CSHS 모델을 이용한 BEMD 방법을 적용하기 위해 기후 인자와 수문 인자를 각각 소정 변수로 설정하는 단계;상기 기후 인자와 수문 인자 모두에 대한 고유 모드 함수의 매칭된 공통 모드와 나머지 요소 데이터를 추출하는 단계;유의성 테스트를 통해 상기 고유 모드 함수의 매칭된 공통 모드와 나머지 요소 데이터 중 중요 요소를 선택하는 단계;상기 기후 인자와 수문 인자 데이터 가운데 중요 요소로 선택된 고유 모드 함수의 합에 대하여 이변량 NSOR 모델을 사용하여 모사하는 단계;상기 중요 요소로 선택되지 않은 나머지 요소 데이터는 특성에 따라 두 데이터 세트 모두에 대하여 모사하는 단계; 및모사된 기후 인자들 및 수문 인자들의 고유 모드 함수와 나머지 요소 데이터를 각각 합산하는 단계를 포함하고,고유 모드 함수의 매칭된 공통 모드와 나머지 요소 데이터를 추출하는 단계는,상기 기후 인자와 수문 인자를 복소 신호로 변환하는 제1 단계;투영 방향을 계산하는 제2 단계;상기 복소 신호를 다른 방향으로 투영하고, 상기 다른 방향의 국부 최대치를 추출하는 제3 단계;추출된 상기 국부 최대치를 스플라인 보간을 통해 보간하여 상기 투영 방향을 따라는 부분 포락선 곡선을 획득하는 제4 단계;모든 부분 포락선 곡선의 포락선 곡선 평균치를 계산하는 제5 단계;상기 복소 신호에서 상기 포락선 곡선 평균치를 감산하여 복소 감산 신호를 생성하는 제6 단계;상기 복소 감산 신호가 고유 모드 함수이면 다음 단계로 진행하는 제7 단계;상기 복소 감산 신호가 고유 모드 함수가 아니면, 상기 복소 신호를 상기 복소 감산 신호로 대체하고 상기 제3 단계 내지 제7 단계를 반복하는 제8 단계;상기 복소 신호에서 상기 복소 감산 신호를 감산하여 나머지 신호를 계산하고, 상기 나머지 신호를 상기 복소 신호로 대체하는 제9 단계;종료 조건을 만족하면 다음 고유 모드 함수를 획득하는 제10 단계;상기 복소 감산 신호를 가산하되, 상기 나머지 신호를 마지막 요소로 하여 원 신호를 표현하는 제11 단계;상기 복소 감산 신호의 Real Part와 Imaginary Part를 각각 기후 신호용 고유 모드 함수와 수문학 변수로 추출하는 제12 단계를 포함하고,상기 이변량 NSOR 모델을 사용하여 모사하는 단계는,상기 중요 요소로 선택된 기후 인자들()과 수문 인자들()을 각각 가산하여 기후 인자 고유 모드 함수(와 수문 인자 고유 모드 함수()를 생성하는 단계;상기 기후 인자 고유 모드 함수(와 수문 인자 고유 모드 함수()를 가산한 값에 대하여 상기 이변량 NSOR 모델을 사용하여 모사하는 단계를 포함하는 미래 홍수 위험 관리를 위한 기후 원격 연결 기반 확률론적 모사 방법.

삭제

삭제

청구항 1에 있어서, 상기 두 데이터 세트 모두에 대하여 모사하는 단계는,중요 요소로 선택되지 않은 나머지 기후 인자들()과 수문 인자들()을 각각 가산하여 기후 인자 나머지(와 수문 인자 나머지()를 생성하고, 상기 기후 인자 나머지와 상기 수문 인자 나머지에 대하여 각각 모사하는 것을 특징으로 하는 미래 홍수 위험 관리를 위한 기후 원격 연결 기반 확률론적 모사 방법.

청구항 1에 있어서, 상기 제10 단계는,상기 종료 조건을 만족하고, 나머지가 소정의 문턱값을 만족하거나 단조로운 함수가 되고, 제로 크로싱 수와 극값이 이전 단계의 그것과 동일할 때까지 상기 제2 단계 및 제7 단계를 반복하는 것을 특징으로 하는 미래 홍수 위험 관리를 위한 기후 원격 연결 기반 확률론적 모사 방법.