• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.527-536
• /
• 2017

최근 스마트 그리드 산업의 발달과 더불어 효과적인 에너지 관리 시스템의 필요성이 커지고 있다. 특히, 전기 부하 및 에너지 요금 감소를 위해서는 정확한 전력수요 예측과 그에 따른 효과적인 스마트 그리드 운영 전략이 필요하다. 본 논문에서는 보다 정확한 전력수요 예측을 위하여, 수요 시한 기준으로 수집된 전력 사용 데이터를 고시간 해상도로 분할하고, 이에 적합한 인공 신경망 기반의 전력수요 예측 모델을 구축하고자 한다. 예측 모델의 정확도를 향상시키기 위하여 우선, 수열 형태의 시계열 데이터가 가지는 주기성을 제대로 반영하지 못하는 기계 학습 모델의 문제점을 해결하고자, 시계열 데이터를 2차원 공간의 연속적인 데이터로 변환한다. 더욱이, 고시간 해상도에 따른 온도나 습도 등 외부 요인들의 보다 정확한 반영을 위해 이들에 대해서도 선형 보간법을 사용하여 세분화된 시점에서의 값을 추정하여 반영한다. 마지막으로, 구성된 특성 벡터에 대해 주성분 분석 수행을 통하여 불필요한 외부 요인을 제거한다. 예측 모델의 성능을 평가하기 위해서 5겹 교차 검증을 수행하였다. 실험 결과 모든 고시간 해상도에서 성능 향상을 보였으며, 특히 3분 해상도의 경우 3.71%의 가장 낮은 오차율을 보였다.

• 한국지리정보학회지
• /
• 제10권2호
• /
• pp.91-102
• /
• 2007

대청호와 같이 규모가 큰 인공호수에서의 유해조류 발생을 사전에 예측하고 대응하기 위해서는 생물 화학적 연구와 더불어 GIS, RS 기술을 활용하는 지역분석 전산시스템의 개발도 필요하다. 이 논문의 목표는 대청호에서의 유해조류 생산을 저감시키기 위하여 남조류의 발생에 대한 예보모델을 개발하고 GIS를 기반으로 한 남조류 발생 조기예보시스템을 개발하는 것이다. 이를 위해 대청호에서의 남조류 발생과 환경인자와의 관계에 대한 선행연구 사례들을 분석하였으며, 그 결과 남조류 예보모델 개발을 위해 사용할 환경인자로서 강수와 기온을 선정하였다. 선정한 환경인자와 남조류 발생과의 정성적 상관관계 분석결과를 토대로 대청호의 남조류발생을 수역별로 예측할 수 있는 Rump 모델을 개발하였는데, 이 예보모델은 남조류의 최초발생시기와 급성장시기에 대한 예측이 가능하다. 개발된 예보모델은 GIS를 기반으로 한 남조류 대발생 조기예보시스템에 적용하였으며, 그 결과 대청호에서의 남조류 대발생을 예측하고 관련 자료들을 관리할 수 있는 지리정보시스템이 개발되었다.

• 응용통계연구
• /
• 제27권5호
• /
• pp.843-853
• /
• 2014

급증하고 있는 전력수요에 대한 신뢰성 있는 예측은 합리적인 전력수급계획 수립 및 운용에 있어서 매우 중대한 사안이다. 본 논문에서는 여러 시계열 모형의 비교를 통해 전력수요량과 밀접한 연관성이 있는 온도를 어떠한 형태로 고려할 것인지, 또한 4계절이 뚜렷하여 계절별 기온 차가 많이 나는 우리나라의 특성을 어떻게 고려할 것인지에 대하여 연구하였다. 모형 간 예측력을 비교하기 위하여 Mean Absolute Percentage Error(MAPE)를 사용하였다. 모형의 성능비교 결과는 냉 난방지수와 계절요인을 동시에 고려하면서 큰 변동성을 잘 고려해줄 수 있는 Reg-AR GARCH 모형이 가장 우수한 예측력을 나타냈다.

• 전기학회논문지
• /
• 제66권7호
• /
• pp.1001-1006
• /
• 2017

In this study the NARX was proposed as a novel approach to forecast electric load more accurately. The NARX model is a recurrent dynamic network. ISO-NewEngland dataset was employed to evaluate and validate the proposed approach. Obtained results were compared with NAR network and some other popular statistical methods. This study showed that the proposed approach can be applied to forecast electric load and NARX has high potential to be utilized in modeling dynamic systems effectively.

• 한국가스학회지
• /
• 제23권5호
• /
• pp.52-58
• /
• 2019

본 연구에서는 국내 도시가스 인수량에 대한 예측 모델을 개발하였다. 국내의 도시가스 회사는 KOGAS에 차년도 수요를 예측하여 보고해야 하므로 도시가스 인수량 예측은 도시가스 회사에 중요한 사안이다. 도시가스 사용량에 영향을 미치는 요인은 용도구분에 따라 다소 상이하나, 인수량 데이터는 용도별 구분이 어렵기 때문에 특정 용도에 관계없이 영향을 주는 요인으로 외기온도를 고려하여 모델개발을 실시하였다.실험 및 검증은 JB주식회사의 2008년부터 2018년까지 총 11년 치 도시가스 인수량 데이터를 사용하였으며, 전통적인 시계열 분석 중 하나인 ARIMA(Auto-Regressive Integrated Moving Average)와 딥러닝 기법인 LSTM(Long Short-Term Memory)을 이용하여 각각 예측 모델을 구축하고 두 방법의 단점을 최소화하기 위하여 다양한 앙상블(Ensemble) 기법을 사용하였다. 본 연구에서 제안한 일별 예측의 오차율 절댓값 평균은 Ensemble LSTM 기준 0.48%, 월별 예측의 오차율 절댓값 평균은 2.46%, 1년 예측의 오차율 절댓값 평균은 5.24%임을 확인하였다.

• 한국물환경학회지
• /
• 제30권6호
• /
• pp.673-682
• /
• 2014

A watershed model was constructed using Hydrological Simulation Program Fortran to predict the water temperature at major tributaries of Nakdong River basin, Korea. Water temperature is one of the most fundamental indices used to determine the nature of an aquatic environment. Most processes of an aquatic environment such as saturation level of dissolved oxygen, the decay rate of organic matter, the growth rate of phytoplankton and zooplankton are affected by temperature. The heat flux to major reservoirs and tributaries was analyzed to simulate water temperature accurately using HSPF model. The annual mean heat flux of solar radiation was estimated to $150{\sim}165W/m^2$, longwave radiation to $-48{\sim}-113W/m^2$, evaporative heat loss to $-39{\sim}-115W/m^2$, sensible heat flux to $-13{\sim}-22W/m^2$, precipitation heat flux to $2{\sim}4W/m^2$, bed heat flux to $-24{\sim}22W/m^2$ respectively. The model was calibrated at major reservoir and tributaries for a three-year period (2008 to 2010). The deviation values (Dv) of water temperature ranged from -6.0 to 3.7%, Nash-Sutcliffe efficiency(NSE) of 0.88 to 0.95, root mean square error(RMSE) of $1.7{\sim}2.8^{\circ}C$. The operational water temperature forecasting results presented in this study were in good agreement with measured data and had a similar accuracy with model calibration results.

• 한국응용곤충학회지
• /
• 제35권2호
• /
• pp.119-125
• /
• 1996

가루깍지벌레 월동안 부화시기 예찰모형을 수립하기 위하여 월동알에 대한 온도발육 실험이 수행된다. 5개온도(10, 15, 20, 25, 27$^{\circ}C$)와 채집시기별로 월동알 부화기간을조사하여 비교분석하였다. Wagner 등 (1984a)의 비선형발육모형이 온도별 평균발육률에 대하여 적용되었으며 ($R^2$=0.9729). 발육영점온도는 15~$25^{\circ}C$ 영역에서 얻은 직선회귀식에 의하여 $11.9^{\circ}C$로 추정되었으며, 발육완료를 위해서는 154.14일도가 필요하였다. 적산온도 모형과 발육률전산(Wagner 등 1985) 모형이 부화시기 예측에 이용된다. 적산온도 모형은 평균온도에서 발육영점온도 이상의 온도를 적산하는 방법(Mean-minus-base 추정법), Sine wave 추정법(Allen 1976), 그리고 Rectangle 추정법(Arnold 1960)을 잉요하여 계산하였다. 50% 부화예측일을 실측일과 비교한 결과 적산온도를 이용하는 경우 Mean-minus-base 추정법은 18~28일, Sine wave 추정법은 11~14일, 그리고 Rectangle 추정법은 3~5일의 편차를 보였고, 발육률 적산모형은 2~3일의 편차가 있었다.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2008년도 정기총회 및 학술발표대회
• /
• pp.89-92
• /
• 2008

The extreme heat watch warning system(EHWWS) that Korea Meterological Administration carried out a preliminary from July 1, 2007, considered both daily maximum temperature and daily maximum heat index simultaneously. It was requested revision of the standard level of EHWWS to solve the difficulty of forecasting occurred when we were considering two parameters simultaneously and we did not considering heat index according to areas. For this, we established three type standard, such as type 1 that considered both daily maximum temperature and daily maximum heat index, Under the extreme heat day that daily minimum temperature was more than $25^{\circ}C$, type 2 that considered daily maximum temperature and type 3 that considered only daily maximum heat index and then analyzed whether these 3 types satisfies the excess mortality of the extreme heat warning or not. As a results, type 1 and 2 were more explain away excess mortality each warning step than type 3. type 2 could also apply case of not to consider heat index according to areas and had a merit for extreme heat forecasting easily because the standard was simple. Therefore we think type 2 is more suitable and reasonable standard for Korea extreme heat watch warning system(KEHWWS) than type 1. In addition, we need to develop model that exactly predicts the excess mortality will be take place during the extreme heat warning and construct KEHWWS.

• Asia-Pacific Journal of Atmospheric Sciences
• /
• 제54권4호
• /
• pp.611-622
• /
• 2018

Observed climate data are processed under the assumption that their time series are stationary, as in multi-step temperature and precipitation prediction, which usually leads to low prediction accuracy. If a climate system model is based on a single prediction model, the prediction results contain significant uncertainty. In order to overcome this drawback, this study uses a method that integrates ensemble prediction and a stepwise regression model based on a mean-valued generation function. In addition, it utilizes empirical mode decomposition (EMD), which is a new method of handling time series. First, a non-stationary time series is decomposed into a series of intrinsic mode functions (IMFs), which are stationary and multi-scale. Then, a different prediction model is constructed for each component of the IMF using numerical ensemble prediction combined with stepwise regression analysis. Finally, the results are fit to a linear regression model, and a short-term climate prediction system is established using the Visual Studio development platform. The model is validated using temperature data from February 1957 to 2005 from 88 weather stations in Guangxi, China. The results show that compared to single-model prediction methods, the EMD and ensemble prediction model is more effective for forecasting climate change and abrupt climate shifts when using historical data for multi-step prediction.

• 생물환경조절학회지
• /
• 제31권3호
• /
• pp.152-162
• /
• 2022

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층6에서 r² 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.