• 산업기술연구
• /
• 제35권
• /
• pp.95-102
• /
• 2015

Two extreme wind speed prediction models, the EWM(Extreme wind speed model) in IEC61400-1 and the Gumbel method were compared in this study. The two models were used to predict extreme wind speeds of six different sites in Korea and the results were compared with long term wind data. The NCAR reanalysis data were used for inputs to two models. Various periods of input wind data were tried from 1 year to 50 years and the results were compared with the 50 year maximum wind speed of NCAR wind data. It was found that the EWM model underpredicted the extreme wind speed more than 5 % for two sites. Predictions from Gumbel method overpredicted the extreme wind speed or underpredicted it less than 5 % for all cases when the period of the input data is longer than 10 years. The period of the input wind data less than 3 years resulted in large prediction errors for Gumbel method. Predictions from the EWM model were not, however, much affected by the period of the input wind data.

• 풍력에너지저널
• /
• 제15권2호
• /
• pp.10-22
• /
• 2024

This research is a comprehensive analysis of wind power prediction sensitivity using a Long Short-Term Memory (LSTM) deep learning neural network model, accounting for the inherent uncertainties in wind speed estimation. Utilizing a year's worth of operational data from an operational wind farm, the study forecasts the power output of both individual wind turbines and the farm collectively. Predictions were made daily at intervals of 10 minutes and 1 hour over a span of three months. The model's forecast accuracy was evaluated by comparing the root mean square error (RMSE), normalized RMSE (NRMSE), and correlation coefficients with actual power output data. Moreover, the research investigated how inaccuracies in wind speed inputs affect the power prediction sensitivity of the model. By simulating wind speed errors within a normal distribution range of 1% to 15%, the study analyzed their influence on the accuracy of power predictions. This investigation provided insights into the required wind speed prediction error rate to achieve an 8% power prediction error threshold, meeting the incentive standards for forecasting systems in renewable energy generation.

• Nuclear Engineering and Technology
• /
• 제20권2호
• /
• pp.120-131
• /
• 1988

지중매몰된 방사성핵종들이 지하수계를 통해 이동을 하는 Source를 수학적으로 표시하는 Source Term 모형이 필요하다. 물질전달식 또는 측정식에 근거한 여러 Source Term 모형을 비교 분석하였다. 일반적으로 용출 또는 용해에는 (1) 화학반응, (2) 확산 등에 의한 물질이동의 두 가지 작용이 관여한다. 화학반응은 고화체가 지하수에 노출된 후 초기의 짧은 기간 동안에만 용해율을 조절한다. 외부로의 물질전달율이 지하 처분장에서 방사성폐기물 고화체로부터의 장기간에 걸친 핵종유출율을 조절하는 역할을 한다. 물질전단 이론을 적용 할 때는, 필요로 하는 물질이동 현상을 기술할 수 있는 식을 선택해야 한다. 적절히 사용했을 경우, 물질전달 이론에 입각한 Source Term 모형은 핵종유출율의 신뢰할 만한 예측을 위한 귀중한 도구이다.

• 한국정보과학회논문지:시스템및이론
• /
• 제37권6호
• /
• pp.354-367
• /
• 2010

시계열 데이터에서 패턴을 분석하는 기법은 많은 발전이 이루어져 오고 있다. 그러나 주식시장의 경우 시계열 데이터임에도 불구하고 패턴 분석 및 예측은 많은 연구가 이루어지지 않고 있으며 예측도가 매우 낮다. 그 이유는 주가의 등락 자체가 본질적으로 무작위하다고 하면 어떠한 과학적 방법으로도 그 예측은 불가능하다. 본 연구에서는 주가의 등락이 보여주는 무작위성의 정도를 Kolmogorov 복잡도를 이용해 측정하여 그 무작위의 정도와 본 논문에서 제시한 반 전역정렬(semi-global alignment)로 예측할 수 있는 주가의 예측의 정확간의 깊은 상관관계가 있음을 보인다. 이를 위해서 주가지수의 등락을 양자화된 문자열로 변환하고 그 문자열의 Kolmogorov 복잡도를 이용해 주가 변동의 무작위성을 측정하였다. 우리는 KOSPI 주식 데이터 28년 690개의 데이터를 수집하여 이를 실험용 데이터로 사용하여 본 논문에서 제시한 방법의 의미를 평가하였다. 그 결과 Kolmogorov 복잡도가 높은 경우에는 변동 예측이 어려우며, Kolmogorov 복잡도가 낮은 경우에는 주식 변동 예측은 가능하나 3종류의 예측율에 대해서 투자자들이 관심이 많은 등락 예측율은 단기 예측은 12% 이상의 예측율을 보일 수 없으며, 장기 예측의 경우 54%의 예측율로 수렴함을 확인하였다.

• 디지털융복합연구
• /
• 제11권10호
• /
• pp.305-311
• /
• 2013

경제시장의 규모가 지속적으로 발전함에 따라 올바른 의사결정을 위하여 경제시장을 정확하게 예측하는 문제가 중요한 문제로 떠오르고 있다. 현대 경제시스템을 표현하는 다양한 경제지표 중 가장 큰 축인 주식지표의 올바른 이해와 분석 그리고 의사결정문제에 적용을 위하여 시계열자료의 모델에 적합한 은닉마아코프모델과 이를 토대로 시계열자료의 시간 및 계산비용의 절감을 위한 차원감소기법들을 모델의 추정과 예측 문제에 적용하였으며 그 유효성을 확인하였다. 실험 결과, 은닉마아코프모델과 차원감소기법을 적용한 모델 모두에서 장기예측보다는 단기의 예측에서 최적의 모델 추정과 유사패턴 예측률이 모두 실제의 자료와 매우 유사함을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.322-323
• /
• 2022

정수장의 최적화 운영을 위하여 가장 필요한 것은 수용가에서 사용되는 수돗물의 패턴과 양을 정확하게 예측하여 필요한 만큼의 수돗물을 펌프를 이용하여 배수지로 전달하여 저장하고, 필요한 유량이 최소의 전기에너지를 이용하여 적기에 공급되어야 한다. 정수장의 수량 예측 중 에너지 최적화 운영의 관점에서 필요한 단기 수요예측은 시계열 분석, 회귀분석 및 신경망 알고리즘을 이용하여 계절별, 주요 기간별, 지역 특성별 등을 고려하여 이루어져 왔으며, 본 논문에서는 순환적 신경회로망의 일종인 LSTM(Long Short-Term Memory), GRU(Gated Recurrent Units) 등의 AI 기반 복합센서 적용성 분석을 통한 에너지 관리 방안에 대하여 분석하였다.

• Geomechanics and Engineering
• /
• 제8권4호
• /
• pp.559-594
• /
• 2015

A nonlinear creep function incorporated into the elastic visco-plastic model may describe the long-term soil deformation more accurately. However, by applying the conventional procedure, there are challenges to determine the model parameters due to limitation of suitable data points. This paper presents a numerical solution to obtain several parameters simultaneously for a nonlinear elastic visco-plastic (EVP) model using the available consolidation data. The finite difference scheme using the Crank-Nicolson procedure is applied to solve a set of coupled partial differential equations of the time dependent strain and pore water pressure dissipation. The model parameters are determined by applying the algorithm of trust-region reflective optimisation in conjunction with the finite difference solution. The proposed method utilises all available consolidation data during dissipation of the excess pore water pressure to determine the required model parameters. Moreover, the reference time in the elastic visco-plastic model can readily be adopted as a unit of time; denoting creep is included in the numerical predictions explicitly from the very first time steps. In this paper, the settlement predictions of thick soft clay layers are presented and discussed to evaluate and compare the accuracy and reliability of the proposed method against the graphical procedure to obtain the model parameters. In addition, comparison of the available experimental results to the numerical predictions confirms the accuracy of the numerical procedure.

• Ecology and Resilient Infrastructure
• /
• 제5권1호
• /
• pp.25-34
• /
• 2018

본 연구에서는 만경강에서의 장기하상변동 모의를 실시하고 하상변동 이력을 분석하였다. 연구 대상 지역은 만경강의 중 하류 25 km 구간이다. 장기하상변동 모의를 위하여 HEC-RAS 프로그램을 사용하였으며 조도계수를 이용하여 모형을 보정하였다. 1986년부터 1993년까지의 기간과 1993년부터 2005년까지의 기간에 대하여 하상변동 모의를 수행하였으며, 실측된 하상고와의 비교분석을 실시하였다. MPM, Toffaleti, MPM-Toffaleti, Yang 공식의 네가지 유사이송 공식의 적용성을 평가하였다. 1986년부터 1993년까지의 기간에 대한 모의 결과, 네가지 공식 모두 실측치를 적절하게 모의하지 못하였다. 이는 모의구간 상류에서의 준설이 발생한 것으로 인한 결과이며 이후 기간에서 상류에서 퇴적이 활발이 진행되게 되는 결과를 초래하였다. 1993년 부터 2005년까지의 장기하상변동 모의는 MPM-Toffaleti의 공식이 모의를 적절히 수행해 냄을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1047-1056
• /
• 2022

지구 온난화의 중요한 지시자인 북극의 바다 얼음인 해빙은 기후 시스템, 선박의 항로 안내, 어업 활동 등에서의 중요성으로 인해 다양한 학문 분야에서 관심을 받고 있다. 최근 자동화와 효율적인 미래 예측에 대한 요구가 커지면서 인공지능을 이용한 새로운 해빙 예측 모델들이 전통적인 수치 및 통계 예측 모델을 대체하기 위해 개발되고 있다. 본 연구에서는 북극 해빙의 전역적, 지역적 특징을 학습할 수 있는 two-stream convolutional long- and short-term memory (TS-ConvLSTM) 인공지능 모델의 북극 해빙 면적이 최저를 보이는 9월에 대해 2001년부터 2021년까지 장기적인 성능 검증을 통해 향후 운용 가능한 시스템으로써의 가능성을 살펴보고자 한다. 장기 자료를 통한 검증 결과 TS-ConvLSTM 모델이 훈련자료의 양이 증가하면서 향상된 예측 성능을 보여주고 있지만, 최근 지구 온난화로 인한 단년생 해빙의 감소로 인해 해빙 농도 5-50% 구간에서는 예측력이 저하되고 있음을 보여주었다. 반면 TS-ConvLSTM에 의해 예측된 해빙 면적과 달리 Sea Ice Prediction Network에 제출된 Sea Ice Outlook (SIO)들의 해빙 면적 중간값의 경우 훈련자료가 늘어나더라도 눈에 띄는 향상을 보이지 않았다. 본 연구를 통해 TS-ConvLSTM 모델의 향후 북극 해빙 예측 시스템의 운용 가능 잠재성을 확인하였으나, 향후 연구에서는 예측이 어려운 자연 환경에서 더욱 안정성 있는 예측 시스템 개발을 위해 더 많은 시공간 변화 패턴을 학습할 수 있는 방안을 고려해야 할 것이다.

• Asia pacific journal of information systems
• /
• 제7권1호
• /
• pp.67-83
• /
• 1997

The utility of learning techniques in investment analysis has been demonstrated in many areas, ranging from forecasting individual stocks to entire market indexes. To date, however, the application of artificial intelligence to financial forecasting has focused largely on short predictive horizons. Usually the forecast window is a single period ahead; if the input data involve daily observations, the forecast is for one day ahead; if monthly observations, then a month ahead; and so on. Thus far little work has been conducted on the efficacy of long-term prediction involving multiperiod forecasting. This paper examines the impact of alternative procedures for extended prediction using knowledge discovery techniques. One dimension in the study involves temporal granularity: a single jump from the present period to the end of the forecast window versus a web of short-term forecasts involving a sequence of single-period predictions. Another parameter relates to the numerosity of input variables: a technical approach involving only lagged observations of the target variable versus a fundamental approach involving multiple variables. The dual possibilities along each of the granularity and numerosity dimensions entail a total of 4 models. These models are first evaluated using neural networks, then compared against a multi-input jump model using case based reasoning. The computational models are examined in the context of forecasting the S&P 500 index.