• 한국농공학회지
• /
• 제45권2호
• /
• pp.45-57
• /
• 2003

An artificial neural network model was developed to analyze and forecast Short-term river runoff from the Naju watershed, in Korea. Error back propagation neural networks (EBPN) of hourly rainfall and runoff data were found to have a high performance In forecasting runoff. The number of hidden nodes were optimized using total error and Bayesian information criterion. Model forecasts are very accurate (i.e., relative error is less than 3% and $R^2$is greater than 0.99) for calibration and verification data sets. Increasing the time horizon for application data sets, thus mating the model suitable for flood forecasting. decreases the accuracy of the model. The resulting optimal EBPN models for forecasting hourly runoff consists of ten rainfall and four runoff data(ANN0410 model) and ten rainfall and ten runoff data(ANN1010 model). Performances of the ANN0410 and ANN1010 models remain satisfactory up to 6 hours (i.e., $R^2$is greater than 0.92).

• 한국해안·해양공학회논문집
• /
• 제30권2호
• /
• pp.84-94
• /
• 2018

해양파랑 예측에 있어 단일 수치모델의 불확실성을 보완하기 위하여 앙상블 기법을 적용한 지역 파랑예측시스템을 구축하였다. 기상청 전지구 대기 수치모델의 확률예측시스템에서 생산되는 24개 앙상블 해상풍을 입력자료로 이용, 87시간까지 파랑 예측자료를 생산하였으며, 기상청 계류부이 관측자료와 다양한 통계방법을 적용하여 검증을 수행하였다. 2일예측 이후의 앙상블 예측평균의 평균제곱근오차(RMSE)는 단일모델예측에 비하여 향상된 결과를 보였으며, 특히 3일예측의 경우 단일모델예측 대비 RMSE가 약 15% 정도 향상되었다. 이것은 앙상블 기법이 수치모델의 불확실성을 감소시켜 예측정확도 향상에 크게 기여한 것으로 보인다. ROC(Relative Operating Characteristic) 분석결과, 전체 예측시간에 대하여 ROC 영역이 모두 0.9 이상을 보여 확률예측 성능이 뛰어남을 보였으며, 앙상블 파랑예측 결과가 해상 확률예보에 유용하게 활용될 수 있을 것으로 판단된다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.360-365
• /
• 2003

본 논문에서는 데이터의 효율적인 활용과 정확성에서 보다 우수한 특성을 보이는 GMDH(Croup Method of Data Handling) 알고리즘을 전력수요예측에 적용함으로써 입력 데이터의 선정을 용이하게 하였고, 다양한 데이터를 기반으로 보다 정확한 예측을 할 수 있게 하였다. 그리고, 예측 시에 경제적인 요인(GDP, 수출, 수입, 취업자 수, 경제활동인구, 석유소비량)과 기후적인 요인(평균기온)을 모두 고려하였다. 또한 목표 예측 기간을 1999년 1/4분기에서 2001년 1/4분기까지 9개의 분기로 가정하고, 가정한 목표 기간의 예측 정확도를 높이기 위해 3단계의 시뮬레이션 과정(최적 입력 분기 수를 결정하는 과정, 입력 데이터와 예측값의 시간적 연관성을 분석하는 과정, 입력 데이터의 최적화 과정)을 이용함으로써 더 정확한 전력수요예측 방법을 제시하였고, 제안된 기법으로 목표한 예측 기간에서 0.96%의 평균 에러율을 얻을 수 있었다.

• Ocean and Polar Research
• /
• 제43권2호
• /
• pp.53-63
• /
• 2021

Changes in a marine environment have a broad socioeconomic implication on fisheries and their relevant industries so that there has been a growing demand for the medium-range (months to years) prediction of the marine environment Using a medium-range ocean prediction model (Ocean Mid-range prediction System, OMIDAS) for the northwest Pacific, this study attempted to assess seasonal difference in the mid-range predictability of the sea surface temperature (SST), focusing on the Korea seas characterized as a complex marine system. A three-month re-forecast experiment was conducted for each of the four seasons in 2016 starting from January, forced with Climate Forecast System version 2 (CFSv2) forecast data. The assessment using relative root-mean-square-error was taken for the last month SST of each experiment. Compared to the CFSv2, the OMIDAS revealed a better prediction skill for the Korea seas SST, particularly in the Yellow sea mainly due to a more realistic representation of the topography and current systems. Seasonally, the OMIDAS showed better predictability in the warm seasons (spring and summer) than in the cold seasons (fall and winter), suggesting seasonal dependency in predictability of the Korea seas. In addition, the mid-range predictability for the Korea seas significantly varies depending on regions: the predictability was higher in the East Sea than in the Yellow Sea. The improvement in the seasonal predictability for the Korea seas by OMIDAS highlights the importance of a regional ocean modeling system for a medium-range marine prediction.

• 대기
• /
• 제32권1호
• /
• pp.27-37
• /
• 2022

The Korean Integrated Model (KIM) forecast system was extended to assimilate Horizontal Line-Of-Sight (HLOS) wind observations from the Atmospheric Laser Doppler Instrument (ALADIN) on board the Atmospheric Dynamic Mission (ADM)-Aeolus satellite. Quality control procedures were developed to assess the HLOS wind data quality, and observation operators added to the KIM three-dimensional variational data assimilation system to support the new observed variables. In a global cycling experiment, assimilation of ALADIN observations led to reductions in average root-mean-square error of 2.1% and 1.3% for the zonal and meridional wind analyses when compared against European Centre for Medium-Range Weather Forecasts (ECMWF) Integrated Forecast System (IFS) analyses. Even though the observable variable is wind, the assimilation of ALADIN observation had an overall positive impact on the analyses of other variables, such as temperature and specific humidity. As a result, the KIM 72-hour wind forecast fields were improved in the Southern Hemisphere poleward of 30 degrees.

• 전기학회논문지
• /
• 제67권2호
• /
• pp.158-164
• /
• 2018

Wind power forecast is critical for efficient power system operation. However, wind power has high forecasting errors due to uncertainty caused by the climate change. These forecasting errors can have an adverse impact on the power system operation. In order to mitigate the issues caused by the wind power forecasting error, wind power curtailment and energy storage system (ESS) can be introduced in the power system. These methods can affect the economics of wind power resources. Therefore, it is necessary to evaluate the economics of the methods for mitigating the wind power forecasting error. This paper attempts to analyze the economics of wind power curtailment and ESS operation for mitigating wind power forecasting error. Numerical simulation results are presented to show the economic impact of wind power curtailment and ESS operation.

• 응용통계연구
• /
• 제35권1호
• /
• pp.93-104
• /
• 2022

S&P 500과 RUSSELL 2000, DJIA, Nasdaq 100 4가지 미국 주가지수의 실현변동성(realized volatility, RV)을 예측하는데 있어서 사람들의 관심 지표로 삼을 수 있는 인터넷 검색량(search volume, SV) 지수와 내재변동성(implied volatility, IV)를 이용하여 LSTM 딥러닝(deep learning) 방법으로 RV의 예측력을 높이고자하였다. SV을 이용한 LSTM 방법의 실현변동성 예측력이 기존의 기본적인 vector autoregressive (VAR) 모형, vector error correction (VEC)보다 우수하였다. 또한, 최근 제안된 RV와 IV의 공적분 관계를 이용한 vector error correction heterogeneous autoregressive (VECHAR) 모형보다도 전반적으로 예측력이 더 높음을 확인하였다.

• 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.

• 한국해양학회지:바다
• /
• 제22권3호
• /
• pp.103-117
• /
• 2017

이 노트는 국립해양조사원이 5년(2012~2016년)간에 걸쳐 지역해(동해, 황 동중국해) 수치예측시스템을 구축하여 자동으로 끊임없이 운영하면서 확보한 기술들 중 다음 3가지를 담고 있다. (1) 끊임없이 3일 해양예측 자료를 생산하기 위한 전략, (2) 매일 특정시각에 외부 해양 기상자료(HYCOM, NOAA/NCEP GFS)를 안정적으로 내려 받는 방법과 (3) 해양예측시스템 운영자들이 휴대전화 단문 메시지 서비스(Short Message Service)를 이용하여 해양예측시스템 수행 시 발생하는 시스템 오류를 신속하게 파악할 수 있는 기능에 관하여 기술하였다. 이들 기본 기술과 운영시스템 구성의 기본 개념은 지역해와 연안 해양 수치예측시스템을 자동으로 운영하는 체계를 구축하는 데 있어서 유용하게 사용될 것이다.

• 대한교통학회지
• /
• 제21권3호
• /
• pp.85-96
• /
• 2003

휴대폰이나 카네비게이션 시스템과 같은 개인단말기에 의한 교통정보 제공 서비스의 시행을 위해서는 정보제공 서비스가 사회적 편익과 개인적 편익에 미치는 영향 분석이 선행되어야 한다. 이를 위해, 본 연구에서는 시뮬레이션을 활용하여 교통정보 제공 서비스가 도로 네트워크에 미치는 영향과 정보를 이용하는 운전자와 정보를 이용하지 않는 운전자에 대한 차이를 소요시간 분석, 소요시간 예측오차 분석, 그리고 정보의존도 분석 등을 통해 밝히고 있다. 소요시간 분석과 소요시간 예측오차 분석 결과에 의하면, 네트워크 내에 정보를 이용하는 운전자가 증가하면서 네트워크의 소요시간과 소요시간 예측오차는 감소하는 경향을 나타냈다. 또, 소요시간과 소요시간 예측오차에 있어서, 정보를 이용하지 않는 운전자에 대한 정보 이용 운전자의 상대적 편익은 1일 교통량 변동이 크고, 정보이용률이 낮은 상황에 한하여만 나타났다. 또, 정보의존도 분석 결과에 의하면, 도로 네트워크 내에 정보 이용 운전자들이 많아지면 운전자들은 정보에 더 많이 의존하게 되는 것으로 나타났다. 또, 혼잡한 교통상태에서는 정보 역시 정확도가 떨어지므로 정보의존도가 낮고, 교통량이 적기 때문에 소통원활한 경우는 정보의존도가 낮고, 반대로 교통량이 많지만, 도로 이용효율이 높아 생기는 소통원활의 경우에는 높은 정보의존도를 보이었다. 본 연구 결과로부터, 어느 정도의 정보이용률까지는 정보이용 운전자들이 증가하면, 네트워크는 도로 이용효율이 향상되어 소요시간 효율성과 신뢰성 등이 향상되고, 운전자의 소요시간 예측오차는 감소한다는 것을 알 수 있었다.