이산형 웨이블릿 변환을 이용한 연안지역 해수위 자료의 성분 분리 :Separation of Coastal Sea Level Components Using Discrete Wavelet Transform

유영훈

추천

검색

자료유형: 학위논문

저자정보: 유영훈 (인하대학교, 인하대학교 대학원)

지도교수: 김형수

발행연도: 2020

저작권: 인하대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (2)

2020

이산형 웨이블릿 변환을 이용한 연안지역 해수위 자료의 성분 분리

유영훈 토목공학과 2020.01 학위논문

2019

이산형 웨이블릿 변환을 통한 조위 자료 내 파고 성분 분리

유영훈 , 이명진 , 이태우 외 2명 한국습지학회지 2019.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

연안 지역의 경우 기후변화의 영향으로 인한 집중 호우 및 폭풍 해일 등이 만조위와 겹쳐 큰 침수피해가 발생하고 있다. 해수위는 하루에 만조 및 간조가 주기적으로 발생하는 패턴을 보이고 있으며, 풍속 및 저기압 등에 의한 파고의 영향도 포함하고 있다. 즉, 연안 지역의 경우, 해수위는 조석과 파고 성분을 포함하고 있어 이들 성분들에 대한 분석을 통해, 특히, 파고가 침수피해에 미치는 영향을 이해할 필요가 있다. 따라서 본 연구에서는 연안 내륙 지역에 위치한 울산광역시 조위관측소의 해수위 자료를 수집하여 이산형 웨이블릿 변환을 통해 자료를 분리한 후 파고의 영향성을 검토하고자 하였다. 해수위 자료를 6개의 세분화 성분(∼) 및 최종 근사 성분()으로 분리하였고, 각 세분화 성분 별 특성을 분석하기 위하여 자기상관함수 및 푸리에 변환을 실시하였다. 근사 성분 내 장주기 성분을 추출하기 위해 곡선적합으로 식을 유도하였다. 최종적으로 주기성을 보이는 , , 와 추출된 장주기 성분을 통해 조석 성분을 구축하였고, , , 및 장주기 성분이 추출된 근사 성분을 통해 파고 성분을 구축하였다. 분석한 결과로부터 해수위 자료 내 조석 성분 및 파고 성분은 각각 66% 및 34%를 차지하고 있음을 확인하였다. 추출된 성분들을 평가하기 위해, 조석 성분은 관측 해수위 자료와, 파고 성분은 순수폭풍해일고 자료와 비교를 실시하였다. 조석 성분은 상관계수가 0.92, 는 0.85 그리고 RMSE는 6.53cm로 기존 해수위 자료의 패턴을 잘 모의하는 것을 확인하였다. 파고 성분은 상관계수가 0.74, 는 0.54 그리고 RMSE는 8.47cm로 분산이 큰 선형관계에 있음을 확인하였다. 본 연구 결과를 살펴보면, 풍속 및 저기압 등에 의한 연안 지역의 파고 성분이 해수위의 34%를 차지하는 것으로 파악되었다. 이는 연안 지역의 침수에 파고 성분의 영향이 크게 작용할 수 있음을 나타내고 있어 미래 홍수 위험 관리를 위한 정보로 활용될 수 있을 것으로 판단된다.

In coastal area, flood damage is occurred by overlapping of heavy rainfall, storm surge, and the high tide. Tidal level shows the periodic pattern of high tide and low tide, and includes the effect of wave height due to wind speed and low pressure. That is to say, a tidal level includes tide and wave components and so it is necessary to analyze these components and the effect of wave ,which cause the flood damage. Therefore, in this study, tidal level data of the Ulsan tidal observatory located at inland area which is close to the coastline were collected and we separated the components using discrete wavelet transform to investigate the effect of the wave. Tidal level data were separated into six detail components(∼) and approximation component(), then the autocorrelation function and fourier transform were performed to analyze the characteristics of each detail component. The curve fitting method was used for the derivation of the equation in order to extract the long period component from the approximation component. Tide component was constructed from the periodic components(, , ) and long period component, which was extracted by approximation component(). Also, wave component was constructed from , , and the approximation component which long period component is extracted. From the analysis results, we have found that tidal level data consisted of tide and wave components in 66% and 34% respectively. In order to evaluate the extracted components, tide component was compared with the observed tidal level data and wave component was compared with the storm surge height data. Tide component showed the similar patterns of tidal level data with correlation coefficient of 0.92, of 0.85 and RMSE of 6.53cm. Wave component showed linear relationship with high variance of correlation coefficient of 0.74, of 0.54 and RMSE of 8.47cm. The results of this study have shown that wave component by wind speed and low pressure in coastal area accounted for 34% of the tidal level. This indicates that the effect of wave component on flood damage in coastal area can be a significant factor and so the study results can be used as an information for flood risk management in coastal area.

목 차
요 지 ⅰ
Abstract ⅱ
제 1 장 서 론 1
1.1 연구 배경 및 목적 1
1.2 연구 동향 4
1.2.1 연안지역의 해수위에 의한 홍수위험도 분석 관련 연구 4
1.2.2 수문기후 분야의 웨이블릿 변환 적용 관련 연구 5
1.3 연구내용 및 범위 7
제 2 장 해수위 자료의 조석 및 파고 성분 추출 방법 9
2.1 해수위의 조석 및 파고 성분 9
2.2 시계열 자료의 성분 분해 및 특성 파악을 위한 주파수 분석 13
2.2.1 푸리에 변환 13
2.2.2 단시간 푸리에 변환 14
2.2.3 연속형 웨이블릿 변환 16
2.2.4 이산형 웨이블릿 변환 18
2.3 시계열 자료의 선형상관관계를 위한 자기상관함수 21
2.4 시계열 자료의 곡선적합 22
제 3 장 해수위 자료의 조석 성분 및 파고 성분 분리 23
3.1 대상 지역 선정 및 자료 수집 23
3.1.1 대상 지역 23
3.1.2 자료 수집 24
3.2 해수위 자료의 성분 분해 및 각 성분별 특성 분석 27
3.2.1 이산형 웨이블릿 변환을 이용한 해수위 자료 분해 27
3.2.2 분해된 성분별 주기성 및 주파수 분석 30
3.2.3 분해된 성분을 이용한 조석 및 파고 성분 구축 33
제 4 장 추출된 조석 성분 및 파고 성분의 평가 36
4.1 해수위 자료의 성분 분리에 대한 평가 방법 36
4.1.1 피어슨 상관계수 36
4.1.2 결정계수 37
4.1.3 평균제곱근오차 37
4.2 해수위 자료로부터 도출된 조석 및 파고 성분 평가 38
제 5 장 결론 42
참고문헌 44

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)