강수량의 계절 예측을 위한 베이지안 앙상블 MOS방법의 비교연구 (A comparison study of Bayesian ensemble model output statistics for seasonal forecasts of precipitation)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 30권 / 2호 / 385 ~ 399페이지
· 저자명 : 조성일, 이상인

초록

본 논문은 기후예측 (climate forecasts)에 있어서 주로 사용되는 통계적 후처리 (statistical post-processing)방법을 검토한다. 특히 베이지안 통계학 (Bayesian statistics)을 이용한 기후예측에서 주로 사용되는 베이지안 선형 회귀모형 (Bayesian linear regression)과 베이지안 모형 평균화 (Bayesian model averaging) 두 가지 앙상블 MOS (ensemble model output statistics)방법을 설명하고 디리크레 과정 사전분포 (Dirichlet process prior)를 이용한 비모수 (nonparametric) 베이지안 접근법을 살펴본다. 세 가지 베이지안 앙상블 방법을 바탕으로 사후분포를 유도하고 마코프 체인 몬테 카를로 (Markov chain Monte Carlo) 방법을 통해 사후추론을 실시한다. 한국 지역의 강수량 자료로 부터 leave-one-out 교차타당성 (cross-validation) 방법을 이용하여 모형간의 성능을 비교한다. 모의 실험의 결과 베이지안 통계적 후처리 방법이 일반 순환모형보다 우수한 성능을 보이는 것을 확인하였다.

영어초록

This paper studies statistical post-processing methods for climate forecasts. In particular, we describe Bayesian linear regression model and Bayesian model averaging method which are the most popular methods, and explain a Bayesian nonparametric model using a Dirichlet process prior as an alternative of ensemble model output statistics. Based on three Bayesian ensemble model output statistics methods, the posterior distributions are derived and the posterior inferences are performed via Markov chain Monte Carlo methods. We compare three Bayesian ensemble model output statistics methods using leave-one-out cross-validation with precipitation data over Korean peninsula. The results show that the Bayesian ensemble model output statistics methods perform better than the general circulation model.

참고자료

· 없음