• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.283-285
• /
• 2000

본 논문에서는 계량경제학적인 유가예측 모형과 전문가시스템을 결합한 중장기 유가예측 시스템을 설계 및 구현하였다. 즉, 계량 데이터를 기초로 유가예측 모형을 구성하고, 산유국 동향과 OPEC 정책 등과 같은 비계량적인 요인에 대한 실무자의 경험적인 지식은 지식베이스로 구축함으로써, 유가예측과 관련된 다양한 요인들을 폭넓게 고려할 수 있는 통합된 시스템을 개발하였다. 유가예측 모형으로는 수급과 대표 유종의 유가예측을 위한 동태적 선형연립 모형과 유종간 가격차를 예측하기 위한 Fully Modified 공적분 회귀분석 모형을 구성하였으며, 유가예측 모형에서 반영하기 어려운 산유국 동향, OPEC 정책, 선물시장 동향 등은 실무자의 경험적인 지식을 바탕으로 시스템 예측변수로 설정하여 유가예측에 반영되도록 지식베이스를 구축하였다. 또한, 본 시스템은 유가예측 이외에 석유 수급을 전망하고, 유가 및 수급과 관련된 관련 다양한 정보를 제공하고 관리하는 기능을 제공한다.

• Journal of Korean Society of Transportation
• /
• v.16 no.4
• /
• pp.153-166
• /
• 1998

본 연구에서는 도시 가로망에서의 구간 통행시간을 예측하기 위하여 time-frequency 분석의 일종인 웨이브렛변환과 RBF신경망 모형을 이용한 예측모형을 개발하였다. 웨이브렛 변환을 이용한 시계열 자료 분석을 통해서 통행시간에 내재되어 있는 다양한 패턴의 특징을 추출함으로써 오전/오후의 첨두현상, 신호교차로의 현시주기 등 주기적으로 발생되는 요인들에 의해서 통행시간 시계열 자료의 패턴에 나타나는 규칙성을 분석해 내었다. 분석된 패턴정보에 대한 규명은 카오스 이론을 근간으로한 시간지연좌표를 이용하여 시계열 자료의 규칙성을 시각적으로 판별하여 예측모형 구축에 활용하도록 하였다. 또, RBF신경망을 이용하여 예측범위의 공간적/시간적 확대에 따른 모형 구축에 소요되는 시간을 최소화하도록 하였으며, 시내버스 노선의 정류장간 운행시간 예측을 통해서 기존 연구에서 제기되었던 현실세계의 단순화, 다단계 예측시 정확성 등의 문제를 해결하였다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입하여 링크 통행시간의 패턴정보 예측에 활용할 경우, 기존의 예측모형에 비해서 훨씬 정확한 예측이 가능한 것으로 나타났으며, RBF 신경망은 짧은 학습시간에도 불구하고 역전파 신경망보다 우수한 예측력을 갖고 있는 것으로 밝혀졌다.

• The Korean Journal of Financial Management
• /
• v.16 no.2
• /
• pp.215-241
• /
• 1999

본 연구는 우리나라 상장기업중 금융 보험업을 제외하고 비교적 상장기업수가 많은 9개 산업에서 임의로 선정한 180개 표본기업을 분석대상으로 하였다. 1989년 1월부터 1996년 12월까지를 분석대상기간으로 설정하여 베타계수 예측능력을 향상시키기 위한 회계위험변수모형의 예측능력을 평가하고 위험수준별 예측능력에 차이가 있는지도 분석하였다. 아울러 베타계수 추정시 사용된 수익률 측정간격에 빠른 베타계수의 안정성과 회계위험변수모형의 예측능력을 분식하였다. 본 연구의 중요한 결과를 요약하면 다음과 같다. 첫째, 포트폴리오를 구성한 경우 수익률 측정기간에 관계없이 일관되게 예측오차가 유의적으로 적게 나타나 회계위험변수모형의 베타계수 예측능력이 우수하였으며 베타계수예측에 회계 변수의 유용성이 확인되었다. 둘째, 위험수준에 따른 베타계수의 안정성 분석에서는 중위험집단의 베타가 안정성이 높았으며 고위험집단에서 예측오차가 가장 크게 나타나 불안정하였다. 회계위험변수모형의 예측능력은 위험수준에 관계없이 단순모형보다 우수하여 베타예측에 회계정보의 유용성을 일반화시킬 수 있을 것이다. 셋째, 수익률 측정간격에 따른 베타계수의 안정성과 예측능력 분석에서는 월별수익률을 이용하는 경우보다 주별수익률을 이용하는 경우 추정베타의 안정성이 높고 베타계수 예측모형의 예측능력이 향상되는 것으로 나타났다. 넷째, OLS베타를 수정하지 않고 이용하는 경우보다 Bayesian 기법으로 수정한 Bayesian수정 베타를 이용할 경우 예측오차가 감소하여 Bayesian 수정기법의 유용성이 확인되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.38-38
• /
• 2017

본 연구는 내수침수에 의한 침수면적 예측을 위한 강우특성과 1차원 유출모형의 유출특성 및 월류특성 자료를 이용한 침수면적의 정확도를 다양한 호우사상을 적용하여 분석하였다. 국내에서 침수 취약지역 예측을 위해서 강우-유출모형의 유출량 예측 즉 홍수추적을 중심으로 이루어지고 있는 실정이다. 기존 모형이 홍수추적을 중심으로 이루어진 것은 대유역의 경우에 XP-SWMM 모형과 같은 정밀모형을 이용할 경우 긴 모의시간으로 인하여 예경보 발령을 위한 골든타임 확보가 어려우며, 홍수량 예측을 통하여 예측된 침수피해에 대한 정밀도 확보가 어렵기 때문에 실제 상황에 적용하기 어려운 문제점이 발생하고 있다. 컴퓨터 하드웨어의 발전에 따른 연산속도의 증가와 빅데이터 처리기술을 발전에 따라서 10년 전과 비교하여 2차원 침수면적 예측시간이 단축되기는 하였지만, 실제 침수면적 예측에 적용하기는 어려운 실정이다. 따라서, 모의시간이 짧은 1차원 강우-유출모형, 1차원 도시유출모형을 이용한 침수면적 예측방법에 대하여 연구하였다. 홍수피해 예측을 위하여 다양한 수문학적 인자의 영향 분석을 위해서 XP-SWMM 모형의 다양한 형태의 강우입력자료에 따른 1차원 유출 모의결과와 2차원 지표류 모의결과를 이용하여, 2차원 침수면적 예측결과를 추정하기 위한 수문학적 인자의 적용방법에 대하여 분석하였다. 모의시간이 짧은 강우-유출모형과 1차원 도시유출모형을 이용하여 도출한 수문학적 인자를 이용한 침수면적의 추정방법을 분석을 비교분석함으로써 침수면적 예측 시스템 구축방안에 대하여 구체적인 수문학적 인자들 생성을 위한 단계적 모형 적용방안 수립을 위한 자료로 활용할 수 있을 것이다.

• Journal of Korea Water Resources Association
• /
• v.51 no.2
• /
• pp.165-174
• /
• 2018

The model using time series data can be considered as a flood forecasting model of a small river due to its efficiency for model development and the advantage of rapid simulation for securing predicted time when reliable data are obtained. Transfer Function Noise (TFN) model has been applied hourly flood forecast in Italy, and UK since 1970s, while it has mainly been used for long-term simulations in daily or monthly basis in Korea. Recently, accumulating hydrological data with good quality have made it possible to simulate hourly flood prediction. The purpose of this study is to assess the TFN model applicability that can reflect exogenous variables by combining dynamic system and error term to reduce prediction error for tributary rivers. TFN model with hourly data had better results than result from Storage Function Model (SFM), according to the flood events. And it is expected to expand to similar sized streams in the future.

• Communications for Statistical Applications and Methods
• /
• v.5 no.3
• /
• pp.599-605
• /
• 1998

본 연구에서는 단순구조 순환신경망을 이용한 신경망예측과 전통적인 시계열예측 방법을 이용하여, 순환변동이 있는 시계열자료의 단기예측 오차를 비교한다. 순환신경망모형의 입력자료를 변화시키는 개선된 학습방법을 적용하여 시계열자료를 학습하고, 신경망예측의 결과는 선형 AR(9)모형, 비선형 SETAR모형 그리고 이들의 결합모형을 이용한 예측결과와 비교한다. 실증분석에 적용된 시계열자료는 1700년부터 1987년 까지의 태양흑점 자료이며 예측에 이용된 검정자료는 1980년부터 8년 간의 자료이다.

• Journal of Korean Society of Transportation
• /
• v.33 no.1
• /
• pp.61-69
• /
• 2015

This study compares the forecasting accuracy of five econometric models on domestic total freight volume in South Korea. Applied five models are as follows: Ordinary Least Square model, Partial Adjustment model, Reduced Autoregressive Distributed Lag model, Vector Autoregressive model, Time Varying Parameter model. Estimating models and forecasting are carried out based on annual data of domestic freight volume and an index of industrial production during 1970~2011. 1-year, 3-year, and 5-year ahead forecasting performance of five models was compared using the recursive forecasting method. Additionally, two forecasting periods were set to compare forecasting accuracy according to the size of future volatility. As a result, the Time Varying Parameter model showed the best accuracy for forecasting periods having fluctuations, whereas the Vector Autoregressive model showed better performance for forecasting periods with gradual changes.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1395-1399
• /
• 2010

최근 들어 전 세계적으로 태풍과 가뭄 그리고 국지적인 호우 등의 기상변화로 인하여 수자원 종합적인 개발과 이용계획에 대한 전문적인 예측이 필요하다. 우리나라는 홍수기에 집중적인 강우 발생으로 인하여 평수기와 유입량 차이가 심한 수문특성을 가지고 있어 안정적인 수자원 공급에 대한 장기적인 관점에서 이수와 치수정책을 수립해야 한다. 본 연구는 1985년 1월부터 2008년 12월까지 24년에 해당하는 한정된 기간의 짧은 유출량 자료를 갖는 대청댐 유역에서의 시계열 유입량 특성을 Box-Jenkins모형 또는 ARIMA모형을 적용하여 추계학적 분석을 실시하였다. 월유입량과 같은 비정상성 시계열에 적용될 수 있는 적절한 추계학적 모형을 찾기 위하여 모형의 식별과 모형의 추정, 모형의 검진 등의 3단계에 걸친 분석을 실시하였다. 연구결과 대청댐 월유입량 예측모형으로 승법계절 ARIMA$(0,1,2){\times}(1,1,0)_{12}$이 유도되었으며, 이 모형으로 1, 3, 6, 12개월의 선행기간에 대한 실시간 유입량을 예측하였다. 예측된 유입량을 2008년 실측유입량과 비교한 결과 6개월에 대한 예측의 정확성이 가장 높게 나타났다. 또한 평수기와 홍수기를 구분한 예측도 실시하였으며, 평수기는 1개월 홍수기는 3개월 간격으로 예측하는 것이 가장 적절한 것으로 분석되었다.

• Journal of Korean Society of Transportation
• /
• v.30 no.5
• /
• pp.43-59
• /
• 2012

It is generally assumed about trip distribution estimation model that growth factor model's estimation accuracy is higher than that of other models in short-term and that gravity model's estimation accuracy is higher than that of other models in long-term. For validation of such assumptions, this study compares estimation accuracies of each estimation model using 3year(1988, 1992, 2004) O-D tables from Daegu city. Each estimation model's accuracy were compared by mid-size and large-size zone as well as short-term and long-term target years. The results show that the trip distribution estimation model selection by usual assumption is not always right.