• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• 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.

• 자원ㆍ환경경제연구
• /
• 제29권4호
• /
• pp.419-442
• /
• 2020

우리나라 도시가스 수요는 난방수요에 기인한 뚜렷한 동고하저의 계절성을 보이며, 기온에 따른 민감도는 시간에 따라 변화하는 것으로 나타났다. 본 연구에서는 시간에 따라 변화하는 계절성을 효과적으로 모형하기 위해서 시간변동 기온반응함수 개념을 도입하여 이를 해당 일의 기온분포로 적분하여 기온에 따른 수요변동을 추정한다. 또한 기상청에서 발표하는 향후 10일의 도시별 기온 예측치를 체계적으로 반영하여 도시가스 수요를 예측하는 방법론을 개발하였다. 평년기온분포를 사용한 것에 비해서 함수적 방법론을 이용하여 기상청의 기온 예측치를 기온분포예측치로 변환하여 예측했을 때 기온분포의 예측 오차율은 2배, 도시가스 수요의 예측 오차는 5배 가까이 감소하는 것을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• 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.

• 응용통계연구
• /
• 제32권5호
• /
• pp.703-720
• /
• 2019

최근 빈번하게 발생하는 이상기온과 기후변화로 인하여 전력수요의 변동성이 커지고 있으며 기온 영향의 증가와 함께 기온변화에 대한 전력수요의 반응은 비선형성과 비대칭성으로 나타나고 있다. 정부 에너지 정책의 변화와 4차 산업혁명의 전개에 따라 기온 효과를 보다 정확하게 추정하고 예측하는 것은 안정적 전력수급 관리를 위하여 중요한 과제이다. 본 연구는 기온변화에 대한 전력수요의 비선형적 반응에 대하여 부분선형모형을 이용하여 분석하고자 한다. 기온변화와 전력수요의 비선형·비대칭적 관계를 측정하기 위하여 Robinson의 double residual 준모수적 추정과 스플라인 추정을 적용하였다. 기상변수와 전력 소비에 대한 시간 단위 고주기 자료를 사용하여 부분선형모형으로 추정한 기온변화와 전력 소비의 관계는 기존 모수적 모형과는 다른 비선형성과 비대칭성을 갖고 있음을 확인하였다. 부분선형모형을 이용하여 얻은 전력수요에 대한 표본내·표본외 예측은 이차함수 모형과 냉난방도일 모형과 비교하여 우수한 예측력을 보였다. Diebold-Mariano 검정결과, 부분선형모형에서 얻은 예측력 향상은 통계적으로 유의하였다.

• 한국방재안전학회논문집
• /
• 제13권2호
• /
• pp.27-38
• /
• 2020

최근 국내에서는 다양한 이상기후들이 발생하고 있으며 이로 인해 인명피해, 재산피해와 같은 큰 피해들이 발생하고 있다. 그 중에서도 폭염으로 인한 피해는 점점 증가하는 경향을 보인다. 이에 대처하기 위해서는 빠르고 정확한 기온 및 폭염발생여부 예측이 필수적이다. 현재 기상청에서는 폭염에 대한 정보를 단기예보를 통해 제공하는데, 단기예보를 위한 기온예측은 수치예보모델을 통해 수행된다. 과거 15년간(1998~2012년) 인구대비 폭염 사망률이 가장 높았던 ◯◯군에 대하여 2019년도 기온 예보자료와 관측 자료를 비교한 결과, 평균제곱근오차가 1.57℃ 발생하였고, 관측 값이 33℃이상에 해당하는 데이터만 비교한 결과, 평균제곱근오차가 1.96℃ 발생하였다. 예보시간은 4시간이고 예보과정에는 약 3~4시간이 소요된다. 이에 본 연구에서는 소요시간과 예측 정확도를 고려하여, 기계학습방법의 일종인 LSTM을 이용한 기온 및 폭염발생 예측 방법론을 제시한다. 기계학습모델을 이용한 4시간 기온예측결과 1.71℃의 평균제곱근오차가 발생하였고, 관측 값이 33℃ 이상에 해당하는 데이터만 비교한 결과 1.39℃의 평균제곱근오차가 발생하였다. 전 범위의 오차는 수치예보모델이 더 작은 값을 가지지만, 33℃이상의 경우에는 기계학습모델 예측의 정확도가 더 높았다. 또한 수치예보를 이용한 경우 예상 소요시간이 4시간가량인 반면 기계학습을 이용한 기온예측에는 평균 9분26초의 시간이 소요되어 경제적이라 판단하였다. 향후 공간적인 범위를 확대하거나 대상 지역을 변경하는 일반적인 방안에 대해서 연구를 수행하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권7호
• /
• pp.307-314
• /
• 2022

최근 전력수요를 예측하기 위해 통계기반 시계열 분석 기법을 대체하기 위해 딥러닝 기법을 활용한 연구가 활발히 진행되고 있다. 딥러닝 기반 전력수요 예측 연구 결과를 분석한 결과, LSTM 기반 예측 모델의 성능이 우수한 것으로 규명되었으나 장기간의 지역 범위 전력수요 예측에 대해 LSTM 기반 모델의 성능이 충분하지 않음을 확인할 수 있다. 본 연구에서는 기온 데이터를 반영하여 24시간 이전에 전력수요를 예측하는 WaveNet 기반 딥러닝 모델을 개발하여, 실제 사용하고 있는 통계적 시계열 예측 기법의 정확도(MAPE 값 2%)보다 우수한 예측 성능을 달성하는 모델을 개발하고자 한다. 먼저 WaveNet의 핵심 구조인 팽창인과 1차원 합성곱 신경망 구조를 소개하고, 전력수요와 기온 데이터를 입력값으로 모델에 주입하기 위한 데이터 전처리 과정을 제시한다. 다음으로, 개선된 WaveNet 모델을 학습하고 검증하는 방법을 제시한다. 성능 비교 결과, WaveNet 기반 모델에 기온 데이터를 반영한 방법은 전체 검증데이터에 대해 MAPE 값 1.33%를 달성하였고, 동일한 구조의 모델에서 기온 데이터를 반영하지 않는 것(MAPE 값 2.31%)보다 우수한 전력수요 예측 결과를 나타내고 있음을 확인할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• 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.

• 한국환경과학회:학술대회논문집
• /
• 한국환경과학회 2006년도 추계 학술발표회 발표논문집
• /
• 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.

• 한국빅데이터학회지
• /
• 제4권1호
• /
• pp.29-38
• /
• 2019

본 연구에서는 판매량 증대와 효율적인 재고 관리를 위해 지난 5년간 온라인 쇼핑몰 'A'에서 누적된 빅데이터를 활용하여 기온 변화에 따른 반팔 티셔츠와 아우터웨어(outer wear)의 판매량을 예측하는 판매 예측 모델을 제안한다. 제안한 모델은 2014년부터 2017년도까지 기온 변화에 따른 반팔 티셔츠와 아우터웨어의 판매량을 분석하여 2018년 기온 변화에 따른 반팔티셔츠와 아우터웨어의 판매량을 예측한다. 제안한 판매 예측 모델을 사용하여 반팔티셔츠와 아우터웨어의 판매량 예측값과 실제 2018년 판매량을 비교 분석한 결과 반팔티셔츠와 아우터웨어의 예측 오차율은 각각 ±1.5%와 ±8%를 나타내었다.