• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.303-303
• /
• 2018

안정적인 수자원 운용을 위해서는 정확한 유량예측 기술이 필요하다. 본 연구에서는 유량예측 정확도의 개선을 위해 베이지안 추론(Bayesian inference) 기법과 앙상블 유량 예측(Ensemble Streamflow Prediction, ESP) 기법의 결합을 통한 새로운 유량예측 기법(Bayesian ESP)을 제안하였다. ESP를 통한 유량 예보 앙상블은 베이지안 추론의 사전정보로 활용되며, 관측 유량과 ESP 전망 결과의 선형관계를 통해 우도함수가 추정된다. 우도함수는 관측 유량이 존재하는 과거 기간에 대한 ESP를 수행한 후 예보 시점의 관측 유량(concurrent observed flow)과 선행 관측 유량(lagged observed flow)과의 다중선형회귀 모형을 통해 추정된다. 사전정보와 우도함수는 정규분포로 가정되며, 따라서 최종 유량예측인 사후정보 역시 정규분포함수로 산정되게 된다. Bayesian ESP은 ESP에서 발생하는 강우-유출모형 오차의 개선을 통해 수문예측의 정확도를 개선하게 되며 정규분포함수로 최종 결과가 산정되므로 확률예보 형태의 수문 전망도 가능하다. 본 기법을 전국 35개 댐 유역에 시범적용을 한 결과, 모든 유역에서 기존 ESP 기법 대비 수문예측 정확도의 개선을 가져왔으며, 우도함수 추정에 있어 선행 유량의 포함 여부가 수문 예측 정확도의 추가적인 개선을 가져왔다. 본 기법은 주간 예보부터 계절 예보까지 탄력적으로 구축이 가능하며 적용 결과 리드 타임이 길어질수록 예측 능력이 감소되었지만 전체 구간에 있어서 Bayesian ESP 기법이 가장 우수한 예측 정확도를 보여주었다.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.6
• /
• pp.1601-1607
• /
• 2016

Recently, weather information has been increasingly used in various area. This study presents the necessity of hourly weather information for electricity demand forecasting through correlation analysis and multivariate regression model. Hourly weather data were collected by Meteorological Administration. Using electricity demand data, we considered TBATS exponential smoothing model with a sliding window method in order to forecast electricity demand. In this paper, we have shown that the incorporation of weather infromation into electrocity demand models can significantly enhance a forecasting capability.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1625-1629
• /
• 2010

효율적인 장기 수자원 운영을 위하여 미래의 강수량을 예측하는 것은 중요하다. 특히 월 또는 계절단위의 강수량의 정량적인 예측이 필요하다. 우리나라에서는 기상청에서 향후 3개월의 강수량과 온도에 대하여 정성적으로 예측을 하고 있다. 정성적인 예측은 적음과 많음만을 나타내어 정보를 활용하기에 많은 제약이 있다. 기상수치모형을 통한 예측의 경우 월간과 같은 시간스케일에서 정량적인 예측이 가능하나 예측 정확도가 떨어지는 문제로 인하여, 일반적으로 정성적인 예측을 하고 있다. 이런 문제점을 극복하고자 본 연구에서는 기상수치모형을 이용하지 않고 시계열 모형을 이용하여 월강수량을 예측하고자 한다. 기존의 통계학에서 사용되는 시계열 모형과 자기학습모형 등을 이용하여 정량적인 월 강수량을 예측하는 다양한 모형을 구성하고, 각 모형의 적용성을 평가하고자 한다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2005.05a
• /
• pp.113-119
• /
• 2005

경제적성과는 생산자, 소비자, 정부 등과 같은 경제주체들이 생산, 투자, 소비 등의 활동을 얼마나 유기적이며 효율적으로 잘 하느냐에 달려있고, 소비자전망조사는 경제주체 중 소비자의 향후 경기 및 소비에 대한 심리를 조사하고 이를 지수화하여 소비 및 경기 예측자료로 활용하는데 그 목적이 있다. 이렇게 작성된 소비자기대지수와 소비자평가지수는 서로 높은 상관관계를 가지고 움직이며, 이들의 차는 동행지수 순환변동치보다 3개월 정도 선행하는 것으로 나타났다. 또한 소비자기대지수는 계절성 검토결과 계절성이 있으며, 원계열보다 계절조정계열이 움직임이 뚜렷하며, 동행지수 순환변동치와 비교결과 선행성도 더 큰 것으로 나타났다. 이외에도 소비자기대지수는 소비관련 지표인 GDP 민간소비와 가계소비지출과도 서로 상관관계가 있는 것으로 나타나 정보변수로서의 유용성이 있는 것을 확인하였다.

• Journal of Internet Computing and Services
• /
• v.24 no.2
• /
• pp.57-66
• /
• 2023

Currently, a new energy system is emerging that implements consumption reduction by improving energy efficiency. Accordingly, as smart grids spread, the rate system by timing is expanding. The rate system by timing is a rate system that applies different rates by season/hour to pay according to usage. In this study, external factors such as temperature/day/time/season are considered and the time series prediction model, LSTM, is used to predict energy power usage data. Based on this energy usage prediction model, energy usage charges are reduced by analyzing usage patterns for each device and transferring power energy from the maximum load time to the light load time. In order to analyze the usage pattern for each device, a clustering technique is used to learn and classify the usage pattern of the device by time. In summary, this study predicts usage and usage fees based on the user's power data usage, analyzes usage patterns by device, and provides customized demand transfer services based on analysis, resulting in cost reduction for users.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.19 no.1
• /
• pp.30-42
• /
• 2016

Climate change are known to have had enormous impacts on plant phenology and thus to have damage on other species which are interacted within ecosystem. In Korea, however, it is difficult to analyze the relationship between climate and phenology due to the limitation of measurement data of plant phenological records. In this study, to be effective analysis of SOG(start of growing season), we used phenological transition dates by using satellite data. Then, we identified the most influential variable in variation of SOG throughout the relationship between SOG and temperature factors. As a result, there is a strong correlation between the SOG and April temperature, TSOGmin($3^{\circ}C$, 12days). This study is expected to be used for predicting plant phenological change using climate change scenario data.

• The Journal of Society for e-Business Studies
• /
• v.24 no.4
• /
• pp.119-133
• /
• 2019

Recently, the importance prediction of photovoltaic power (PV) is considered as an essential function for scheduling adjustments, deciding on storage size, and overall planning for stable operation of PV facility systems. In particular, since most of PV power is generated in peak time, PV power prediction in a peak time is required for the PV system operators that enable to maximize revenue and sustainable electricity quantity. Moreover, Prediction of the PV power output in peak time without meteorological information such as solar radiation, cloudiness, the temperature is considered a challenging problem because it has limitations that the PV power was predicted by using predicted uncertain meteorological information in a wide range of areas in previous studies. Therefore, this paper proposes the LSTM (Long-Short Term Memory) based the PV power prediction model only using the meteorological, seasonal, and the before the obtained PV power before peak time. In this paper, the experiment results based on the proposed model using the real-world data shows the superior performance, which showed a positive impact on improving the PV power in a peak time forecast performance targeted in this study.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.53 no.1
• /
• pp.71-78
• /
• 2016

This paper proposes the new electric power demand forecast model which is based on an artificial neural network and considers time and weather factors. Time factors are selected by measuring the autocorrelation coefficients of load demand in summer and winter seasons. Weather factors are selected by using Pearson correlation coefficient The important weather factors are temperature and dew point because the correlation coefficients between these factors and load demand are much higher than those of the other factors such as humidities, air pressures and wind speeds. The experimental results show that the proposed model using time and seasonal weather factors improves the load demand forecasts to a great extent.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2207-2211
• /
• 2008

한반도 및 동아시아의 여름철은 장마와 태풍으로 인한 집중호우의 발생으로 많은 피해를 입는다. 따라서 여름철에 나타나는 이러한 집중호우가 나타나는 지역, 시기, 기간, 그리고 강수량 등을 예측하는 것은 매우 중요하다. 특히, 효율적인 수자원 관리를 위하여 이러한 예측은 매우 중요한데, 단기적으로 정확하고 신속하게 강수를 예측하는 것도 중요하지만, 장기적으로 계절 강수, 특히 여름철의 장마 또는 우기의 시기와 강수량과 태풍 발생의 시기 등을 미리 예측하여 이에 따른 집중 호우의 발생 지역, 기간, 강수량을 예측하여 사전에 대비하는 것도 매우 중요하다. 특히, 최근에는 6,7월 장마에 의한 집중 호우의 영향보다도 8월에 강수량이 높아지고 있는 경향을 보이므로 강수량의 장기적 경향의 파악이 매우 중요하다. 장기 기후를 예측하는 데는 과거 자료를 이용한 통계 방법도 유용하지만 최근에는 AOGCM (Atmospheric Oceanic General Circulation Model)을 이용한 연구가 활발하게 이루어지고 있다. 하지만 강수와 같이 지역적으로 나타나는 현상은 저해상도의 AOGCM으로는 유용한 정보를 제공하기가 어려움이 따른다. 따라서 본 연구에서는 전구를 삼각형으로 된 20면체로 격자화 시켜 모든 격자의 크기가 거의 동일하고, 해상도 조절이 가능한 Geodesic 격자를 활용한 GME 모델을 사용하였다. GME 모델은 icosahedral-hexagonal grid 격자 체계를 가진 독일 기상청(Deutscher Wetterdient)에서 현업으로 사용 중인 모델이다. 본 연구에서는 수직/수평 해상도를 40km/40layers로 하여 GME 모델을 수행하였으며, 일간격의 장기 기후 자료를 생산하였다. 사용된 초기자료로는 ECMWF (European Centre for Medium Range Weather Forecasts) 자료이며, 경계 자료로는 ERA Climatology의 최근 30년간의 SST (Sea Surface Temperature) 평균 자료를 이용하여 규준 실험(Control Run), 즉, climatology 자료를 생산하였으며, persistent SST 아노말리와 ERA Climatology의 최근 30년간의 SST 자료를 이용하여 내삽 과정을 거친 SST forcing을 주어서 예측 실험(Prediction Run)을 통하여 모의 자료를 생산하였다. 특히, 규준 실험에서는 수치 모델이 가지는 불확실성을 줄이고 예보 정확도를 향상시키기 위하여 각각의 실험은 초기자료를 달리한 앙상블 모의실험을 수행하였다. 장기 모의 3개월을 위하여 모의 기간 1달 전부터 모의를 수행하여, 첫 1달은 모델의 spin-up 시간으로 분석에서 제외 하였다. 생산된 Climatology 자료와 Prediction 자료를 비교하여 아노말리와 Category 분석을 실시하여 한반도 및 동아시아 지역의 강수(Precipitation)를 중심으로 기압장(Pressure), 온도(2m Temperature) 위주로 분석하였다. 이러한 예측된 매 계절의 전망 자료 중에서도 수자원 분야에서 관심이 집중되는 여름철에 초점을 맞추어 실제 관측 자료와 비교하여 GME 모델의 계절 모의 예측성 성능을 분석하여 평가하고 다가올 여름철의 강수량의 장기 변화를 모의하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.390-390
• /
• 2021

본 연구에서는 통계적 방법에 의해 예측된 미래기간의 기온정보와 기온기반의 기준증발산량 산정방법을 연계하여 한강권역을 대상으로 최대 12개월의 미래기간에 대한 기준증발산량을 전망하였다. 기온정보는 Kim et al. (2020)의 연구와 같이 글로벌 기후지수와의 원격상관성을 기반으로 개발된 다중회귀모형을 이용하여 미래기간(예측시점 기준 1~12개월)에 대해 월 평균기온을 예측하고 이를 상세화하여 한강권역 내 주요 ASOS 지점별로 최고/최저기온을 도출하였다. 기준증발산량은 Hamon 방법(Hamon, 1960, 1963)을 기반으로 각 지점별로 상세화된 최고/최저기온을 이용하여 동일한 미래기간(1~12개월)에 대해 산정하였다. 한강권역 전체에 대해 2015년 1월~2020년 12월의 월별 평균기온과 각 지점별 산정한 기준증발산량을 활용하여 기온 및 기준증발산량에 대한 예측성을 분석하였다. 한강권역 전체에 대해 예측된 월별 평균기온의 경우 실제 관측값과 비교하였을 때, PBIAS 4.2~6.4%, R² 0.97~0.98, NSE 0.97~0.98 등으로 매우 높은 예측성을 보였다. 지점별로 상세화된 기온정보를 이용하여 산정한 기준증발산량을 실제 기온으로부터 산정한 기준증발산량과 비교한 결과는 PBIAS 5.0~6.8%, R² 0.97~0.98, NSE 0.96~0.97로 기온에 대한 예측성과 유사하게 나타났다. 기온과 기준증발산량 모두 일부 월이나 일부 지점에서 관측값과 비교했을 때 다소 차이를 보이는 경우도 있었으나, 대상유역 전반적으로는 매우 안정적인 예측결과를 확인할 수 있었다. 기준증발산량에 대한 예측결과(미래 1~12개월)는 계절 및 월 단위의 유역 수자원 전망에 유용하게 활용될 수 있을 것으로 판단된다.