• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.808-809
• /
• 2007

전력수요는 경기변동과 밀접한 관련성을 가지고 동행적으로 움직이며, 전력자료는 경제자료에 비해 조기 관측되는 선행성이 있다. 본 연구에서는 GDP 전망을 위해 발전량이 유용하게 사용될 수 있는가를 살펴 보았다. 발전량과 GDP의 관련성은 그랜저 인과관계 검정을 통해서 검증해 보았으며, 발전량 자료 취득의 선행성은 선행차수를 변화시켜 보면서 관련성이 어떻게 변하는가를 살펴보았다. 실제 자료를 이용하여 분석하고, 2004년부터 2006년 기간의 전망치를 평가한 결과, 본 논문에서 살펴 보고자 했던 발전량과 GDP 사이에는 아주 높은 관련성이 있음을 확인할 수 있었고 또한 발전량 자료를 이용함으로써 실제로 GDP 전망의 예측력을 상당히 개선시킬 수 있음을 볼 수 있었다. 발전량과 GDP 사이의 관계는 시간변동계수를 가지는 공적분 및 오차수 정모형을 이용하여 모형화하였다.

• Information and Communications Magazine
• /
• v.26 no.1
• /
• pp.38-44
• /
• 2009

최근 급변하는 세계정세 속에 미래의 불확실성과 위협이 커져가는 실정에서 미래예측에 기반한 국정운영 시스템과 함께, 이를 과학적이고 체계적으로 지원할 수 있는 지식기반의 미래예측 인프라가 필요하다. 또한 기술 발달과 사회 환경의 미래 변화가 국가의 경쟁력으로 발현될 수 있도록 정책과 제도체계 마련이 선행되어야 혁신적 창의적 노력이 성공하고 기회를 선점할 수 있다. 결국, 지식기반과 국정 운영의 융합으로 지속가능한 국가선진화를 달성할 수 있을 것이다. 본고에서는 기술(공급), 사회(수요), 정책간의 상호작용을 중심으로 지식기반 국가선진화 전략을 제시하였다. 지식기반 국가선진화 전략은 국가 미래비전을 제시하고 추진하는 국정운영 인프라(Governance Infra), 지식기반 인프라(Knowledge Infra), 멘탈 인프라(Mental Infra)로 구성되어있다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.06a
• /
• pp.40-43
• /
• 2010

본 연구 선행연구에서 설정된 GIS에 의한 택지개발 적지분석 모형이 가지는 한계점을 통해 분석모형의 분석인자를 조정함으로서 도출된 수치를 점수화하여 택지개발 적지를 예측해 보는 데 그 목적이 있다. 또한 본 연구의 공간적 범위가 되는 지역 내에서 개발측의 변화를 고려했다는 점에서 의의가 있다.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1999.10a
• /
• pp.368-370
• /
• 1999

고농도의 오존 농도를 예측ㆍ평가하기 위해서는 대상지역의 기상조건과 풍상쪽(up wind)으로부터의 오존ㆍ오존전구물질(precursor)의 중ㆍ장거리이동, VOCs 및 NOx의 배경농도 및 배출량과 관련된 VOC/NOx의 농도 특성을 파악하는 것이 필수적이다. 따라서 대상지역의 VOCs/NOx의 농도 특성에 따라 차후 고농도의 오존 생성을 예방하기 위한 오존전구물질의 저감대책이 결정되어지므로 대상지역의 광화학특성을 파악하는 것이 선행되어져야 한다.(중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.372-375
• /
• 2013

선행 연구에서, 성격 데이터를 이용하여 대상이 되는 인간의 이동 패턴을 예측하는 모델을 만들었다. 이번에는 인간의 위치 데이터 정보를 이용하여 그 인간의 성격을 예측하는 모델을 제시할 것 이다. 인간의 위치 데이터에 따른 성격 데이터를 유추하기 위해 BPN알고리즘을 사용했다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1450-1454
• /
• 2005

수자원관리에 있어서 미래시구간에 대한 유량예측은 수자원시스템운영자에게 있어서 의사결정에 결정적인 영향을 미치는 가장 중요한 요소 중의 하나이다. 효율적 물배분이나 발전 등의 이수활동을 위해서 최소 월단위 이상의 장기유량예측이 필요하며, 이를 위해서는 강우예측이 선행되어야 하는데, 본 연구에서는 통합 실시간 물관리 운영시스템을 위한 중장기 유량예측을 목표로 방법론을 제시하고자 한다. 중장기 유량예측을 수행하는 대표적인 방법 중의 하나는 앙상블 유량예측(ESP; Ensemble Streamflow Prediction) 기법이다. ESP란 현재의 유역상태를 초기조건으로 사용하고 과거의 온도나 강수 등의 시계열앙상블을 모형입력으로 이용해서 강우-유출모형을 통하여 유출량을 예측하는 기법이다. ESP는 결국 현재의 유역상태와 유역에서의 과거강우관측기록, 미래강우예측에 대한 정보를 조합하여 그에 따른 유출앙상블을 생산해 내게 된다. 유출앙상블은 각 앙상블 트레이스가 갖게 되는 가중치에 따라 확률분포를 달리 갖게 되고 경우에 따라서는 유량으로부터 2차적으로 유도되는 변수들의 확률분포로 전이되기도 한다. 기존의 ESP 이론은 미국 NWS의 범주형 확률예보를 근간으로 하고 있어, 이를 국내 환경에 그대로 적용시키기에 어려움이 있어 왔다. 따라서 본 연구에서는 국내 기상청의 월간 강수전망을 이용하고, 이러한 정보의 특성에 맞는 ESP기법을 제시하였다. 더 나아가 중장기 수자원운영을 위한 일단위 월강수시나리오 구성을 위해서 수치예보와 월강수전망을 조합하여 ESP를 사용하는 기법을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1395-1399
• /
• 2010

최근 들어 전 세계적으로 태풍과 가뭄 그리고 국지적인 호우 등의 기상변화로 인하여 수자원 종합적인 개발과 이용계획에 대한 전문적인 예측이 필요하다. 우리나라는 홍수기에 집중적인 강우 발생으로 인하여 평수기와 유입량 차이가 심한 수문특성을 가지고 있어 안정적인 수자원 공급에 대한 장기적인 관점에서 이수와 치수정책을 수립해야 한다. 본 연구는 1985년 1월부터 2008년 12월까지 24년에 해당하는 한정된 기간의 짧은 유출량 자료를 갖는 대청댐 유역에서의 시계열 유입량 특성을 Box-Jenkins모형 또는 ARIMA모형을 적용하여 추계학적 분석을 실시하였다. 월유입량과 같은 비정상성 시계열에 적용될 수 있는 적절한 추계학적 모형을 찾기 위하여 모형의 식별과 모형의 추정, 모형의 검진 등의 3단계에 걸친 분석을 실시하였다. 연구결과 대청댐 월유입량 예측모형으로 승법계절 ARIMA$(0,1,2){\times}(1,1,0)_{12}$이 유도되었으며, 이 모형으로 1, 3, 6, 12개월의 선행기간에 대한 실시간 유입량을 예측하였다. 예측된 유입량을 2008년 실측유입량과 비교한 결과 6개월에 대한 예측의 정확성이 가장 높게 나타났다. 또한 평수기와 홍수기를 구분한 예측도 실시하였으며, 평수기는 1개월 홍수기는 3개월 간격으로 예측하는 것이 가장 적절한 것으로 분석되었다.

• Journal of Korea Port Economic Association
• /
• v.34 no.1
• /
• pp.81-98
• /
• 2018

Port logistics is essential for Korea's economy which heavily rely on international trade. Vast amounts of capital and time are consumed for the operation and development of ports to improve their competitiveness. Therefore, it is important to forecast cargo volume in order to establish the optimum level of construction and development plan. Itemized forecasting is necessary for appropriate port planning, since disaggregate approach is able to provides more realistic solution than aggregate forecasting. We introduce a new time series model which is Two-way Seasonality Multiplied Regressive Model (TSMR) to forecast oil cargo volume, which accounts for a large portion of total cargo volume in Korea. The TSMR model is designed to take into account the characteristics of oil cargo volume which exhibits trends with short and long-term seasonality. To verify the TSMR model, existing forecasting models are also used for a comparison reason. The results shows that the TSMR excels the existing models in terms of forecasting accuracy whereas the TSMR displays weakness in short-term forecasting. In addition, it was shown that the TSMR can be applied to other cargoes that have trends with short- and long-term seasonality through testing applicability of the TSMR.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1095-1105
• /
• 2021

The advancement of dam operation is further required due to the upcoming rainy season, typhoons, or torrential rains. Besides, physical models based on specific rules may sometimes have limitations in controlling the release discharge of dam due to inherent uncertainty and complex factors. This study aims to forecast the water level of the nearest station to the dam multi-timestep-ahead and evaluate the availability when it makes a decision for a release discharge of dam based on LSTM (Long Short-Term Memory) of deep learning. The LSTM model was trained and tested on eight data sets with a 1-hour temporal resolution, including primary data used in the dam operation and downstream water level station data about 13 years (2009~2021). The trained model forecasted the water level time series divided by the six lead times: 1, 3, 6, 9, 12, 18-hours, and compared and analyzed with the observed data. As a result, the prediction results of the 1-hour ahead exhibited the best performance for all cases with an average accuracy of MAE of 0.01m, RMSE of 0.015 m, and NSE of 0.99, respectively. In addition, as the lead time increases, the predictive performance of the model tends to decrease slightly. The model may similarly estimate and reliably predicts the temporal pattern of the observed water level. Thus, it is judged that the LSTM model could produce predictive data by extracting the characteristics of complex hydrological non-linear data and can be used to determine the amount of release discharge from the dam when simulating the operation of the dam.