WGR 강우모형은 중규모 정도의 강우를 표현하기 위해 개발된 개념적인 모형으로 대기의 동역학적 특성과 강우의 통계학적 특성이 비교적 잘 반영된 모형이다(Waymire 등, 1984). 그러나 이 모형은 최대 18개의 매개변수르 가지며 모형의 구조가 강한 비선형성을 가지고 있어 매개변수 추정이 매우 어려운 문제로 남아 있다. 지금까지 각각 다른 지역의 강우에 대해 비선형 최적화 기법(non-linear programming; NLP)을 이용하여 매개변수를 추정한 예가 있으나 그 과정 자체가 매우 복잡하여 이 모형을 다른 목적으로 이용하는데 문제로 지적되고 있다. 본 연구에서는 유전자 알고리즘(genetic algorithm; GA)을 이용한 WGR 모형의 매개변수 추정법을 제시하였으며, 이를 한강유역에 적용하여 NLP에 의한 결과 (Yoo와 Kwon, 2000)와 비교하였다. 적용 결과 GA는 NLP에 비해 상대적으로 작은 SSE(sum of square error)를 나타내었고 계절의 변화에 보다 일관적인 반응을 보임을 알 수 있었다. 또한 추정된 매개변수 분석결과, 여름철의 높은 강우량은 강우 세포의 강도보다는 강우전선의 도달율과 밀접한 관계가 있는 것으로 나타났다.
The WGR model was developed to represent meso-scale precipitation. As a conceptual model, this model shows a good link between atmospheric dynamics and statistical description of meso-scale precipitation(Waymire et al., 1984). However, as it has maximum 18 parameters along with its non-linear structure, its parameter estimation has been remained a difficult problem. There have been several cases of its parameter estimation for different fields using non-linear programming techniques(NLP), which were also difficult tasks to hamper its wide applications. In this study, we estimated the WGR model parameters of the Han river basin using the genetic algorithm(GA) and compared them to the NLP results(Yoo and Kwon, 2000). As a result of the study, we can find that the sum of square error from the GA provide more consistent parameters to the seasonal variation of rainfall. Also, we can find that the higher rainfall amount during summer season is closely related with the arrival rate of rain bands, not the rain cell intensity.
