• Title/Summary/Keyword: 예측 기간

Search Result 2,192, Processing Time 0.033 seconds

Study on the Prediction of short-term Algal Bloom in Juksan weir Using the Model Tree (모델트리를 활용한 죽산보 단기조류예측에 관한 연구)

  • Lee, Bo-Mi;Yi, Hye-Suk;Chong, Sun-A;Joo, Yong-Eun;Kim, Ho-Joon;Choi, Kwang-Soon
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2018.05a
    • /
    • pp.450-450
    • /
    • 2018
  • 최근 기후변화와 수온상승으로 인한 녹조발생이 빈번하게 나타나며, 녹조발생에 관한 관심은 꾸준히 증가하고 있는 추세이다. 본 연구는 효율적인 녹조관리를 위하여 모델트리를 활용하여 클로로필-a 단기조류예측 기법을 개발하였다. 대상지역으로 영산강수계의 죽산보를 선정하였으며, 2013년 1월부터 2016년 12월까지 나주 수질자동측정망의 일 단위자료와 동일기간 광주 기상청의 일별 기상자료를 이용하였다. 상관 분석을 통해 T-N, T-P, N/Pratio와 클로로필-a, 수온, 일사량, 강수량을 독립변수로, 단기(t+1일, t+3일, t+5일, t+7일) 클로로필-a를 종속변수로 선정하여 단기조류예측기법을 개발하였다. 수집한 자료의 데이터세트는 격일 간격으로 Training, Testing 기간으로 구분하여 적용한 결과, 상관계수는 1일 예측 시, Training 기간에 0.89, Testing 기간에 0.91, 3일 예측 시, Training 기간에 0.74, Testing 기간에 0.68, 5일 예측 시, Training 기간에 0.70, Testing 기간에 0.66, 7일 예측 시, Training 기간에 0.63, Testing 기간에 0.62로 나타났다. RMSE(Root Mean Square Error)는 1일 예측 시, Training 기간에 13.96, Testing 기간에 12.22, 3일 예측 시, Training 기간에 20.03, Testing 기간에 22.14, 5일 예측 시, Training 기간에 21.32, Testing 기간에 22.57, 7일 예측 시, Training 기간에 23.52, Testing 기간에 23.45로 나타났다. 예측주기에 따라 모델트리와 회귀식에서 활용한 독립변수는 1일 예측 시, 모델트리는 N/Pratio, 클로로필-a, 회귀식은 클로로필-a로 다르게 나타났다. 반면, 3일, 5일, 7일 예측 시, 모델트리와 회귀식에 활용된 변수는 같게 나타났다. 클로로필-a, 수온, 일사량은 5일 예측 시 활용된 변수로, 3일 예측 시에는 기상항목인 강수량이, 7일 예측 시에는 수질항목인 T-N, N/Pratio가 추가되었다. 특히 1일 예측 시 일 때, 높은 예측정도와 활용된 변수의 수가 적게 나타나는 것을 확인하였으며, 예측기간이 길어질수록 예측의 정확성이 낮아지고, 활용된 변수의 수가 많아지는 것을 확인하였다. 향후 적정한 예측기간을 판단하고 예측가능성을 높이기 위해서는 지속적인 자료취득 및 개선이 필요하며, 이를 바탕으로 적절한 단기조류예측이 가능할 것으로 판단된다.

  • PDF

A Study on the Influence of Prediction and Scenario Periods for the Reliability of Ensemble Streamflow Prediction (예측 및 시나리오 기간이 앙상블 유량예측의 신뢰도에 미치는 영향 검토)

  • Kang, Tae-Ho;Kim, Chung-Soo;Kim, Nam-Won
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2010.05a
    • /
    • pp.1279-1283
    • /
    • 2010
  • 미국의 경우 1994년 발생한 대홍수(Great Flood)에 대해 사건조사를 수행하면서 예측에 포함되는 불확실성 정도를 제공하지 못하는 확정적 예측의 위험성 및 확률유량예측에 대한 필요성이 부각되었으며, 앙상블 유량예측(Ensemble Streamflow Prediction, ESP) 기법을 활용한 확률유량예측 방안에 대해 지속적으로 연구가 수행되고 있다. 국내에서도 확률예측에 대한 필요성이 인식되면서 기존 국외 연구사례를 토대로 국내 환경에 적용 가능한 방안에 대한 연구가 진행되었으며, 중장기 앙상블 유량예측의 경우 현업에서 다양한 형태로 활용되고 있다. 앙상블 유량예측의 기본이론은 예측시점의 초기조건 하에서 예측기간에 발생 가능한 기상 앙상블 시나리오를 수문모형의 입력자료로 사용하여 불확실성 범위를 설명 가능한 유량 앙상블을 모의하는 기법이다. 이러한 이론적 단순함 때문에 쉽게 현업의 유량예측 시스템 내에서 사용할 수 있다는 장점이 있으나, 동시에 기법적 특성으로 인하여 유량예측의 신뢰도가 현업에서 활용되기 어려울 정도로 낮아지는 관계로, 이러한 한계점을 극복하기 위해 그동안 기상자료 및 수문모형으로 인한 불확실성 저감에 대한 연구가 수행되었다. 하지만 예측 및 시나리오 기간의 잘못된 설정으로 기존의 불확실성 저감을 위한 연구의 적용에도 불구하고 앙상블 유량예측의 신뢰도가 오히려 낮아질 수 있으므로, 본 연구는 시나리오 기간에 따른 오차의 양상과 예측기간의 증가에 따른 초기조건의 영향을 분석하여 앙상블 유량예측의 기법적 특성 하에서 신뢰도 높은 예측을 기대할 수 있는 예측 및 시나리오 기간을 제안하였다.

  • PDF

Forecasting monthly precipitation of Gyeongan-cheon watershed using teleconnection with global climate indices (글로벌 기후지수와의 원격상관을 이용한 경안천 유역의 월 강수량 예측)

  • Kim, Chul-gyum;Lee, Jeongwoo;Lee, Jeong Eun;Kim, Nam-won;Kim, Hyeonjun
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2019.05a
    • /
    • pp.314-314
    • /
    • 2019
  • 가뭄대응 및 이수분야 활용을 위한 장기 기상예측정보 확보를 위해, 경안천 유역을 대상으로 전구기후지수의 원격상관 패턴을 이용하여 통계적 기반의 다중회귀모형을 구성하고 월 강수량의 예측가능성을 평가하였다. 예측인자로서 미국 NOAA에서 제공하는 기후지수 중 총 37개의 지수에 대해 1948~2018년의 월 자료를 이용하였으며, 예측대상인 경안천 월 강수량은 1966~2018년의 유역평균 강수량 자료를 활용하였다. 각 기후지수별 1~24개월 선행자료와 예측대상년도 월 강수량과의 상관분석을 통해 상관성이 높은 기후자료를 선별하여 다중회귀모형의 독립변수로 적용하였다. 예측대상년도를 기준으로 과거 40년의 자료(월 강수량 및 월 기후지수)를 보정자료와 검정자료로 구분(20년씩 무작위로 추출)하고, 보정기간에 대해 도출된 회귀모형 중 검정기간을 대상으로 예측성이 좋은 100개의 회귀모형을 선별하여 예측대상기간에 대한 예측모형으로 활용하였다. 2006~2018년에 대해 전망기간별(1개월, 3개월, 6개월, 12개월)로 각 월별 100개 회귀모형으로 부터의 예측값(예측치의 범위)이 실제 관측치를 포함하는 경우를 월별로 분석한 결과 10월이 가장 높고(83%), 11월(81%), 1월(79%), 8월(77%), 6월(75%), 12월(71%)의 순으로 높게 나타났으며, 상대적으로 7월(29%)과 3월(44%)의 예측성이 낮은 것으로 나타났다. 통계적 모형의 특성상 전망기간에 따른 예측의 정확도는 비례하지 않았다. 예측치의 편차는 크지 않지만 예측성이 낮게 나타나는 기간(3월, 2월)과 예측성은 높지만 예측범위가 크게 나타나는 기간(8월, 6월)에 대해서는 예측모형의 재검토 및 다양한 규모의 유역에 대한 적용을 통해 예측인자 추가 및 보완 등을 수행할 예정이다.

  • PDF

Prediction of spring precipitation in the Geum River basin using global climate indices and artificial neural network model (글로벌 기후지수와 인공신경망모형을 이용한 금강권역의 봄철 강수량 예측)

  • Chul-Gyum Kim;Jeongwoo Lee;Hyeonjun Kim
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2023.05a
    • /
    • pp.292-292
    • /
    • 2023
  • 본 연구에서는 인공신경망을 이용한 통계적 모형을 구성하여 금강권역의 봄철(3~5월) 강수량 예측을 수행하였다. 통계적 모형의 예측인자로서는 NOAA 등에서 제공하는 AAO, AMM, AO 등 36종의 기후지수와 대상권역인 금강권역의 강수량, 기온 등의 기상인자 8종 등 총 44종의 기후지수를 활용하였다. 예측대상기간을 기준으로 선행기간(1~18개월)에 따른 상관성을 분석하여 상관도가 높은 10개의 기후지수를 예측인자로 선정하였다. 예측모형 형태는 10개의 입력층과 1개의 은닉층으로 되어 있는 인공신경망모형을 구성하였다. 모형 구성과정에서의 불확실성을 최소화하고 예측모형의 적합도를 높이기 위해 예측대상기간을 기준으로 과거 40년간의 자료에 대해 임의로 20년간 자료를 선별하여 모형을 구성하고, 너머지 기간에 대해 검증하는 무작위 교차검증을 반복하여, 예측대상기간 및 예측시점에 따라 각각 적합도가 높은 1000개의 예측모형을 선별하였다. 과거기간(1991~2022년)을 대상으로 예측시점에 따라 각 연도별 1000개의 예측결과를 도출하여, 실제 해당년도의 관측값과의 비교를 통해 예측성을 분석하였다. 예측성은 크게 예측치의 최대값과 최소값 범위 및 예측치의 25%~75% 범위 안에 관측치가 포함될 확률, 그리고 과거 관측값의 3분위 구간을 기준으로 한 예측확률 등을 평가하였다. 관측치가 예측치의 범위 안에 포함될 확률은 평균 87.5%, 예측치의 25~75% 범위 안에 포함될 확률은 30.2%로 나타났으며, 3분위 예측확률은 35.6%로 분석되었다. 관측값과의 일대일 비교는 정확도가 떨어지지만 3분위 예측확률이 33.3% 이상인 점으로 볼 때 예측성은 확보된다고 볼 수 있다. 다만, 우리나라 강수량의 불규칙성과 통계적 모형 특성상 과거 관측되지 않은 패턴에 대해서는 예측이 어려운 문제가 있어, 특정년도의 예측결과가 관측치를 크게 벗어나는 경우도 종종 나타나고 있다.

  • PDF

Prediction of KRW/USD exchange rate during the Covid-19 pandemic using SARIMA and ARDL models (SARIMA와 ARDL모형을 활용한 COVID-19 구간별 원/달러 환율 예측)

  • Oh, In-Jeong;Kim, Wooju
    • Journal of Intelligence and Information Systems
    • /
    • v.28 no.4
    • /
    • pp.191-209
    • /
    • 2022
  • This paper is a review of studies that focus on the prediction of a won/dollar exchange rate before and after the covid 19 pandemic. The Korea economy has an unprecedent situation starting from 2021 up till 2022 where the won/dollar exchange rate has exceeded 1,400 KRW, a first time since the global financial crisis in 2008. The US Federal Reserve has raised the interest rate up to 2.5% (2022.7) called a 'Big Step' and the Korea central bank has also raised the interested rate up to 2.5% (2022.8) accordingly. In the unpredictable economic situation, the prediction of the won/dollar exchange rate has become more important than ever. The authors separated the period from 2015.Jan to 2022.Aug into three periods and built a best fitted ARIMA/ARDL prediction model using the period 1. Finally using the best the fitted prediction model, we predicted the won/dollar exchange rate for each period. The conclusions of the study were that during Period 3, when the usual relationship between exchange rates and economic factors appears, the ARDL model reflecting the variable relationship is a better predictive model, and in Period 2 of the transitional period, which deviates from the typical pattern of exchange rate and economic factors, the SARIMA model, which reflects only historical exchange rate trends, was validated as a model with a better predictive performance.

A Study of Construction Duration Predicting Method for Mega Project (메가프로젝트 사업초기단계 사업기간 예측 방법에 관한 연구)

  • Woo, Yu-Mi;Lee, Seung-Hoon;Lee, Hei-Duck;Seo, Yuong-Chil
    • Proceedings of the Korean Institute Of Construction Engineering and Management
    • /
    • 2008.11a
    • /
    • pp.597-600
    • /
    • 2008
  • Recently, Several Mega project are been performing as a multi-dimensional development project in Korea, but some problem has been revealed about deficiency of the history, experience, and skill. A multi-dimensional development project require the technology which can manage mega project to its specific at the level of program management. predicting schedule and schedule management are the most important for mega project, been performing over several years. This research shows the method of predicting and planning schedule in the early stage as a pre-study on developing a technology of schedule management. First of all, it presents the development of database considering the specific of mega project that can accumulate the history of schedule and search the schedule according to the type of single and multi building. Also it suggests the method of prediction schedule by creating scenarios according to owner requirements and cash flow, affecting schedule management in the early stage, and the shortening possibility of schedule duration using CCPM theory.

  • PDF

Sales Forecasting for Inventory Control on Seasonal fashion product (계절유행상품 재고관리를 위한 판매예측)

  • 안봉근
    • Proceedings of the Korean Operations and Management Science Society Conference
    • /
    • 2002.05a
    • /
    • pp.953-959
    • /
    • 2002
  • 계절유행상품의 수요는 연중 성수기가 길지 않고 매년 유행과 제품디자인 변화가심한 경향이 있어 수요예측에 과거의 판매정보의 유용성이 크지 않다. 성수기 초반의 수요가 연간 수요결정에 매우 중요하며 후반부수요가 급격히 감소하는 특성이 있다. 반면 이월상품의 잔존가치가 매우 낮지만 매출마진이 높아 수요예측의 정확도에 따라 수익률이 큰 영향을 받는다. 이러한 이유로 기존의 수요예측방법을 계절상품에 적용하기에 무리가 따르며 예측오차의 비용이 매우 커서 계절상품 관리에 이용할 수 없다. 본 연구에서 성수기를 하위기간으로 구분하여 시즌 초반부 수요발생시점을 측정하여 초반부 기간별수요량을 구하고 이를 근거로 기간 누적수요비율을 quantile regression에 의거 추정하여 기간별 수요량과 전제 수요량을 예측하는 방법을 제시하고 모의자료를 사용하여 이 모형의 우수성을 평가하였다.

  • PDF

A Study of Improvement of a Prediction Accuracy about Wind Resources based on Training Period of Bayesian Kalman Filter Technique (베이지안 칼만 필터 기법의 훈련 기간에 따른 풍력 자원 예측 정확도 향상성 연구)

  • Lee, Soon-Hwan
    • Journal of the Korean earth science society
    • /
    • v.38 no.1
    • /
    • pp.11-23
    • /
    • 2017
  • The short term predictability of wind resources is an important factor in evaluating the economic feasibility of a wind power plant. As a method of improving the predictability, a Bayesian Kalman filter is applied as the model data postprocessing. At this time, a statistical training period is needed to evaluate the correlation between estimated model and observation data for several Kalman training periods. This study was quantitatively analyzes for the prediction characteristics according to different training periods. The prediction of the temperature and wind speed with 3-day short term Bayesian Kalman training at Taebaek area is more reasonable than that in applying the other training periods. In contrast, it may produce a good prediction result in Ieodo when applying the training period for more than six days. The prediction performance of a Bayesian Kalman filter is clearly improved in the case in which the Weather Research Forecast (WRF) model prediction performance is poor. On the other hand, the performance improvement of the WRF prediction is weak at the accurate point.

Comparison of Coal Procurement Strategies Using Forecasting Models (예측모형을 활용한 유연탄 구매전략의 효과분석)

  • Yun, Won-Cheol
    • Environmental and Resource Economics Review
    • /
    • v.16 no.2
    • /
    • pp.337-361
    • /
    • 2007
  • Using the sample of bituminous coal prices, this study calculates the cash flows of selective procurement strategies compared to the previous routine procurement strategies, and analyzes the revenue-improvement and revenue-stabilization effects of different procurement strategies. In empirical analyses, these effects of routine and selective procurement strategies are compared by forecasting model and forecasting period. The revenue-improvement and revenue-stabilization effects are analyzed to compare the distribution of return flows, that is the means and standard deviations of procurement revenue flows. The revenue-improvement and revenue-stabilization effects of selective procurement strategies compared to the previous routine procurement strategies are as follows. Compared with routine procurement strategies, the selective procurement strategies turn out to yield higher means of returns (except for some forecasting periods and models). On the contrary, the standard deviations of returns decrease. With longer forecasting periods, the amounts of increases in the means become larger, but the degrees of decreases in the standard deviations vary. Although there exist some variations, some forecasting models outperform the others in terms of means and standard deviations.

  • PDF

신경망을 사용한 매도/매수 주식 종목 선정

  • 임도형;이일병
    • Proceedings of the Korean Operations and Management Science Society Conference
    • /
    • 2000.04a
    • /
    • pp.247-250
    • /
    • 2000
  • 주가는 시계일 데이터의 일종으로 많은 변수들이 주가의 변동에 영향을 미친다. 그러나 몇 개의 어떠한 변수가, 어떻게 영향을 미치는 지 정확히 알려져 있지 않다. 그렇기 때문에 주가를 예측하는 것은 쉽지 않으며 단지 등락을 예측하는 것 조차도 쉽지 않다. 본 논문에서는 주가를 신호와 잡음이 혼합된 것으로 가정하고 그 특성을 고려하여, 전 종목에 대한 등락을 예측하지 않고, 예측율이 높은 종목을 선정하는 것을 목표로 하였다. MLP를 BP로 학습시켰으면 입력으로는 28개의 주가분석 지표값이 사용되었다. 여러 예측 기간으로 실험하였으며, 예측기간이 60일일 때 77.1%의 예측율을 보였고 선정된 종목의 등락 예측율은 88%였다.

  • PDF