• Journal of Advanced Navigation Technology
• /
• v.28 no.1
• /
• pp.149-154
• /
• 2024

Research on particulate matter is advancing in real-time, and various methods are being studied to improve the accuracy of prediction models. Furthermore, studies that take into account various factors to understand the precise causes and impacts of particulate matter are actively being pursued. This paper trains an LSTM model using seasonal data and another LSTM model using concentration-based data. It compares and analyzes the PM_2.5 prediction performance of the two models. To train the model, weather data and air pollutant data were collected. The collected data was then used to confirm the correlation with PM_2.5. Based on the results of the correlation analysis, the data was structured for training and evaluation. The seasonal prediction model and the concentration-specific prediction model were designed using the LSTM algorithm. The performance of the prediction model was evaluated using accuracy, RMSE, and MAPE. As a result of the performance evaluation, the prediction model learned by concentration had an accuracy of 91.02% in the "bad" range of AQI. And overall, it performed better than the prediction model trained by season.

• Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
• /
• 2007.11a
• /
• pp.65-70
• /
• 2007

고연색성의 실시간으로 색온도 제어 가능한 승강기용 조명 제품 개발을 위하여 4계절 별 일 중 주광의 색온도 변화를 계산하였다. 4계절 별 일 중의 색온도 변화는 대한민국 서울의 위치를 기준으로 태양광 직사조도, 청공광조도 등을 계산하고 지면조도와 색온도의 관계로부터 춘분, 하지, 추분, 동지의 일 중 색온도 변화를 계산하였다. 이 값들을 색온도 제어회로의 Microprocessor에 이식함으로 4계절 별로 실시간으로 색온도가 변화하는 승강기용 조명기구를 개발하였다. 또한 개발 시제품의 전기적, 광학적 성능 측정 결과 각각의 개발 목표 항목을 만족시켰다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.4
• /
• pp.581-594
• /
• 2016

We introduce innovations state space exponential smoothing models (ISS-ESM) that can analyze time series with multiple seasonal patterns. Especially, in order to control complex structure existing in the multiple patterns, the model equations use a matrix consisting of seasonal updating parameters. It enables us to group the seasonal parameters according to their similarity. Because of the grouped parameters, we can accomplish the principle of parsimony. Further, the ISS-ESM can potentially accommodate any number of multiple seasonal patterns. The models are applied to predict electricity demand in Korea that is observed on hourly basis, and we compare their performance with that of the traditional exponential smoothing methods. It is observed that the ISS-ESM are superior to the traditional methods in terms of the prediction and the interpretability of seasonal patterns.

• 한국태양에너지학회:학술대회논문집
• /
• 2008.04a
• /
• pp.221-226
• /
• 2008

This study was carry out evaluation of seasonal performance for the decentralized desalination system with the solar thermal system and the photovoltaic power system. First operating demonstration system was set up in Cheju in 2006. These system comprises the desalination unit with designed daily fresh water capacity of $2m^3$ and is supplied by a $120m^2$ evacuated tubular solar collector, a $6m^3$ heat storage tank, and a 5kW photovoltaic power generation supply the electricity for hydraulic pumps to move the working fluids. In a spring season day average $392W/m^2$, the daily fresh water showed to produce about 340liter. In a summer season day average $296W/m^2$, the daily fresh water showed to produce about 328liter. In a autumn season day average $349W/m^2$, the daily fresh water showed to produce about 277liter. In a winter season day average $342W/m^2$, the daily fresh water showed to produce about 271liter.

• Journal of the Korean Solar Energy Society
• /
• v.27 no.2
• /
• pp.11-17
• /
• 2007

This study evaluates the seasonal performances of the horizontal-type geothermal heat exchanger(HGHEX) installed into the foundation slabs of the complex building located at Seoul. The geothermal system is consisted with totally 31,860m long HGHEX, 16 GSHPs (Ground-source Heat Pump) and 8 circulation pumps. This system supplies cooling and heating to the lobby(F1) and the common spaces(BF1). The average heat exchange temperature differences are $2.7^{\circ}C\;and\;2.5^{\circ}C$ in the summer, $1.5^{\circ}C\;and\;0.5^{\circ}C$ in the winter for the F1 and BF1 respectively. From these results, approximately 400Gcal and 180Gcal of geothermal energy are assumed to have been used during the summer and winter seasons respectively. As a conclusion, the geothermal system is reviewed as a effective utility for heating and cooling at the point of seasonal performances.

• 한국신재생에너지학회:학술대회논문집
• /
• 2010.11a
• /
• pp.119-119
• /
• 2010

무한 지속 가능한 지열 에너지를 활용한 공조시스템인 지열원 냉난방 시스템은 기존의 공조 시스템보다 열원이 안정적이기 때문에 높은 효율과 우수한 성능을 가지므로, 기후변화협약 대응의 주요수단으로서 기술개발과 보급이 증대되고 있다. 본 연구에서는 대수층 축열 지열원 열펌프 시스템에 대한 실증 연구를 통하여 대수층 축열 지열원 열펌프 시스템의 하절기 냉방 성능을 분석하였다. 대수층 축열 냉난방 시스템은 주입정과 양수정의 2개의 우물공이 설치되어 있으며, 겨울 난방 운전 중에 한 개의 우물공으로부터 지하수를 열펌프로 유입한 후 낮은 온도의 지하수를 타 우물공에 축열하고, 하절기에 겨울에 저온으로 축열된 우물공으로부터 지하수를 열펌프로 유입하여 온도가 증가된 지하수를 타 우물공에 주입한다. 즉, 계절별로 열펌프에서 생성된 냉수와 온수의 대수층 축열을 위하여 계절별로 주입정과 양수정이 바뀌게 된다. 본 연구의 대수층 축열 지열원 열펌프 시스템의 2009년 8월의 주요일자별 시스템 운전 중의 평균 냉방 열펌프 유닛 COP와 냉방 시스템 COP는 각각 4.7과 3.4이상의 우수한 성능을 나타냈다. 또한, 모든 일자에 대하여 외기온도가 $31.6^{\circ}C$서 $22^{\circ}C$까지 변화가 크게 나타났지만 열펌프 유닛 COP와 시스템 COP의 변화는 미소하였다. 이는 양수정으로부터의 지중 순환수가 운전기간 중에 $17.5^{\circ}C$로 일정하게 유지되었기 때문이다. 양수정과 주입정 사이에 5개의 관측공을 설치하였으며, 양수정 측에 인접한 관측공의 온도는 거의 변화가 없었으며, 단기간이지만 널리 사용되고 있는 수직밀폐형 시스템과 달리 지속적인 냉방운전 중의 양수 온도의 증가는 발생하지 않아 안정적인 성능을 나타냈다. 주입정에 인접한 모니터링 홀의 온도는 심도가 깊은 곳의 온도가 낮은 곳보다 높게 나타났다. 이는 냉방 운전 시 열펌프 유닛의 실외열교환기에서 지중 순환수가 냉매로부터 열을 취득하여 온도가 상승하면서 주입정측에 온열이 축열이 진행되었기 때문으로 분석되며, 하절기의 냉방 운전 시간이 증가할 경우 축열 효과는 더욱 증가할 것으로 예상된다. 양수정과 주입정 중간의 모니터링 홀의 온도는 2009년 8월 가동 중에 온도변화는 없었는데, 이는 양수정과 주입정 사이의 열간섭이 발생하지 않았기 때문으로 분석된다. 일자별로 운전 중의 열펌프 유닛 COP는 차이가 없었지만, 운전 및 정지 시간을 모두 포함한 시스템 소비전력과 냉방용량을 모두 합산하여 산정한 일일 평균 냉방 열펌프 유닛 COP와 냉방 시스템 COP는 일자별로 다소 차이가 발생하였는데, 이는 각 일자별로 열펌프 유닛 가동율의 차이로 인하여 열펌프 유닛 가동 전에 먼저 작동되는 지중순환펌프의 운전 소비전력의 차이와 열펌프의 단속운전 시의 열손실과 추거 소비전력의 차이 때문이다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.44 no.4
• /
• pp.443-463
• /
• 2024

This study sought to improve the accuracy of precipitation prediction by utilizing monthly precipitation data for each region over the past 30 years. Using statistical models (ARIMA, SARIMA) and deep learning models (LSTM, GBM), we learned monthly precipitation data from 1983 to 2012 in Gangneung, Gwangju, Daegu, Daejeon, Busan, Seoul, Jeju, and Chuncheon. Based on this, monthly precipitation was predicted for 10 years from 2013 to 2022. As a result of the prediction, most models accurately predicted the precipitation trend, but showed a tendency to underpredict the actual precipitation. To solve these problems, appropriate models were selected for each region and season. The LSTM model showed suitable results in Gangneung, Gwangju, Daegu, Daejeon, Busan, Seoul, Jeju, and Chuncheon. When comparing forecasting power by season, the SARIMA model showed particularly suitable forecasting performance in winter in Gangneung, Gwangju, Daegu, Daejeon, Seoul, and Chuncheon. Additionally, the LSTM model showed higher performance than other models in the summer when precipitation is concentrated. In conclusion, closely analyzing regional and seasonal precipitation patterns and selecting the optimal prediction model based on this plays a critical role in increasing the accuracy of precipitation prediction.

• The Korean Journal of Applied Statistics
• /
• v.24 no.1
• /
• pp.93-102
• /
• 2011

In this paper, we compared the performance of the several time series models for tourism demand forecasting. We showed that seasonal effects in the data(Japan, China, USA, and Philippines) exist in the tourism data and the forecasting accuracies are compared by the RMSE criterion.

• Proceedings of the SAREK Conference
• /
• 2007.06a
• /
• pp.82-82
• /
• 2007

• The Korean Journal of Applied Statistics
• /
• v.27 no.5
• /
• pp.843-853
• /
• 2014

Accurate electricity demand forecasting for daily peak load is essential for management and planning at electrical facilities. In this paper, we rst, introduce the several time series models that forecast daily peak load and compare the forecasting performance of the models based on Mean Absolute Percentage Error(MAPE). The results show that the Reg-AR-GARCH model outperforms other competing models that consider Cooling Degree Day(CDD) and Heating Degree Day(HDD) as well as seasonal components.