• 한국산학기술학회논문지
• /
• 제11권8호
• /
• pp.2793-2800
• /
• 2010

이 논문에서는 여름철 일일 전력수요 총량을 예측하는 회귀모형을 개발한다. 경제적인 전력 생산계획을 수립하기위해 예측 오차율을 낮추는 것은 매우 중요하다. 전력수요가 크게 증가하는 여름철 전력수요를 예측하기위해 기존 연구에서는 외기온도 및 직전일 전력수요를 고려하였으나, 이 논문에서는 기존 연구에서 제시한 예측 오차율을 개선하기 위해 전력수요의 요일별 특성을 추가적으로 고려한 회귀모형을 개발한다. 이 논문에서는 여름철 전력수요의 요일별 패턴은 최고차항의 계수가 음수인 2차 함수 형태를 나타냄을 확인하였다. 즉, 2005년부터 2009년까지 5년간의 여름철 전력수요 패턴을 살펴본 결과 전력수요 총량은 일요일에 가장 낮고 월요일부터 증가하다가 수요일이나 목요일부터 다시 감소하는 패턴을 보인다. 이 논문에서 제안하는 여름철 전력수요 예측 회귀모형의 타당성을 검증하기 위해 2005년부터 2009년까지 실제 전력수요 데이터를 바탕으로 여름철 전력수요 총량을 예측한 결과, 평균 오차율(MAPE: Mean Absolute Percentage Error)과 최대 오차율(MPE: Maximum Percentage Error)이 각각 3.08%와 8.99%를 넘지 않는 수준임을 확인하였다. 또한 기존 연구에서 제시한 방법과 비교하여도 평균 오차율과 최대 오차율 모두 기존 연구에서 제시한 오차율보다 우수함을 확인하였다.

• 응용통계연구
• /
• 제35권3호
• /
• pp.385-393
• /
• 2022

본 논문에서는 시계열 예측 분야에서 잘 알려져 있는 단변량 시계열 모형들을 이용하여, 그들의 단순 조합이 어떤 예측력을 보여주는지 연구한다. 고려된 단변량 시계열 모형으로는, 지수평활 및 ARIMA(autoregressive integrated moving average) 모형들과 그들의 확장된 형태인 모형들 그리고 예측의 벤치마크 모형으로 자주 사용되는 비계절 및 계절 랜덤워크 모형이다. 단순 조합의 방법은 중앙값과 평균을 이용하였으며, 검증을 위하여 사용된 데이터셋은 3,003개의 시계열 자료로 구성된 M3-competition 자료이다. 예측 성능을 sMAPE(symmetric mean absolute percentage error)와 MASE(mean absolute scaled error)로 평가한 결과, 단변량 시계열 모형들의 단순 조합이 아주 우수한 예측력을 가지고 있음을 확인하였다.

• 조명전기설비학회논문지
• /
• 제18권5호
• /
• pp.105-111
• /
• 2004

본 논문에서는 실제 전력 수요 데이터를 이용하여 유효전력에 단기 부하 예측함에 있어 무효전력이 중요한 역할을 하는 것을 회귀 분석 검정 통계량으로 증명한다. 무효전력의 공급과 수요는 계통의 전압과 아주 밀접한 관계를 가지고 있으므로 계통전압을 관리하고 계통의 신뢰도를 높이기 위해서는 예측된 무효전력 수요에 따라 무효전력 공급계획을 별도로 수립하여 운영해야 한다. 따라서 본 논문에서는 다중 시계열 모델을 이용한 시전 예측방법을 이용하여 설명변수로 유효전력을 사용하여 부하의 무효전력을 예측 하였다.

• 스마트미디어저널
• /
• 제7권1호
• /
• pp.16-23
• /
• 2018

본 연구는 Deep Neural Network(DNN)을 이용하여 광주-기아 챔피언스 필드의 일일 관중 수를 예측함으로써 이를 통해 구단과 관련기업의 마케팅 자료제공 및 구장 내 부대시설의 재고관리에 자료로 쓰임을 목적으로 수행 되었다. 본 연구에서는 Artificial Neural Network(ANN)의 종류인 DNN 모델을 이용하였으며 DNN 모델의 과적합을 막기 위해 Dropout과 Batch normalization 적용한 모델을 바탕으로 총 4종류를 설계하였다. 각각 10개의 DNN을 만들어 예측값의 Root Mean Square Error(RMSE)와 Mean Absolute Percentage Error(MAPE)의 평균값을 낸 모델과 예측값의 평균으로 RMSE와 MAPE를 평가한 Ensemble 모델을 만들었다. 모델의 학습 데이터는 2008년부터 2017년까지의 관중 수 데이터를 수집하여 수집된 데이터의 80%를 무작위로 선정하였으며, 나머지 20%는 테스트 데이터로 사용하였다. 총 100회의 데이터 선정, 모델구성 그리고 학습 및 예측을 한 결과 Ensemble 모델은 DNN 모델의 예측력이 가장 우수하게 나왔으며, 다중선형회귀 모델 대비 RMSE는 15.17%, MAPE는 14.34% 높은 예측력을 보이고 있다.

• Ecology and Resilient Infrastructure
• /
• 제5권4호
• /
• pp.276-284
• /
• 2018

하단배출 형태의 연직수문을 대상으로 퇴적토 배출특성에 따른 두부침식 거리비, 퇴적토 이동거리와 이동량을 분석하기 위해 수리 모형실험과 차원해석을 수행하였다. Froude 수와 배출특성의 상관관계를 도식화하고, 퇴적토 배출특성을 지배하는 무차원 매개변수에 의한 다중회귀식을 제안하였다. 두부침식거리, 퇴적토 이동거리와 이동량에 대한 각 다중회귀 분석식의 결정계수는 각각 0.618, 0.632, 0.866으로 높게 나타났다. 개발한 퇴적토 배출특성식의 사용성을 평가하기 위해 실제 측정값과 회귀분석식에 의해 계산된 값의 95%의 예측 신뢰구간 분석을 수행하였고, 두부침식거리, 퇴적토 이동거리와 이동량에 대한 예측의 정확도 분석차원의 NSE (Nash-Sutcliffe Efficiency), RMSE (root mean square)와 MAPE (mean absolute percentage error)는 적절한 것으로 판단되었다.

• Communications for Statistical Applications and Methods
• /
• 제30권3호
• /
• pp.273-289
• /
• 2023

In this paper, we develop a new time series model for predicting IPO (initial public offering) data with non-negative integer value. The proposed model is based on integer-valued autoregressive (INAR) model with a Poisson thinning operator. Just as the heterogeneous autoregressive (HAR) model with daily, weekly and monthly averages in a form of cascade, the integer-valued heterogeneous autoregressive (INHAR) model is considered to reflect efficiently the long memory. The parameters of the INHAR model are estimated using the conditional least squares estimate and Yule-Walker estimate. Through simulations, bias and standard error are calculated to compare the performance of the estimates. Effects of model fitting to the Korea's IPO are evaluated using performance measures such as mean square error (MAE), root mean square error (RMSE), mean absolute percentage error (MAPE) etc. The results show that INHAR model provides better performance than traditional INAR model. The empirical analysis of the Korea's IPO indicates that our proposed model is efficient in forecasting monthly IPO volumes.

• Wind and Structures
• /
• 제32권2호
• /
• pp.161-167
• /
• 2021

In this study, the artificial neural network (ANN) method was used for estimating the monthly mean wind speed of Sivas, in the central part of Turkey. Eighteen years of wind speed data obtained from nine measurement stations during the period of 2000-2017 at 10 m height was used for ANN analysis. It was found that mean absolute percentage error (MAPE) ranged from 3.928 to 6.662, mean bias error (MBE) ranged from -0.089 to -0.003, while root mean square error (RMSE) ranged from 0.050 to 0.157 and R2 ranged from 0.86 to 0.966. ANN models provide a good approximation of the wind speed for all measurement stations, however, a tendency to underestimate is also obvious.

• 산업경영시스템학회지
• /
• 제38권3호
• /
• pp.159-168
• /
• 2015

Aggregate Production Planning determines levels of production, human resources, inventory to maximize company's profits and fulfill customer's demands based on demand forecasts. Since performance of aggregate production planning heavily depends on accuracy of given forecasting demands, choosing an accurate forecasting method should be antecedent for achieving a good aggregate production planning. Generally, typical forecasting error metrics such as MSE (Mean Squared Error), MAD (Mean Absolute Deviation), MAPE (Mean Absolute Percentage Error), and CFE (Cumulated Forecast Error) are utilized to choose a proper forecasting method for an aggregate production planning. However, these metrics are designed only to measure a difference between real and forecast demands and they are not able to consider any results such as increasing cost or decreasing profit caused by forecasting error. Consequently, the traditional metrics fail to give enough explanation to select a good forecasting method in aggregate production planning. To overcome this limitation of typical metrics for forecasting method this study suggests a new metric, WACFE (Weighted Absolute and Cumulative Forecast Error), to evaluate forecasting methods. Basically, the WACFE is designed to consider not only forecasting errors but also costs which the errors might cause in for Aggregate Production Planning. The WACFE is a product sum of cumulative forecasting error and weight factors for backorder and inventory costs. We demonstrate the effectiveness of the proposed metric by conducting intensive experiments with demand data sets from M3-competition. Finally, we showed that the WACFE provides a higher correlation with the total cost than other metrics and, consequently, is a better performance in selection of forecasting methods for aggregate production planning.

• 한국환경과학회지
• /
• 제27권7호
• /
• pp.499-507
• /
• 2018

Agricultural meteorological information is an important resource that affects farmers' income, food security, and agricultural conditions. Thus, such data are used in various fields that are responsible for planning, enforcing, and evaluating agricultural policies. The meteorological information obtained from automatic weather observation systems operated by rural development agencies contains missing values owing to temporary mechanical or communication deficiencies. It is known that missing values lead to reduction in the reliability and validity of the model. In this study, the hierarchical Bayesian spatio-temporal model suggests replacements for missing values because the meteorological information includes spatio-temporal correlation. The prior distribution is very important in the Bayesian approach. However, we found a problem where the spatial decay parameter was not converged through the trace plot. A suitable spatial decay parameter, estimated on the bias of root-mean-square error (RMSE), which was determined to be the difference between the predicted and observed values. The latitude, longitude, and altitude were considered as covariates. The estimated spatial decay parameters were 0.041 and 0.039, for the spatio-temporal model with latitude and longitude and for latitude, longitude, and altitude, respectively. The posterior distributions were stable after the spatial decay parameter was fixed. root mean square error (RMSE), mean absolute error (MAE), mean absolute percentage error (MAPE), and bias were calculated for model validation. Finally, the missing values were generated using the independent Gaussian process model.

• Communications for Statistical Applications and Methods
• /
• 제19권6호
• /
• pp.869-876
• /
• 2012

In this paper, we applied seasonal time series models such as ARIMA, FARIMA, AR-GARCH and Holt-Winters in consideration of seasonality to forecast short-term electricity demand data. The results for performance evaluation on the time series models show that seasonal FARIMA and seasonal Holt-Winters models perform adequately under the criterion of Mean Absolute Percentage Error(MAPE).