• Management & Information Systems Review
• /
• v.30 no.2
• /
• pp.237-255
• /
• 2011

This empirical study is focused on practical application of Range-Based Volatility which is estimated by opening, high, low, closing price of overall asset. Especially proper forecasting period is what I want to know. There is four useful Range-Based Volatility(RV) such as Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ). So, four RV of KOPSI 200 index during 2000.5.22-2009.9.18 was used for empirical test. The emprirical result as follows. First, the best RV which shows the best forecasting performance is PK volatility among PK, GK, RS, YZ volatility. According to estimating period forcasting performance of RV shows delicate difference. PK has better performance in the period with financial crisis of sub-prime mortgage loan. if not, RS is better. Second, almost result shows better performance on forecasting volatility without sub-prime mortgage loan period. so we can say that forecasting performance is lower when historical volatiltiy is comparatively high. Finally, I find that longer estimating period in AR(1) and MA(1) model can reduce forecasting error. More interesting point is that the result shows rapid decrease form 60 days to 90 days and there is no more after 90 days. So, if we forecast the volatility using Range-Based volaility it is better to estimate with 90 trading period or over 90 days.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.291-291
• /
• 2020

제주도는 강수의 지표침투성이 좋은 화산섬의 지질특성상 지표수의 개발이용여건이 취약한 관계로 용수의 대부분을 지하수에 의존하고 있다. 따라서 제주도는 정책 및 연구적으로 오랜 기간동안 지하수의 보전관리에 많은 노력을 기울여 오고 있다. 하지만 최근 기후변화로 인한 강수의 변동성 증가로 인해 지하수위의 변동성 또한 증가할 가능성이 있으며 따라서 지하수위의 급격한 하강에 대비하여 지하수위의 예측 및 지하수 취수량 관리의 필요성이 요구되고 있다. 지하수에 절대적으로 의존하고 있는 제주도의 수자원 이용 여건을 고려할 때, 지하수의 취수량 관리를 위한 지하수위의 실시간 예측이 필요한 실정이다. 하지만 기존의 예측방법에 의한 제주도 지하수위 예측기간은 충분히 길지 않으며 예측기간이 길어지면 예측성능이 낮아지는 문제점이 있었다. 본 연구에서는 이러한 단점을 보완하기 위해 딥러닝 알고리즘인 Long Short Term Memory(LSTM)를 활용하여 제주도 남동쪽 표선유역 중산간지역의 1개 지하수위 관측정에 대해 지하수위를 예측하고 분석하였다. R 기반의 Keras 패키지에 있는 LSTM 알고리즘을 사용하였고, 입력자료는 인근의 성판악 및 교래 강우관측소의 일단위 강수량자료와 인근 취수정의 지하수 취수량자료 및 연구대상 관측정의 지하수위 자료를 사용하였으며, 사용된 자료의 기간은 2001년 2월 11일부터 2019년 10월 31일까지 이다. 2001년부터 13년의 보정 및 3년의 검증용 시계열자료를 사용하여 매개변수의 보정 및 과적합을 방지하였고, 3년의 예측용 시계열자료를 사용하여 LSTM 알고리즘의 예측성능을 평가하였다. 목표 예측일수는 1일, 10일, 20일, 30일로 설정하였으며 보정, 검증 및 예측기간에 대한 모의결과의 평가지수로는 Nash-Sutcliffe Efficiency(NSE)를 활용하였다. 모의결과, 보정, 검증 및 예측기간에 대한 1일 예측의 NSE는 각각 0.997, 0.997, 0.993 이었고, 10일 예측의 NSE는 각각 0.993, 0.912, 0.930 이었다. 20일 예측의 경우 NSE는 각각 0.809, 0.781, 0.809 이었으며 30일 예측의 경우 각각 0.677, 0.622, 0.633 이었다. 이것은 LSTM 알고리즘에 의한 10일 예측까지는 관측 지하수위 시계열자료를 매우 적절히 모의할 수 있다는 것을 의미하며, 20일 예측 또한 적절히 모의할 수 있다는 것을 의미한다. 따라서 LSTM 알고리즘을 활용하면 본 연구대상지점에 대한 2주일 또는 3주일의 안정적인 지하수위 예보가 가능하다고 판단된다. 또한 LSTM 알고리즘을 통한 실시간 지하수위 예측은 지하수 취수량 관리에 활용할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1280-1284
• /
• 2004

본 논문에서는 월 댐유입량을 예측하는데 있어서 뉴로-퍼지 시스템의 적용성을 검토하였다. 뉴로-퍼지 알고리즘으로 퍼지이론과 신경망이론의 결합형태인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 이용하여 모형을 구성하였다. ANFIS의 공간분야에 의한 제어규칙의 선정에 있어 퍼지변수가 증가함에 따라 제어규칙이 기하급수적으로 증가하는 단점을 해결하기 위해 퍼지 클러스터링(Fuzzy flustering)방법 중 하나인 차감 클러스터링(Subtractive Clustering)을 사용하였다. 또한 본 연구에서는 기후인자들을 인력으로 하여 모형을 구성하였으며 각각 학습기간과 검정기간으로 나누어 학습기간에는 모형의 매개변수 최적화를, 검정기간에는 최적화된 모형의 매개변수를 검정하는 순으로 연구를 수행하였다. 예측 길과, ANFIS는 댐유입량 예측시 입력자료의 종류가 많아질수록 예측능력 더욱 정확한 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.413-413
• /
• 2022

본 연구에서는 통계적 방법으로 도출된 장기 기상예측정보를 이용하여 유역에서의 유출량 전망 가능성을 검토하였다. 먼저 한강권역의 월 강수량과 기온에 대해 글로벌 기후지수와의 원격상관성을 기반으로 다중회귀모형 기반의 통계적 예측모형을 구성하여 미래기간(1~12개월)에 대한 월 단위 기상예측정보를 도출하였다. 월 단위로 도출된 강수량과 기온은 통계적 상세화 기법을 통해 한강권역 주요 ASOS 관측소 지점별로 일 단위 강수량과 기온자료로 변환하였으며, 상세화된 일 자료를 유역모형인 SWAT의 입력자료로 활용하여 경안천 유역의 미래기간에 대한 유출량을 도출하였다. 유출량 예측성을 평가하기 위하여 과거기간(2003~2021년)을 대상으로 관측유출량과 예측기상정보로부터 산출된 예측유출량을 비교하였다. 각 월별로 예측된 유출량의 중앙값과 관측값의 적합도를 분석한 결과, PBIAS는 -5.2~-2.7%, RSR은 0.79~0.91, NSE는 0.34~0.38, r은 0.59~0.62로 강수량 및 기온의 예측성에 비해 낮게 나타났다. 전 기간에 대해 월별로 분석한 예측결과에 대한 3분위 확률은 5월, 6월, 7월, 9월, 11월은 평균 42.8%로 예측성이 충분한 것으로 나타났으나, 나머지 월에서의 평균 예측성은 17.3%로 매우 낮게 나타났다. 상세화된 기상정보를 이용하여 유역모델링을 통해 산정한 유출량에 대한 전망 결과는 기상예측결과에 비해 상대적으로 예측성이 낮은 것으로 분석되었다. 이는 관측값 자체에서 나타날 수 있는 불확실성에 기인할 수도 있으며, 유출량에 지배적인 영향을 주는 강수량의 예측성에 대한 문제가 유역 모델링 과정에서 증폭되어 나타나는 문제일 수도 있다. 또한 지점별 일 자료로 상세화되는 과정에서의 불확실성, 우리나라 여름철 유출량 변동성 등 여러 가지 요인이 복합적으로 영향을 주어 나타나는 것으로 생각된다. 향후 다양한 대상유역에 대한 검토와 기상예측모형의 보완, 상세화 과정에서의 불확실성 해소 등을 통해 예측성을 개선할 계획이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.310-310
• /
• 2019

본 연구에서는 기상청 ASOS(종관기상관측장비) 자료와 통계적 기반의 다중회귀분석모형을 이용하여 경안천 유역에 대한 봄철 강수량(3~5월 누적강수량)의 예측성을 평가하였다. 예측대상기간은 2006~2018년이며 예측인자로서 전국 96개 지점의 ASOS 자료 중 35개 기상요소에 대한 월 자료를 활용하였다. 전망기간(1~12개월)에 따라 강수량 기준 최소 1개월에서 최대 24개월까지의 지체시간을 고려하여 1~24개월 선행 ASOS 기상자료와 강수량 사이의 상관성을 분석하였다. 예측대상년도를 기준으로 과거 40년간의 자료를 이용하여 상관성 분석을 수행하였으며, 상관성이 높은 상위 30개 기상인자를 조합하여 다중회귀분석모형의 예측인자(독립변수)로 활용하였다. 예측대상년도와 전망기간에 따라 최적의 예측인자를 조합하고, 교차검증을 통하여 각각 4,000개의 다중회귀모형을 도출하여 예측범위를 산출하였다. 다중회귀모형에 의한 예측범위를 분석한 결과, 2013년 자료까지는 예측범위가 관측값을 잘 포함하고 예측값의 평균이나 중간값이 관측값과 유사하게 나타난 반면, 2014년부터는 전망기간에 따라 관측값과 예측범위의 차이가 크게 나타나는 경우도 있었다. 예측치의 중간값을 기준으로 3분위(평년 이상, 평년 수준, 평년 이하) 적중률을 분석하면, 2006~2013년에 대해서는 58.3%인 반면, 2014~2018년에 대해서는 11.2% 수준으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.33-33
• /
• 2022

팔당댐 유역은 수도권 2600만 인구의 상수원으로, 수도권 전체 물 소비량의 90.2%에 달하는 물을 공급하고 있어 중요성이 상당히 크다. 하지만 기후변화로 한반도에 극한기후의 발생 빈도가 증가하면서 미래 수자원 관리가 더욱 어려워질 전망이다. 이에 본 연구에서는 모형 구축을 통해 기후변화가 팔당댐 유역의 수자원에 미치는 영향을 정량적으로 평가하고자 하였다. 본 연구는 저수량이 높은 다목적댐이자 상류에 위치하는 소양강댐, 충주댐의 유역의 유입량을 수문모형인 VIC model로 모의하였다. 댐의 존재에 따른 하류의 유량 교란을 고려하기 위해 딥러닝 기반의 LSTM 예측 모형을 활용하였고 각 댐의 방류량을 예측하였다. 보정 기간(1986-2019), 검증 기간(2020)에 대한 방류량 예측 모형의 NSE는 0.9407, 0.6449로 높은 예측성능을 보였다. 팔당댐 유입량 예측에도 LSTM이 활용되었고 소양강댐, 충주댐의 방류량과 두 유역을 제외한 잔여유역의 기상변수인 강우량, 온도, 풍속이 입력되었다. 팔당댐 유입량 예측 모형의 NSE는 보정 기간(1986-2019), 검증 기간(2020)에 대해 각 0.9990, 0.7878로 유입량을 정확도 높게 예측하였다. 기후변화의 영향을 평가하기 위해 기상청에서 제공하는 RCP4.5의 상세화된 고해상도(1km) 미래 기상자료를 구축된 모형에 입력하여 미래의 팔당댐 유입량을 모의하였다. 모의 결과, 미래 기간에는 팔당댐 일 유입량의 변동성이 증가하면서 유황이 불안정해지고 극한에 해당하는 빈도 갈수량이 크게 감소하는 것으로 예측되었다. 따라서 극한기후로 인해 물 공급이 제한되는 재난 상황에 대비하여 물 공급에 대한 자립성을 높일 수 있는 새로운 물관리 정책이 필요할 것이다.

• Korean Journal of Construction Engineering and Management
• /
• v.7 no.4 s.32
• /
• pp.100-108
• /
• 2006

Non-working days affected by weather conditions of the construction-sites have been estimated without proper data. They are usually estimated based on project engineer's own experience and intuition. As a result, they cause not only economic loss to time-adjustment but also conflicts among project participants. It becomes more difficult to predict the weather nowadays than before due to tendency of recently weather change. Therefore, this paper presents an improved estimation method for non-working days, which could minimize estimation errors. The estimation method is developed based on analysis of regional characteristics and weather conditions which affect project duration.

• Journal of Digital Convergence
• /
• v.16 no.12
• /
• pp.293-299
• /
• 2018

The weather has a lot of influence on the cultivation of crops. Weather information on agricultural crop cultivation areas is indispensable for efficient cultivation and management of agricultural crops. Despite the high demand for agricultural weather, research on this is in short supply. In this research, we deal with the production method of agricultural weather in Jeollanam-do, which is the main production area of onions through GloSea5 and deep learning. A deep neural network model using the sliding window method was used and utilized to train daily weather prediction for predicting the agricultural weather. RMSE and MAE are used for evaluating the accuracy of the model. The accuracy improves as the learning period increases, so we compare the prediction performance according to the learning period and the prediction period. As a result of the analysis, although the learning period and the prediction period are similar, there was a limit to reflect the trend according to the seasonal change. a modified deep layer neural network model was presented, that applying the difference between the predicted value and the observed value to the next day predicted value.

• 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.

• Korean Journal of Construction Engineering and Management
• /
• v.13 no.1
• /
• pp.87-94
• /
• 2012

The apartment reconstruction projects have the proper functions such as residential environment improvement and the new housing allocation system; however, intention of the projects are distorted by the combination of factors, like failure of relocation of the original occupants and income redistribution, speculation in real estate, sharp rise in housing price, disputation between various interested parties, inadequate system and etc and it makes the projects unable to go well. Disputations and litigations are due to spread of the small conflict. As a result of the problems, it could not going smoothly and that lead to increase or stop the period and cost. This study is to estimate the period and cost using the conflict index so as to prevent and solve the problem which is among the conflict in the reverse functions. The conflict index has estimated focus on the conflict impact and the period and cost has been estimated using an variable independent including the conflict index. Also, estimated the conflict index and estimate of the period and cost are able to succeed with a minimum of disputation and money.