• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.390-390
• /
• 2021

본 연구에서는 통계적 방법에 의해 예측된 미래기간의 기온정보와 기온기반의 기준증발산량 산정방법을 연계하여 한강권역을 대상으로 최대 12개월의 미래기간에 대한 기준증발산량을 전망하였다. 기온정보는 Kim et al. (2020)의 연구와 같이 글로벌 기후지수와의 원격상관성을 기반으로 개발된 다중회귀모형을 이용하여 미래기간(예측시점 기준 1~12개월)에 대해 월 평균기온을 예측하고 이를 상세화하여 한강권역 내 주요 ASOS 지점별로 최고/최저기온을 도출하였다. 기준증발산량은 Hamon 방법(Hamon, 1960, 1963)을 기반으로 각 지점별로 상세화된 최고/최저기온을 이용하여 동일한 미래기간(1~12개월)에 대해 산정하였다. 한강권역 전체에 대해 2015년 1월~2020년 12월의 월별 평균기온과 각 지점별 산정한 기준증발산량을 활용하여 기온 및 기준증발산량에 대한 예측성을 분석하였다. 한강권역 전체에 대해 예측된 월별 평균기온의 경우 실제 관측값과 비교하였을 때, PBIAS 4.2~6.4%, R² 0.97~0.98, NSE 0.97~0.98 등으로 매우 높은 예측성을 보였다. 지점별로 상세화된 기온정보를 이용하여 산정한 기준증발산량을 실제 기온으로부터 산정한 기준증발산량과 비교한 결과는 PBIAS 5.0~6.8%, R² 0.97~0.98, NSE 0.96~0.97로 기온에 대한 예측성과 유사하게 나타났다. 기온과 기준증발산량 모두 일부 월이나 일부 지점에서 관측값과 비교했을 때 다소 차이를 보이는 경우도 있었으나, 대상유역 전반적으로는 매우 안정적인 예측결과를 확인할 수 있었다. 기준증발산량에 대한 예측결과(미래 1~12개월)는 계절 및 월 단위의 유역 수자원 전망에 유용하게 활용될 수 있을 것으로 판단된다.

• Environmental and Resource Economics Review
• /
• v.29 no.4
• /
• pp.419-442
• /
• 2020

The majority of the natural gas demand in South Korea is mainly determined by the heating demand. Accordingly, there is a distinct seasonality in which the gas demand increases in winter and decreases in summer. Moreover, the degree of sensitiveness to temperature on gas demand has changed over time. This study firstly introduces changing temperature response function (TRF) to capture effects of changing seasonality. The temperature effect (TE), estimated by integrating temperature response function with daily temperature density, represents for the amount of gas demand change due to variation of temperature distribution. Also, this study presents an innovative way in forecasting daily temperature density by employing functional principal component analysis based on daily max/min temperature forecasts for the five big cities in Korea. The forecast errors of the temperature density and gas demand are decreased by 50% and 80% respectively if we use the proposed forecasted density rather than the average daily temperature density.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.485-486
• /
• 2015

전력수요예측은 전력계통을 원활하고 체계적으로 운영하며 안전성과 경제성이 고려된 전력수급계획을 가능하도록 하는 것으로써 예측 오차율을 줄이는 것이 필수적이다. 전력수요예측 오차율을 줄이기 위해 많은 선행 연구가 이루어졌으며 최고기온과 최저기온의 변화에 전력수요가 민감하게 반응하는 것을 밝혀내었다. 하지만 최근 지속적인 기후 변화로 최고기온 및 최저기온만으로 전력수요예측을 수행하기에는 무리가 있다. 또한, 기온과 전력수요의 연관성에 대한 관심이 증대되고 다양한 방식의 분석이 수행되고 있다. 본 논문에서는 시간별 전력수요와 기온의 연관관계를 분석하였으며 시간별 전력수요에 가장 연관도가 높은 시간대의 기온을 제시한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.139-139
• /
• 2019

지구 온난화 및 기후변화로 인해 비롯된 전 지구적인 기온 상승은 가뭄, 폭염, 한파 등의 이상 기후 현상을 야기하여 인류의 생존을 위협하는 환경 문제로 대두되고 있다. 이와 같은 기후변화 및 이상기후 현상을 이해하고 파악하기 위해서는 정확하고 상세한 기온 정보가 필수적이다. 우리나라는 기상청에서 전국 590개소의 기상관측장비로 기온 정보를 생산하고 있지만 산림이 약 70%를 차지하는 복잡한 지형을 가지고 있어 지상관측밀도의 공간적 제약이 발생해 상세하고 균일한 기온 정보 생산에 제약이 있다. 이러한 단점을 극복하기 위해 본 연구에서는 위성으로 측정한 지표면 온도(Land Surface Temperature, LST) 자료와 다중선형회귀모형(Multiple Linear Regression Model)을 활용해 두 자료간의 상관관계를 파악하고 지상기온을 예측하고자 한다. 위성자료로 Terra 및 Aqua MODIS 위성의 1000m 공간해상도를 가진 일별 LST자료 MOD11A1, MYD11A1의 Daytime 자료를 각각 2000년부터 2018년까지 총 19년의 기간에 대해 구축하였으며, 전국 92개의 기상청 관측소로부터 최고, 최저 기온 자료를 동 기간에 대해 구축하였다. LST를 이용한 이상기온 예측 알고리즘은 python을 이용해 구현하였으며 예측 결과는 실제 기온 자료를 통해 검증하였다. 또한, 예측 기온 자료의 연대별, 순별(상, 중, 하순) 분석을 실시하고, 2018년 극한 폭염 및 한파(2017년 12월~2018년 2월)의 예측 가능성을 검토하여 연구 결과에 대한 다양한 활용방안을 제시하고자 한다.

• The Korean Journal of Applied Statistics
• /
• v.32 no.5
• /
• pp.703-720
• /
• 2019

The influence of temperature on electricity demand is increasing due to extreme weather and climate change, and the climate impacts involves nonlinearity, asymmetry and complexity. Considering changes in government energy policy and the development of the fourth industrial revolution, it is important to assess the climate effect more accurately for stable management of electricity supply and demand. This study aims to analyze the effect of temperature change on electricity demand using the partial linear model. The main results obtained using the time-unit high frequency data for meteorological variables and electricity consumption are as follows. Estimation results show that the relationship between temperature change and electricity demand involves complexity, nonlinearity and asymmetry, which reflects the nonlinear effect of extreme weather. The prediction accuracy of in-sample and out-of-sample electricity forecasting using the partial linear model evidences better predictive accuracy than the conventional model based on the heating and cooling degree days. Diebold-Mariano test confirms significance of the predictive accuracy of the partial linear model.

• Journal of Korean Society of Disaster and Security
• /
• v.13 no.2
• /
• pp.27-38
• /
• 2020

Climate variations have become worse and diversified recently, which caused catastrophic disasters for our communities and ecosystem including economic property damages in Korea. Heat wave of summer season is one of causes for such damages of which outbreak tends to increase recently. Related short-term forecasting information has been provided by the Korea Meteorological Administration based on results from numerical forecasting model. As the study area, the ◯◯ province was selected because of the highest mortality rate in Korea for the past 15 years (1998~2012). When comparing the forecasted temperatures with field measurements, it showed RMSE of 1.57℃ and RMSE of 1.96℃ was calculated when only comparing the data corresponding to the observed value of 33℃ or higher. The forecasting process would take at least about 3~4 hours to provide the 4 hours advanced forecasting information. Therefore, this study proposes a methodology for temperature prediction using LSTM considering the short prediction time and the adequate accuracy. As a result of 4 hour temperature prediction using this approach, RMSE of 1.71℃ was occurred. When comparing only the observed value of 33℃ or higher, RMSE of 1.39℃ was obtained. Even the numerical prediction model of the whole range of errors is relatively smaller, but the accuracy of prediction of the machine learning model is higher for above 33℃. In addition, it took an average of 9 minutes and 26 seconds to provide temperature information using this approach. It would be necessary to study for wider spatial range or different province with proper data set in near future.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.7
• /
• pp.307-314
• /
• 2022

Recently, researches using deep learning-based models are being actively conducted to replace statistical-based time series forecast techniques to predict electric power demand. The result of analyzing the researches shows that the performance of the LSTM-based prediction model is acceptable, but it is not sufficient for long-term regional-wide power demand prediction. In this paper, we propose a WaveNet deep learning model to predict electric power demand 24-hour-ahead with temperature data in order to achieve the prediction accuracy better than MAPE value of 2% which statistical-based time series forecast techniques can present. First of all, we illustrate a delated causal one-dimensional convolutional neural network architecture of WaveNet and the preprocessing mechanism of the input data of electric power demand and temperature. Second, we present the training process and walk forward validation with the modified WaveNet. The performance comparison results show that the prediction model with temperature data achieves MAPE value of 1.33%, which is better than MAPE Value (2.33%) of the same model without temperature data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.205-205
• /
• 2016

우리나라의 겨울철 자연재해 중 대설에 의한 피해가 발생하는 빈도가 증가하고 있는 가운데 그 피해를 예측하고 대비하기 위한 연구들이 다수 진행되고 있다. 강설은 일단위로 측정하며, 매일 새롭게 내린 강설의 양인 최심신적설과 기존에 녹지 않고 쌓여 있던 깊이까지를 고려한 최심적설로 구분된다. 우리나라의 경우에는 갑작스럽게 내린 폭설에 의한 피해가 대부분이므로 최심신적설량을 예측하는 것이 매우 중요하다. 이에 본 연구에서는 다중회귀분석을 이용해 우리나라의 최심신적설량을 추정하기 위한 식을 개발하였다. 다중회귀분석을 위한 독립변수로는 해당 일에 예측된 강수량, 일평균기온, 일최고기온, 일최저기온을 사용하였으며, 강수량과 일평균기온의 상호작용을 고려할 수 있도록 모형을 구성하였다. 모형의 개발에는 전국 74개 기상관측소의 최심신적설 자료를 관측소 단위로 전체 자료의 2/3을 무작위로 추출하여 이용하였으며, 추출되지 않고 남은 1/3의 자료를 이용해 모형에 대한 검증을 실시하였다. 그 결과 상호작용항이 포함되지 않은 다중선형회귀모형에 비해 상호작용을 고려한 다중회귀모형의 예측력이 훨씬 우수하게 나타났다. 강수량과 기온이 정확하게 예측된다면 개발된 추정식을 이용해 간편하게 최심신적설량을 예측할 수 있어, 폭설에 대한 대비에 활용할 수 있을 것으로 판단된다.

• Proceedings of the Korean Environmental Sciences Society Conference
• /
• 2006.11a
• /
• pp.439-442
• /
• 2006

기후변화가 벚꽃과 같은 생물계절현상에 미치는 영향을 조사하고자, 벚꽃의 개화일과 기온과의 상관관계를 비교하여, 각 월별로 특히, 1월, 2월, 3월의 일평균기온, 일최저기온, 일최고기온의 월별 평균 기온과 벚꽃개화일의 비교에서 어느 것이 더 상관관계가 높은지를 보았다. 또한, 1950년대 이후로 크고 작은 엘니뇨의 발생은 13회 정도로 약 $2{\sim}5$년을 주기로 발생하였다. 엘니뇨현상은 남방진동 ENSO 등의 기상현상과 함께 발생한다. 엘니뇨가 발생한 해의 한반도는 겨울철 온도는 높아지고, 겨울철 강수량은 높아지는 경향이 있다. 이러한 엘니뇨현상이 1, 2, 3월의 기온에 어떤 영향을 준다면, 벚꽃의 개화일도 변화할 것이다. 위의 자료를 모두 비교해보고 이들 상호간의 영향관계를 알아낸다면, 앞으로 기온을 통한 벚꽃개화일의 예측이나, 반대로 벚꽃개화일을 통한 기온과 엘니뇨현상 등의 기후변화를 예측해 낼 수 있을 것으로 판단된다.

• The Journal of Bigdata
• /
• v.4 no.1
• /
• pp.29-38
• /
• 2019

In this paper, we propose a sales forecasting model that forecasts the sales volume of short sleeves and outerwear according to the temperature change by utilizing accumulated big data from the online shopping mall 'A' over the past five years to increase sales volume and efficient inventory management. The proposed model predicts sales of short sleeves and outerwear according to temperature changes in 2018 by analyzing sales volume of short sleeves and outerwear from 2014 to 2017. Using the proposed sales forecasting model, we compared the sales forecasts of 2018 with the actual sales volume and found that the error rates are ±1.5% and ±8% for short sleeve and outerwear respectively.