평균 해수면 및 최극조위 자료의 이상자료 및 기준고도 변화(Level Shift) 진단
Outliers and Level Shift Detection of the Mean-sea Level, Extreme Highest and Lowest Tide Level Data
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
부산, 목포 지점의 평균해수면(MSL)과 고극조위, 저극조위 자료의 이상자료 시계열 모델링을 수행하였다. 시계열 모델은 계절성분을 포함하는 SARIMA 모형이며, 일시적인 변화에 해당하는 이상자료(Additive Outlier, AO)와영구적인 변화를 의미하는 기준고도 변화(Level Shift, LS)를 모델에 포함하였으며, AIC 기준에 의거하여 최적 모델을 선정하였다. 이상자료 모형의 매개변수 추정은 R 프로그램 ‘tsoutliers’ 패키지(‘tso’ 함수)를 이용하였다. 선정 모형을 이용하여 이상자료와 기준고도 변화 진단에 적용한 결과, 부산의 월 단위 고극조위 자료에서 2003, 2012년 발생한 태풍 매미(MAEMI), 산바(SANBA)에 의한 일시적인 수위상승을 65.5, 29.5 cm 정도로 추정하였으며, 목포의 월단위 평균해수면 자료에서는 1 983년의 영산강 하굿둑 건설 사업에 의한 기준고도 변화를 21.2 cm 정도로 추정하였다. 한편 본 연구에서 구성한 모형은 모형의 편향을 유발하는 이상자료의 영향을 포함하며, 모형에 의한 RMS 오차는 연간 자료를 사용한 경우, 부산은 M SL 1 .95 cm, 고극조위, 저극조위 각각 5.11 cm, 6.50 cm이며, 목포의 경우에는 큰조차의 영향으로 MSL 2.01 cm, 고극조위, 저극조위 각각 1 1 .80 cm, 9 .1 4 cm로 부산보다 다소 높게 나타났다.
Abstract
Modeling for outliers in time series was carried out using the MSL and extreme high, low tide levels (EHL, HLL) data set in the Busan and Mokpo stations. The time-series model is seasonal ARIMA model including the components of the AO (additive outliers) and LS (level shift). The optimal model was selected based on the AIC value and the model parameters were estimated using the ‘tso’ function (in ‘tsoutliers’ package of R). The main results by the model application, i.e.. outliers and level shift detections, are as follows. (1) The two AO are detected in the Busan monthly EHL data and the AO magnitudes were estimated to 65.5 cm (by typhoon MAEMI) and 29.5 cm (by typhoon SANBA), respectively. (2) The one level shift in 1983 is detected in Mokpo monthly MSL data, and the LS magnitude was estimated to 21.2 cm by the Youngsan River tidal estuary barrier construction. On the other hand, the RMS errors are computed about 1.95 cm (MSL), 5.11 cm (EHL), and 6.50 cm (ELL) in Busan station, and about 2.10 cm (MSL), 11.80 cm (EHL), and 9.14 cm (ELL) in Mokpo station, respectively.
참고문헌 (14)
- Box, G. E., "Time Series Analysis Forecasting and Control" (2008), John Wiley & Sons
- Chen, C., "Joint estimation of model parameters and outlier effects in time series", J. of American Statistical Association (JASA), 88(Issue. 121), pp.284~297 (1993)
- 조홍연, "한국 연안 평균 해수면 자료의 공간 상관관계 분석", 한국해안·해양공학회논문집, 32(1), pp.85~93 (2020), 한국해안,해양공학회[DOI]
- 조홍연, "이상자료가 연안 환경자료의 통계 척도에 미치는 영향", Ocean and Polar Research, 38(2), pp.149~159 (2016), 한국해양과학기술원[DOI]
- Davison, A. C., "Bootstrap Methods and Their Application" (1997), Cambridge University Press
- Hyndman, R. J., "Automatic time series forecasting : the forecast package for R", Journal of Statistical Software, 26(3) (2008)
- "tsoutliers: Detection of Outliers in Time Series. R package version 0.6-8" (2019)[URL]
- 정병순, "POT 방법을 이용한 극치 해수위의 비정상성 빈도해석", 한국방재학회논문집, 18(7), pp.631~638 (2018), 한국방재학회[DOI]
- Kang, J. W., "Frequency analysis of extreme high water level at Mokpo Harbor considering tidal environment changes", J. of KSCOE, 12(4), pp.203~209 (2000)
- "Korea Ocean Observing And Forcecating System"[URL]
- Mann, H. B., "Nonparametric tests against trend", Econometrica, 13, pp.245~259 (1945)
- "Kendall: Kendall rank correlation and Mann-Kendall trend test. R package version 2.2" (2011)[URL]
- Moritz, S., "imputeTS : time series missing value imputation in R", The R Journal, 9(1), pp.207~ (2017)
- Tsay, R. S., "Outliers, Level shifts, and Variance changes in time series", J. of Forecasting, 7, pp.1~20 (1988)