26. 24 ▶ 매개변수 추정(3) 3. 확률가중모멘트법 (Method of Probability Weighted Moments) : Greenwood 등 (1979) • 확률가중모멘트의 일반식은 다음과 같이 나타낼 수 있음 • 모집단의 확률가중모멘트와 각각에 대한 표본자료의 불편 확률가중모멘트 • 불편의확률가중모멘트의 사용은 선정된 분포형 형식에 따라 편리한 것 사용 • 매개변수 추정은 확률가중모멘트법이 보다 안정적

  27. 25 ▶ 매개변수 추정(4) (예제)지수분포함수의 매개변수 추정 ☞ 매개변수 를 갖는 지수분포함수(매개변수 1개) (1)모멘트법 - population mean - sample mean - equating population to sample moment

  28. 26 ▶ 매개변수 추정(5) (2)최우도법 - likelihood function - log-likelihood function - maximum likelihood estimator

  29. 27 ▶ 매개변수 추정(6) (3)확률가중모멘트법 - population PWM - sample PWM - equating population to sample

  30. 28 ▶ 매개변수 적합성 검토(1) • 추정된 매개변수의 적용분포형의 확률변수 및 매개변수 조건 만족 여부 파악 • 적합성 조건을 만족 못하는 경우 그 분포형은 사용 않는 것이 바람직함

  31. 29 ▶ 매개변수 적합성 검토(2)

  32. 30 ▶ 적합도 검정(1) • 모집단의 확률분포형을 알지 못하면 기존의 확률분포형으로 모집단의 성질을 정확히 나타내기 어려우므로 대상 확률분포형 가운데 적정 확률분포형을 선정하는 것은 매우 어려운 과제임 • 따라서 다양한 기법을 통한 많은 정보 이용하여 적정 확률분포형 선정 ☞ 적합도 검정 사용 • 적합도 검정은 해당 확률분포의 상대도수함수와 누가도수함수의 이론값과 표본값을 비교하여 그 정도를 판별 • 적합도 검정의 종류 (1) - 검정 (2) Kolmogorov-Smirnov 검정 (3) Cramer von Mises 검정 (4) PPCC (Probability Plot Correlation Coefficient) 검정

  33. 31 ▶ 적합도 검정(2) 1. - 검정 • - 적합도 검정은 가장 널리 사용하는 적합도 검정방법 중의 하나 • 대상 자료에 대해 적합하다고 가정한 확률밀도함수와 군집화된 자료를 이용한 빈도해석을 통하여 구해지는 경험적 확률밀도함수를 비교하는 검정방법 • 검정의 통계량 • 가설검정통과

  34. 32 ▶ 적합도 검정(3) 2. Kolmogorov-Smirnov검정 • - 검정과는 달리 확률밀도함수 대신 누가분포함수에 대해 검정하는 방법 • Kolmogorov-Smirnov검정은 표본자료의 누가분포함수와 가정된 이론확률분포의 누가분포함수를 비교하여 양자의 최대편차로 정의됨 • Kolmogorov-Smirnov검정의 통계량 • 가설검정통과

  35. 33 ▶ 적합도 검정(4) 3. Cramer von Mises검정 • 누가분포함수에 대하여 검정하는 방법 • 이 방법은 표본자료 가 누가분포함수 로 정의된 확률분포형을 모집단으로 갖는다는 가정을 검정하는데 사용됨 • 검정통계량 • 가설검정통과

  36. 34 ▶ 적합도 검정(5) 4. PPCC (Probability Plot Correlation Coefficient) 검정 • 유의수준 및 자료의 크기에 따른 검정통계량을 유도하여 검정하는 방법 • 확률도시상관계수 검정방법은 자료의 적모멘트 상관계수를 이용하여 적합도 검정을 수행하며 자료의 적모멘트 상관계수는 다음 식과 같음 • 가설검정통과

  37. 35 ▶ 적합도 검정(6) 5. 도시적 해석방법 • 확률지 정규, 대수정규, 극치, 대수극치 등 • 경험적 확률밀도함수 및 누가분포함수 vs. 적합된 확률밀도함수 및 누가분포함수를 도시하여 적합한 분포형 선정 기준으로 사용

  38. 36 ▶ 경험적 빈도해석 • 전 자료를 사용하는 경우 • 전 자료가 존재하는 경우 • 자료 중 0의 값을 갖거나 자료를 기준값으로 구분하는 경우 • 자료기간 중 일부 자료가 없는 경우 • 역사적 정보(historical information)를 이용한 경우

  39. 37 ▶ 최적확률분포형 선정 • 최적확률분포 선정의 명확한 기준은 아직까지 제시되지 못하고 있는 실정 • 최근 적합도 검정결과 이용 대상자료에 대한 최적확률분포형 선정 • 일반적으로 적합도 검정결과는 -검정이나 Kolmogorov-Smirnov 검정이 주류 ☞ 최근에는 PPCC 검정방법 지속적으로 사용되고 있음

  40. 38 ▶ 최적확률분포형 선정기준(1) • 평균절대상대오차 (Mean Absolute Relative Error)

  41. 39 ▶ 최적확률분포형 선정기준(2) • 상대제곱근오차 (Relative Root Mean Square Error)

  42. 40 ▶최적확률분포형 선정 절차(1) • = 0.05 적합도 검정결과를 통과하는 경우 • 하나의 확률분포형만 통과하는 경우 해당 분포형을 최적확률분포형으로 선정 • 2개 이상의 확률분포형이 통과하는 경우 PPCC 검정, -검정, Kolmogorov-Smirnov 검정 Cramer von Mises 검정 순으로 오차가 작은 확률분포형을 최적확률분포형으로 선정

  43. 41 ▶최적확률분포형 선정 절차(2) • = 0.01 로 적합도 검정결과를 통과하는 경우 • 유의수준 = 0.05일 때 모든 지속기간에 대해 통과된 확률분포형이 없는 경우 유의수준 = 0.01로 조정 후 ①의 절차를 적용하여 최적확률분포형을 선정 • = 0.01 로 -검정이나 PPCC검정을 모두 통과 못한 경우 • 검정결과에 의한 오차가 가장 작은 분포형을 최적확률분포형으로 선정 • 특정지속기간에 대하여 유의수준 = 0.01 에서도 - 검정이나 PPCC검정에 의한 오차가 가장 작게 나타나는 확률분포형을 최적확률분포형으로 선정

  44. 42 ▶ 확률강우량 산정(1) • 빈도계수법 여기서, 는 재현기간 T에 대한 확률강우량 와 는 각각 주어진 강우자료로부터 구한 평균과 표준편차 는 빈도계수(frequency factor) = fct(γ,T)

  45. 43 ▶ 확률강우량 산정(2) • 역함수(inverse) 이용방법 • 확률분포형의 누가분포함수는 확률변수와 매개변수로 이루어짐 • 누가분포함수는 0과 1사이의 값을 갖는 비초과확률임 • 누가분포함수를 확률변수의 역함수로 구성 • 비초과확률(q)과 재현기간(T)은 q = 1 – 1 / T 의 관계를 가짐 • 따라서 대상 자료로부터 추정된 매개변수를 대입하여 임의의 재현기간에 대한 확률강우량 산정할 수 있음

  46. 44 ▶ 확률강우량 산정(3) • 확률분포형의 역함수

  47. 45 ▶ 확률강우량 산정(4) • (예제) 2변수 Weibull분포형

  48. 46 ▶ 적용: 강우분석 프로그램 FARD(1) • 강우자료의 빈도해석을 위한 프로그램 • 각종 강우 빈도분석기법들을 체계적으로 정리하고 관련 기법을 컴퓨터 프로그램화하여 실무에 손쉽게 활용할 수 있도록 개발된 프로그램 • FARD98은 자료의 무작위성 검토, 확률분포형별 매개변수추정, 적합도 검정, 확률강우량 산정 기능 등을 제공 • FARD2002는 FARD98에 기능을 추가하여 추천확률분포형 선정의 일관성을 향상시키고 프로그램 운영상 용이성 개선

  49. 47 ▶ 적용: 강우분석 프로그램 FARD(2) • FARD2002에서 추가된 내용 1. 확률분포형 추가 • FARD98에서 사용하는 13개의 확률분포형에 정규분포 추가 2변수 gamma, 3변수 gamma GEV, Gumbel 2변수 log-Gumbel, 3변수 log-Gumbel + 정규분포 2변수 lognormal, 3변수 lognormal log-Pearson type Ⅲ 2변수 Weibull,3변수 Weibull 4변수 Wakeby,5변수 Wakeby

  50. 48 ▶ 적용: 강우분석 프로그램 FARD(3) 2. 적합도 검정의 개선 • FARD98에서 실시되던 PPCC검정의 개선 검정통계량이 유도된 gamma, GEV, Gumbel, lognormal, Weibull 분포형에 대해서만 PPCC 검정 수행 분포형, 표본크기, 형상매개변수, 유의수준에 따라 변화하는 PPCC 검정통계량을 회귀식으로 유도(허준행 등,2001)한 방법을 이용

More Related