Monte Carlo simulation과 Bootstrap을이용한 온실가스 배출량 모델의 불확실성 분석

Author(s)
이민혁
Advisor
이건모
Department
일반대학원 환경공학과
Publisher
The Graduate School, Ajou University
Publication Year
2018-02
Language
kor
Keyword
불확실성 분석온실가스 배출량 모델Monte Carlo simulationBootstrap
Abstract
최근 전 세계적으로 지구온난화에 대한 문제가 대두되고 있는 가운데, 2016년 말 발효된 파리기후변화협약에서는 여러 산업분야에서 발생하는 온실가스 배출량 산정에 대한 관심을 촉구하고 있다. 또한 여러 국가들을 중심으로 시행되고 있는 탄소배출량 저감 및 배출권 거래 등의 활동으로 인해 온실가스 배출량의 신뢰성 있는 산정결과를 요구하고 있다. 이를 만족시키기 위해 온실가스 배출량 모델에 불확실성 분석을 수행하여 결과의 신뢰성을 담보해야 할 것이다. 전과정평가 연구 분야에서는 모델의 불확실성 분석을 위해 모수적인 방법을 주로 이용하고 있으나, 데이터 수집 및 분석 등의 제한적인 조건으로 인해 변수의 확률밀도함수 정의, 입력 변수 사이에서 발생하는 상관성 등을 고려하지 않거나 연구자의 가정에 의존하고 있다. 그러나 이러한 결정은 제품 시스템의 온실가스 배출량 모델의 불확실성을 더욱 가중시킬 수 있음을 인지해야 할 것이다. 이번 연구에서는 제품 시스템의 온실가스 배출량 모델의 불확실성 분석을 위해 일반적으로 이용하고 있는 모수적인 분석방법인 Parametric Monte Carlo simulation의 문제점을 지적하고, 불확실성 분석절차를 보완하고자 Parametric Monte Carlo simulation뿐만 아니라 비모수적인 분석방법인 Non-parametric Monte Carlo simulation과 Block Bootstrap을 이용하여 제품 시스템의 온실가스 배출량 모델의 불확실성을 분석하였다. 또한 온실가스 배출량 모델의 불확실성이 과소 또는 과대 산정되는 것을 예방하기 위해 온실가스 배출량 모델을 구성하고 있는 요소들 사이에서 발생하는 상관성을 반영하였다. 그리고 많은 시간과 노력을 요구하는 분석과정을 줄이기 위해 온실가스 배출량 모델의 불확실성에 대해 기여도가 높지 않은 입력 변수를 분석과정에서 제외시킴으로써 불확실성 분석과정을 간소화하였다. 온실가스 배출량 모델의 불확실성을 정량적으로 나타내는 지표로는 통계적인 분석을 통해 참값이 존재할 범위를 나타내는 95% 신뢰수준의 Confidence Interval width (CI width)와 Intergovernmental Panel on Climate Change (IPCC)에서 제안하는 Percentage uncertainty (U value)를 적용하였다. 이때, 더 좁은 CI width를 갖고, 더 작은 U 값을 정교한 불확실성 분석결과라고 할 수 있다. 사례연구에서는 낙농 시스템에서 발생하는 온실가스 배출량 모델의 불확실성을 분석하기 위해 모델을 구성하는 요소들 사이의 상관성과 기여도를 적용하고, 세 가지 불확실성 분석방법을 이용하였다. 온실가스 배출량 모델의 불확실성에 대한 기여도가 크지 않은 입력 변수를 규명하기 위해 모델을 구성하는 11개 입력 변수의 수집된 12개월간의 데이터 정보에 Contribution to variance (CTV)접근법을 적용하였다. 그 결과, 11개의 입력 변수 중 5개의 입력 변수를 낙농 시스템의 온실가스 배출량 모델의 불확실성에 주요하지 않는 입력 변수 (전체 불확실성의 1%에 해당)로 규명하여, 불확실성 분석을 위한 입력 변수를 6개로 간소화시킬 수 있었다. 또한, 모델의 입력 변수 사이에서 발생하는 상관성을 반영하여 분석한 결과, 12개월의 데이터 정보를 활용한 경우에는 58%, 72개월의 데이터 정보를 활용한 경우에는 65%의 차이를 나타냈다. 이번 사례연구에서는 입력 변수의 상관성을 고려하지 않은 경우, 모델의 불확실성 분석결과가 과소 산정되는 경향을 나타냈다. 세 가지 분석방법을 이용하여 온실가스 배출량 모델의 불확실성을 분석한 결과, Block Bootstrap이 다른 두 분석방법 보다 10배 이상의 차이를 보이며 가장 정교한 불확실성 산정결과를 나타냈다. 이는 불확실성 분석을 적용하기 위한 낙농 시스템이 비모수적인 특징 (무분포)을 가지고 있으며, 온실가스 배출량 모델의 불확실성 분석을 위해 입력 변수에 대한 모수, 비모수적인 확률밀도함수 정의가 적합하지 못하다는 점을 시사하고 있다. 이번 연구에서는 전과정평가 연구 분야에서 제품 시스템의 온실가스 배출량 모델의 불확실성을 분석하기 일반적인 분석절차의 문제점을 지적하고, 이를 보완하고자 3가지 고려사항을 반영하였다. 결과를 통해, 다음과 같은 결론을 얻을 수 있었다. 첫 째, 분포 추정이 불필요한 무분포 (distribution-free)환경에서는 Block Bootstrap을 이용하는 것이 Parametric, Non-parametric Monte Carlo simulation을 이용하여 분석하는 것보다 제품 시스템의 온실가스 배출량 모델의 불확실성 분석에 더 적합한 방법이다. 둘 째, 전과정평가 연구 분야에서 온실가스 배출량 모델을 구성하는 요소들 사이의 상관성을 무시할 경우, 모델의 불확실성을 과소 또는 과대 산정할 수 있기 때문에 반드시 고려해야 한다. 셋 째, 모델의 구성요소들이 불확실성에 미치는 기여도 파악을 통해 온실가스 배출량 모델의 불확실성 분석과정에서 주요하지 않은 입력 변수의 규명은 제품 시스템의 온실가스 배출량 모델의 불확실성 분석과정을 간소화 할 수 있다.
URI
https://dspace.ajou.ac.kr/handle/2018.oak/13881
Fulltext

Appears in Collections:
Graduate School of Ajou University > Department of Environmental Engineering > 4. Theses(Ph.D)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse