• Proceedings of the KIEE Conference
• /
• 2001.11b
• /
• pp.51-53
• /
• 2001

전력 수요 예측은 전력 수급 안정과 양질의 전력을 공급하기 위한 필수 기법이며 경쟁적인 전력시장에서 전력요금과 밀접한 관련이 있다. 그러므로, 경쟁적인 전력시장 구조하의 시장 참여자에게 있어서 전력 수요 예측은 매우 관심 있는 사항이다. 최근의 전력 수요 예측 기법으로 예측한 오차율을 살펴보면 평일과는 다르게 특수일의 전력 수요예측은 평균 5%를 상회하는 수준으로 예측의 정확도가 평일 예측에 비해 크게 낮은데 이유는 특수일이 평일에 비하여 부하의 크기가 다소 낮게 나타나고 특수일 마다 계절적인 차이가 있으며 각각의 특수일 마다 고유한 부하의 특성이 있으므로 과거 데이터를 이용할 때 동일 특수일을 이용하게 되며 따라서 평일과는 다르게 일년 단위로 과거 데이터 값들이 취득되므로 오차율이 커진다. 따라서 데이터들을 퍼지화하여 선형계획법을 수행하여 평균 $2{\sim}3%$ 정도의 우수한 결과를 도출한 바 있다. 본 논문에서는 퍼지 선형회귀분석법을 이용한 예측 기법에 최소자승법을 도입하여 특수일 전력 수요예측의 정확도를 개선하였다.

• Journal of the Korea Safety Management & Science
• /
• v.15 no.4
• /
• pp.311-315
• /
• 2013

본 논문에서는 주성분 회귀법과 부분최소자승 회귀법을 비교하여 보여준다. 이 비교의 목적은 선형형태를 보유한 근적외선 분광 데이터의 분석에 사용할 수 있는 적합한 예측 방법을 찾기 위해서이다. 두 가지 데이터 마이닝 방법론인 주성분 회귀법과 부분최소자승 회귀법이 비교되어 질 것이다. 본 논문에서는 부분최소자승 회귀법은 주성분 회귀법과 비교했을 때 약간 나은 예측능력을 가진 결과를 보여준다. 주성분 회귀법에서 50개의 주성분이 모델을 생성하기 위해서 사용지만 부분최소자승 회귀법에서는 12개의 잠재요소가 사용되었다. 평균제곱오차가 예측능력을 측정하는 도구로 사용되었다. 본 논문의 근적외선 분광데이터 분석에 따르면 부분최소자승회귀법이 선형경향을 가진 데이터의 예측에 가장 적합한 모델로 판명되었다.

• Journal of IKEEE
• /
• v.13 no.1
• /
• pp.30-35
• /
• 2009

A new controller which can achieve the asymptotic tracking is proposed for the nonlinear system having a uncertainty in the input coefficient. A high gain observer is used to estimate the state variables when the nonlinear system has a modeling uncertainty. A variable structure control is used to achieve an asymptotic tracking, while ultimate boundness was achieved in the previous work. A Lyapunov analysis is used to justify the our proposal. The performance of proposed method is demonstrated via simulation.

• Journal of Digital Convergence
• /
• v.10 no.9
• /
• pp.357-362
• /
• 2012

We have compared and predicted for non-linear time series data which are real data having different variences using GRCA(1) model and neural network method. In particular, using Korea Composite Stock Price Index rate, mean square errors of prediction are obtained in genaralized random coefficient autoregressive model and neural network method. Neural network method prove to be better in short-term forecasting, however GRCA(1) model perform well in long-term forecasting.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.32 no.1B
• /
• pp.9-20
• /
• 2012

Recently to overcome limitations of conceptual, hydrological and physics based models for flood stage forecasting, multiple linear regression model as one of data-driven models have been widely adopted for forecasting flood streamflow(stage). The objectives of this study are to compare performance of different multiple linear regression models according to regression coefficient estimation methods and determine most effective multiple linear regression flood stage forecasting models. To do this, the time scale was determined through the autocorrelation analysis of input data and different flood stage forecasting models developed using regression coefficient estimation methods such as LS(least square), WLS(weighted least square), SPW(stepwise) was applied to flood events in Jungrang stream. To evaluate performance of established models, fours statistical indices were used, namely; Root mean square error(RMSE), Nash Sutcliffe efficiency coefficient (NSEC), mean absolute error (MAE), adjusted coefficient of determination($R^{*2}$). The results show that the flood stage forecasting model using SPW(stepwise) parameter estimation can carry out the river flood stage prediction better in comparison with others, and the flood stage forecasting model using LS(least square) parameter estimation is also found to be slightly better than the flood stage forecasting model using WLS(weighted least square) parameter estimation.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.21 no.7
• /
• pp.61-67
• /
• 2007

The load forecasting has been an important part of power system Accordingly, it has been proposed various methods for the load forecasting. The load patterns of the special days is quite different than those of ordinary weekdays. It is difficult to accurately forecast the load of special days due to the insufficiency of the load patterns compared with ordinary weekdays, so we have proposed fuzzy least squares linear regression algorithm for the load forecasting. In this paper we proposed four models for fuzzy least squares linear regression. It is separated by coefficients of fuzzy least squares linear regression equation. we compared model of H1 with H4 and prove it H4 has accurately forecast better than H1.

• Tunnel and Underground Space
• /
• v.19 no.6
• /
• pp.558-566
• /
• 2009

Time-dependent behavior is a basic mechanical property of rocks. Predicting the failure time of rock structures by analyzing the time-dependent characteristic is important and problematic. It is tried to predict the failure time of tunnel, slope & laboratory creep test specimen from measured displacement(or strain) and rate with relationship suggested by Voight($\ddot{\Omega}=A\dot{\Omega}^\alpha$, where $\Omega$ is a measurable quantity such as strain & displacement and A & $\alpha$ are constants). A & $\alpha$ are estimated through applying the nonlinear least square method to the single and double integrated Voight's equations and utilized to predict the failure time. Predicted failure time is in accordance with real one except minor error. Linear inverse rate method applied to creep strain and rate yields a poor linear correlation of data and precision of predicted failure time is not better than methods using strain and rate.

• The Journal of the Acoustical Society of Korea
• /
• v.3 no.2
• /
• pp.46-58
• /
• 1984

본 논문은 한국어 음성 인식을 위한 유성음, 무성음, 묵음 식별에 관한 연구이다. 주어진 음성 구간을 3가지 음성 신호 부류로 식별하기 위하여 패턴 인식 방법을 사용하였다. 여기에 사용한 분석 파 라메타는 음성 신호의 영교차율, 대수 에너지, 정규화 된 첫 번째 자동 상관 계수, 선형 예측 분석에서 얻은 첫 번째 예측 계수, 그리고 예측 오차의 에너지이다. 한편 측정된 파라메타들이 다차원 가우스 확 률 밀도 함수에 따라 분산되었다는 가정하에서 어어진 최소 거리 법칙에 기본을 두고 음성 구간을 결정 하였다. 측정된 파라메타들을 여러 가지 방법으로 조합하여 식별한 결과 영교차율, 첫 번째 예측계수, 예측 오차의 에너지를 측정 파라메타로 사용했을 때 1%보다 적은 식별 오차율을 얻었다.

• Journal of KIISE:Databases
• /
• v.33 no.3
• /
• pp.261-270
• /
• 2006

Positional data of moving objects can be regularly sampled in order to minimize the cost of data collection in LBS. Since position data which are regularly sampled cannot include the changes of position occurred between sampling periods, sampled position data differ from the data predicted by a time parameterized linear function. Uncertain position data caused by these differences make the accuracy of the range queries for present positions diminish in the TPR tree. In this paper, we propose the uncertainty region to handle the range queries for uncertain position data. The uncertainty region is defined by the position data predicted by the time parameterized linear function and the estimated uncertainty error. We also present the weighted recent uncertainty error policy and the kalman filter policy to estimate the uncertainty error. For performance test, the query processor based by the uncertainty region is implemented in the TPR tree. The experiments show that the Proposed query processing methods are more accurate than the existing method by 15%.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.608-609
• /
• 2011

전력수요 예측 오차가 큰 추석 연휴 및 전, 후일 전력수요 예측의 정확성을 향상시키기 위해 과거 추석 연휴 및 전, 후일에 대한 전력수요 특성을 분석하고 최대/최소 전력 예측을 위한 퍼지 입력데이터 선정 방법과 24시간 예측을 위한 정규화에 필요한 입력 데이터 선정방법을 개발하여 퍼지 선형회귀분석 모델을 사용하여 2006년에서 2010년까지 5개년의 사례연구를 통해 알고리즘의 우수성을 검증하였다.