• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.403-403
• /
• 2012

최근 단시간 동안에 특정지역에 집중되는 국지적 호우에 의한 돌발홍수가 빈번히 발생하고 있으며, 이에 따른 위험과 손실이 증가하고 있는 추세이다. 현재 국내에서는 이러한 피해를 최소화하고자 돌발홍수 예측모형을 개발하고 예 경보 시스템을 구축하여 다양한 비구조적 대책을 마련하고 있다. 그러나 활용되는 예측모형의 경우 개념적 유출량인 한계유출량으로부터 돌발홍수능(Flash Flood Guidance, FFG)을 결정하여 예측 강우와 상대적인 대소 비교를 통해 돌발홍수의 발생가능성 유무를 판단하게 되는데, 문제는 산정되는 한계유출량은 개념적이기 때문에 검증이 어렵고 산정방법도 다양하여 불확실성이 높다는 단점이 있다. 이에 본 연구에서는 기존의 돌발홍수 예측 방법이 아닌, 수문모형 Nesting 기법을 이용한 돌발 홍수 예측 방법을 개발하였다. 저해상도의 대유역 기반의 유출량이 큰 영역의 경계값이 되고, 대유역을 이루고 있는 소유역을 고해상도의 작은 영역이라 할 때, 경계값인 대유역의 기반의 유출량을 참고 유출량으로 하여 소유역의 유출을 물리적 혹은 개념적으로 보다 타당하게 모의하는 방법이 수문모형 Nesting 기법이다. 이러한 기법에 필요한 강우-유출 모형으로는 대유역의 경우, SURR 모형(Sejong University Rainfall-Runoff model)을 선택하였으며, 대유역을 이루는 소유역의 유출모의는 물리적 기반의 분포형 모형인 CASC2D 모형을 이용하였다. 또한 실시간 활용을 위해서는 CASC2D 모형의 매개변수를 자동으로 추정하는 기술이 요구되며, 본 연구에서는 매개변수 전역 최적화 방법인 SCE-UA(The Shuffled Complex Evolution, University of Arizona) 기법을 활용하였다. 본 연구에서 사용한 수문모형의 적용성을 평가한 결과 대상유역에 대한 적용성이 높은 것으로 나타났으며, 연계된 두 모형의 유출거동이 유사하게 나타난 것으로 확인되었다. 본 연구에서는 Nesting 기법을 이용하여 0.5m 하천 수위의 상승 여부에 따라 돌발홍수의 발생 가능성을 예측하는 기법을 제안하였으며, 돌발홍수 사례와 일반호우사상으로부터 이 방법의 적용성을 평가하였다. 실제 돌발홍수가 발생한 유역을 선정하고 연계된 두 모형을 대상 유역에 적용한 결과 Nesting 기반의 돌발홍수 예측방법은 기존의 한계유출량 산정 방법에서 반영하지 못한 사상을 적절히 반영한 것으로 나타났다. 본 연구에서 개발한 Nesting 기법을 이용한 돌발홍수 예측모형은 일반적인 강우량 비교의 돌발홍수 예측방법에서 벗어나 새로운 돌발홍수 예측방법을 제안한 측면에서 큰 의미가 있다고 사료되며, 이러한 연구 결과는 실시간 돌발홍수 예측 시스템의 기본 모형으로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korean Institute of Communication Sciences Conference
• /
• 1991.10a
• /
• pp.167-173
• /
• 1991

현재까지 가입자 트래픽 예측방법은 계량학적 방법중 추세분석 방법을 이용하고 있는데, 이 방법은 급변하는 시장상황이나 지역여건을 고려하지 못하고 하나의 통계적 기술에 의한 획일화된 예측방법으로서 트래픽예측치가 실제 운용트래픽값과는 다소 차이가 있어왔다. 이러한 원인을 제거할 수 있는 하나의 방법으로서 Box-Jenkins 시계열 분석에 의한 트래픽 예측방법을 제안하고자 한다. 이 방법에 대한 이론을 살펴보고, 시뮬레이션을 통하여 얻은 결과를 각각 분석하여 문제점을 파악하고 실측치와 비교분석함으로서 본 논문에서 제안한 방법이 기존방법보다 타당함을 입증하려 하였다.

• Journal of the Korea Convergence Society
• /
• v.11 no.11
• /
• pp.257-267
• /
• 2020

In this study, we predicted the employment ratio by the export industry using various machine learning methods and verified whether the prediction performance is improved by applying the constrained forecast combination method to these predicted values. In particular, the constrained forecast combination method is known to improve the prediction accuracy and stability by imposing the sum of predicted values' weights up to one. In addition, this study considered various variables affecting the employment ratio of each industry, and so we adopted recursive feature elimination method that allows efficient use of machine learning methods. As a result, the constrained forecast combination showed more accurate prediction performance than the predicted values of the machine learning methods, and in particular, the stability of the prediction performance of the constrained forecast combination was higher than that of other machine learning methods.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.588-594
• /
• 2005

사례기반추론(Case-Based Reasoning)은 다양한 예측 문제에 있어서 성공적으로 활용되고 있는 데이터마이닝 기법 중 하나이다. 사례기반추론 시스템의 예측 성능은 예측에 사용되는 최근접이웃(Nearest Neighbor)을 어떻게 설정하느냐에 따라 영향을 받게 된다. 따라서 최근접 이웃을 결정짓는 k 값의 설정은 성공적인 사례기반추론 시스템을 구축하기 위한 중요 요인 중 하나가 된다. 최근접 이웃의 설정에 있어서 대부분의 선행 연구들은 고정된 k 값을 사용하는 사례기반추론 시스템은 k 값을 크게 설정할 경우 최근접 이웃 안에 주어진 오류를 일으킬 수 있으며, k 값이 작게 설정된 경우에는 유사 사례 중 일부만을 예측에 사용하기 때문에 예측 결과의 왜곡을 초래할 수 있다. 본 이웃을 결정함에 있어서 Similarity Threshold를 이용하는 s-NN 방법을 제안하였다. 본 연구의 실험을 위해 UCI(University of california, Irvine) Machine Learning Repository에서 제공하는 두 개의 신용 데이터 셋을 사용하였으며, 실험 결과 s-NN 적용한 CBR 모델이 고정된 k 값을 적용한 전통적인 CBR 모델보다 더 우수한 성능을 보여주었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.87-87
• /
• 2017

최근 이상기후로 인해 국내 가뭄피해가 증가하고 있는 추세이며, 미래 가뭄의 심도 및 지속시간은 증가할 것으로 예측되고 있다. 특히 우리나라는 용수공급의 56.5%를 댐에 의존하여 댐 유역의 가뭄은 생 공 농업용수 공급제한 등의 광범위한 피해를 발생시킬 수 있다. 다만 가뭄은 홍수와 달리 진행속도가 비교적 느리기 때문에 사전에 정확한 댐 유입량 예측이 가능하다면, 용수공급량 조정을 통해 피해를 최소화할 수 있다. 국내에서는 댐 유입량 예측에 ESP (Ensemble Streamflow Prediction) 기법을 활용하고 있으며, ESP 기법은 과거 기상자료를 기반으로 미래를 예측하기 때문에 기상자료, 초기수문조건, 매개변수 등에 불확실성을 가지고 있다. 본 연구에서는 베이지안 이론을 이용하여 댐 예측유입량의 정확도 향상기법을 개발하고 예측성을 평가하고자 하며, 강우유출모델은 ABCD를 활용하였다. 대상유역은 국내의 대표 다목적댐인 충주댐 유역을 선정하였으며, 기상자료는 기상청, 국토교통부 및 한국수자원공사의 지점자료를 수집하였다. 예측성 평가기법으로는 도시적 분석방법인 시계열 분석, 통계적 분석방법인 Skill Score (SS)를 활용하였다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)은 매년 월별 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. 베이지안 기반의 댐 예측유입량(BAYES-ESP)는 ESP의 과소모의하는 경향을 보정하였으며, 다우년에 예측성이 향상되었다. 월별 평균 댐 관측유입량과 ESP, BAYES-ESP의 SS 비교분석 결과 ESP는 유입량 값이 적은 1, 2, 3월에 SS가 양의 값을 가졌으며, 이외의 월에는 음의 값으로 나타났다. BAYES-ESP는 ESP와 관측값이 비교적 선형관계를 나타내는 1, 2, 3월에 ESP의 예측성을 개선시키는 것으로 나타났다. ESP 기법은 강수량의 월별, 계절별 변동성이 큰 우리나라에 적용하기에는 예측성의 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측 연구에 가치가 있는 것으로 판단된다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1996.10a
• /
• pp.139-145
• /
• 1996

A forecast on the past output data sets of small bar steels is very important information to make a decision on the future production quantities. In many cases, however, it has been mainly determined by experience (or rule of thumb). In this paper, past basic data sets of each small bar steels are statistically analyzed by some graphical and statistical forecasting methods. This work is mainly done by SAS. Among various quantitative forecasting methods in SAS, STEPAR forecasting method was best performed to the above data sets. By the method, the future production quantities of each small bar steels are forecasted. As a result of this statistical analysis, 95% confidence intervals for future forecast quantities are very wide. To improve this problem, a suitable systematic database system, integrated management system of demand-production-inventory and integrated computer system should be required.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.7
• /
• pp.307-314
• /
• 2022

Recently, researches using deep learning-based models are being actively conducted to replace statistical-based time series forecast techniques to predict electric power demand. The result of analyzing the researches shows that the performance of the LSTM-based prediction model is acceptable, but it is not sufficient for long-term regional-wide power demand prediction. In this paper, we propose a WaveNet deep learning model to predict electric power demand 24-hour-ahead with temperature data in order to achieve the prediction accuracy better than MAPE value of 2% which statistical-based time series forecast techniques can present. First of all, we illustrate a delated causal one-dimensional convolutional neural network architecture of WaveNet and the preprocessing mechanism of the input data of electric power demand and temperature. Second, we present the training process and walk forward validation with the modified WaveNet. The performance comparison results show that the prediction model with temperature data achieves MAPE value of 1.33%, which is better than MAPE Value (2.33%) of the same model without temperature data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• Proceedings of the ESK Conference
• /
• 1996.04a
• /
• pp.2-7
• /
• 1996

인간이 마우스를 사용하면서 느끼는 감성은 불확실하고 모호하여 정량화하고 모형화하는데 많은 어려 움이 있었다. 본 연구에서는 퍼지로직을 이용하여 기존의 통계적 분석방법의 한계를 극복하고 좀 더 실제적인 감성예측을 위한 모형화의 방법론을 제시하고자 한다. 즉 퍼지회구식을 이용하여 인간이 마 우스를 사용할 때의 감성을 모형화 하였으며 이를 통하여 새로운 모델에 대한 감성의 예측의 방법을 제 시하였다. 본 연구에서 제시된 방법을 적용하기 위해 시판되고 있는 볼마우스 9종, 대학원생 6명을 대상으로 실험을 실시한 결과, 퍼지회귀식에 의한 감성의 예측을 예측값의 중심뿐만이 아니라 개략적인 산포도 함께 제시함으로써 보다 현실적인 예측이 가능하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.9
• /
• pp.437-444
• /
• 2017

Although many studies tried to predict movie revenues in the last decade, the main focus is still to learn an efficient forecast model to fit the box-office revenues. However, the previous works lack the analysis about why the prediction errors occur, and no method is proposed to reduce the errors. In this paper, we consider the prediction error comes from the competition between the movies that are released in the same period. Our purpose is to analyze the competition value for a movie and to predict how much it will be affected by other competitors so as to improve the performance of movie box-office prediction. In order to predict the competition value, firstly, we classify its sign (positive/negative) and compute the probability of positive sign and the probability of negative sign. Secondly, we forecast the competition value by regression under the condition that its sign is positive and negative respectively. And finally, we calculate the expectation of competition value based on the probabilities and values. With the predicted competition, we can adjust the primal predicted box-office. Our experimental results show that predictive competition can help improve the performance of the forecast.