• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.1-9
• /
• 2007

A three-state Markov logistic regression model is suggested to forecast the probability of tomorrow's precipitation based on the current meteorological situation. The suggested model turns out to be better than Markov regression model in the sense of the mean squared error of forecasting for the rainfall data of Seoul area.

• 조명전기설비학회논문지
• /
• 제15권6호
• /
• pp.35-42
• /
• 2001

1일 최대전력 부하 예측 자료는 계통의 경제적 운용과 전력 감시에 필수적이므로 정확한 예측기법이 요구된다. 신경회로망이나 퍼지이론을 한 예측비법의 장점은 정도(精度)가 높고 운용하기가 편리한 점은 있으나 학습시간이 길고, 부하가 급변할 때는 예측오차가 크게 발생한다. 본 연구에서는 이러한 단점을 개선하기 위하여 새로운 예측 기법을 제시하였으며 예측결과에서 타당성이 입증되었다.

• 전기학회논문지
• /
• 제65권6호
• /
• pp.918-922
• /
• 2016

As the number of wind farms operating has increased, the interest of the central unit commitment and dispatch for wind power has increased as well. Wind power forecast is necessary for effective power system management and operation with high wind power penetrations. This paper presents the centralized wind power forecasting method, which is a forecast to combine all wind farms in the area into one, using time series models. Also, this paper proposes a prediction model modified with wind forecast error compensation. To demonstrate the improvement of wind power forecasting accuracy, the proposed method is compared with persistence model and new reference model which are commonly used as reference in wind power forecasting using Jeju Island data. The results of case studies are presented to show the effectiveness of the proposed wind power forecasting method.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 ITC-CSCC -2
• /
• pp.1037-1040
• /
• 2000

We introduce the forecasting method for a next day electric peak load that uses the optimal combination of two types of neural networks. First network uses learning data that are past 10days of the target day. We name the neural network Short Term Neural Network (STNN). Second network uses those of last year. We name the neural network Long Term Neural Network (LTNN). Then we get the forecasting results that are the linear combination of the forecasting results by STNN and the forecasting results by LTNN. We name the method Combination Forecasting Method (CFM). Then we discuss the optimal combination of STNN and LTNN. Using CFM of the optimal combination of STNN and LTNN, we can reduce the forecasting error.

• Journal of Electrical Engineering and Technology
• /
• 제13권4호
• /
• pp.1419-1424
• /
• 2018

Very short-term electric load forecasting is essential for real-time power system operation. In this paper, a very short-term electric load forecasting technique applying the Kalman filter algorithm is proposed. In order to apply the Kalman filter algorithm to electric load forecasting, an electrical load forecasting algorithm is defined as an observation model and a state space model in a time domain. In addition, in order to precisely reflect the noise characteristics of the Kalman filter algorithm, the optimal error covariance matrixes Q and R are selected from several experiments. The proposed algorithm is expected to contribute to stable real-time power system operation by providing a precise electric load forecasting result in the next six hours.

• 국제학술발표논문집
• /
• The 6th International Conference on Construction Engineering and Project Management
• /
• pp.44-48
• /
• 2015

Housing price is a key indicator of housing demand. Actual Transaction Price Index of Apartment (ATPIA) released by Korea Appraisal Board is useful to understand the current level of housing price, but it does not forecast future prices. Big data such as the frequency of internet search queries is more accessible and faster than ever. Forecasting future housing demand through big data will be very helpful in housing market. The objective of this study is to develop a forecasting model of ATPIA as a part of forecasting housing demand. For forecasting, a concept of time shift was applied in the model. As a result, the forecasting model with the time shift of 5 months shows the highest coefficient of determination, thus selected as the optimal model. The mean error rate is 2.95% which is a quite promising result.

• 융합신호처리학회논문지
• /
• 제2권3호
• /
• pp.73-78
• /
• 2001

특수일 부하를 예측하기 위하여 BP 신경회로망 모형과 다중 회귀모형을 구성한다. 신경회로망 모형은 패턴 변환비를 이용하고, 다중회귀 모형은 평일 환산비를 이용하여 특수일 부하를 예측한다. 주간 피크 부하예측 모형에 패턴 변환비를 이용하여 짧고 긴 특수일 부하를 예측 한 결과 주간 평균 오차율이 1∼2[%]로 나와 본 기법의 적합성을 확인할 수 있다. 하지만, 패턴 변환비 방법으로는 하계의 특수일 부하 예측은 어려웠다. 따라서 기온-습도, 불쾌지수 등을 설명변수로 하는 다중 회귀 모형을 구성하고 평일 환산비를 이용하여 하계의 특수일 부하를 예측한다. 평일만의 예측 모형과 예측 결과를 비교해 보면 월 평균 오차율이 비슷하게 나와 이용한 방법의 적합성을 확인하였다. 그리고, 통계적 검정을 통해 구성한 예측 모형의 유효성을 입증할 수 있었다. 이로서 본 연구에서 제시한 특수일 부하를 예측하는 기법의 적합성을 확인함으로서 피크 부하 예측시 큰 난점 중의 하나가 해결되었다.

• 대한교통학회지
• /
• 제26권5호
• /
• pp.131-141
• /
• 2008

고속도로에서의 지점검지체계로부터 수집 가공 처리된 과거 통행시간 이력자료를 이용한 통행시간 예측시, 사용되는 대표값과 과거 데이터량에 따라 예측의 정확성이 결정되나 이에 대한 체계적인 연구가 없는 실정이다. 따라서 본 연구의 목적은 신뢰성 있는 통행시간 예측을 위해 통행시간 이력자료의 적정 대표간과 과거 데이터량을 결정하기 위한 방법론을 제시하였다. 과거 통행시간 이력자료의 적정 대표값은 예측오차의 평균이 가장 적은 대표값을 선정할 수 있으며, 적정 과거 데이터량은 비슷한 속성을 가진 과거 통행시간 이력자료의 개별간의 차이 또는 집단 간의 차이를 최소화하는 CVMSE(Cross Validated Mean Square Error)방법을 이용하여 결정할 수 있다. 한국도로공사의 고속도로 지점검지기 자료에 적용한 결과, 적절 대표값은 중앙값으로 분석되었으며, 통행시간 예측을 위한 적정 과거 데이터량은 60일로 분석되었다.

• 한국환경과학회지
• /
• 제26권10호
• /
• pp.1167-1180
• /
• 2017

Numerical Weather Prediction (NWP) models such as the Weather Research and Forecasting (WRF) model are essential for forecasting one-day-ahead solar irradiance. In order to evaluate the performance of the WRF in forecasting solar irradiance over the Korean Peninsula, we compared WRF prediction data from 2008 to 2010 corresponding to weather observation data (OBS) from the Korean Meteorological Administration (KMA). The WRF model showed poor performance at polluted regions such as Seoul and Suwon where the relative Root Mean Square Error (rRMSE) is over 30%. Predictions by the WRF model alone had a large amount of potential error because of the lack of actual aerosol radiative feedbacks. For the purpose of reducing this error induced by atmospheric particles, i.e., aerosols, the WRF model was coupled with the Community Multiscale Air Quality (CMAQ) model. The coupled system makes it possible to estimate the radiative feedbacks of aerosols on the solar irradiance. As a result, the solar irradiance estimated by the coupled system showed a strong dependence on both the aerosol spatial distributions and the associated optical properties. In the NF (No Feedback) case, which refers to the WRF-only stimulated system without aerosol feedbacks, the GHI was overestimated by $50-200W\;m^{-2}$ compared with OBS derived values at each site. In the YF (Yes Feedback) case, in contrast, which refers to the WRF-CMAQ two-way coupled system, the rRMSE was significantly improved by 3.1-3.7% at Suwon and Seoul where the Particulate Matter (PM) concentrations, specifically, those related to the $PM_{10}$ size fraction, were over $100{\mu}g\;m^{-3}$. Thus, the coupled system showed promise for acquiring more accurate solar irradiance forecasts.

• 대한교통학회지
• /
• 제22권6호
• /
• pp.109-120
• /
• 2004

1990년대 후반부터 구간 검지기를 이용한 링크통행시간 추정에 필요한 최소 표본수와 링크 및 경로 통행시간 추정과 예측을 위한 적정 집계간격에 대한 연구가 폭넓게 진행되어 왔다. 그러나 루프(지점)검지기를 이용한 교통정보수집체계의 경우, 합리적인 검증 없이 선정된 1분~5분의 집계간격을 이용하고 있다. 본 연구의 목적은 지점검지기인 루프검지기를 이용하여 통행시간자료를 수지하는 경우, 링크 및 경로 통행시간 추정과 예측을 위한 적정 집계간격 결정 모형을 개발하고 현장의 자료에 적용하는 것이다. 본 논문은 링크 및 경로 통행시간 추정을 위한 적정 집계간격 결정 모형으로 CVMSE(Cross Validated Mean Square Error)방법을 이용하였으며, 링크 및 경로 통행시간 예측을 위한 적정 집계간격 결정 모형으로는 FMSE(Forecasting Mean Square Error)를 적용하였다. 개발된 방법론은 경부고속도로의 루프이터에 적용되었다. 적용결과 링크 및 경로 통행시간 추정을 위한 적정 집계간격은 3분~5분으로, 링크 및 경로 통행시간 예측을 위한 적정 집계간격은 10~20분으로 분석되었다.