• Communications for Statistical Applications and Methods
• /
• v.15 no.4
• /
• pp.517-530
• /
• 2008

In this paper we introduce a time series model using the triangle fuzzy numbers in order to construct a statistical relation for the data which is a sequence of observations which are ordered in time. To estimate the proposed fuzzy model we split of a universal set includes all observation into closed intervals and determine a number and length of the closed interval by the frequency of events belong to the interval. Also we forecast the data by using a difference between observations when the fuzzified numbers equal at successive times. To investigate the efficiency of the proposed model we compare the ordinal and the fuzzy time series model using examples.

• Journal of Korea Water Resources Association
• /
• v.35 no.5
• /
• pp.631-638
• /
• 2002

Stochastic model has been widely used for the forecasting of time series. However, this study tries to perform the precipitation forecasting by fuzzy time series model using fuzzy concept. The published fuzzy based models are used for the forecasting of time series and also we suggest that the combination of fuzzy time series models and neuro-fuzzy system can increase the forecastibility of the models. The precipitation time series in illinois, USA is analyzed for the forecasting by the known fuzzy time series models and the suggested methodology in this study. As a result, we know that the suggested methodology shows more exact results than the known models.

• 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 Institute of Intelligent Systems Conference
• /
• 2000.11a
• /
• pp.139-144
• /
• 2000

Recently, a homogeneous fuzzy time series model was proposed by means of defining some new operations on fuzzy numbers. In this paper, we consider expanding the results to the nonhomogeneous fuzzy time series and the general fuzzy time series using Tw, the weakest t-norm, based algebraic fuzzy operations.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.1
• /
• pp.52-56
• /
• 2004

The Information of classification and estimate about KOSPI200 index`s up and down in the stock market becomes an important standard of decision-making in designing portofolio in futures and option market. Because the coming trend of time series patterns, an economic indicator, is very subordinate to the most recent economic pattern, it is necessary to study the recent patterns most preferentially. This paper compares classification and estimated performance of SVM(Support Vector Machine) and Fuzzy SVM model that are getting into the spotlight in time series analyses, neural net models and various fields. Specially, it proves that Fuzzy SVM is superior by presenting the most suitable dimension to fuzzy membership function that has time series attribute in accordance with learning Data Base.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.5B
• /
• pp.405-414
• /
• 2011

The adaptive network-based fuzzy inference system (ANFIS) which had a success for time series prediction and system control was applied for modeling the hourly runoff in the Gapcheon watershed. The ANFIS used the antecedent rainfall and runoff as the input. The ANFIS was trained by varying the various simulation factors such as mean areal rainfall estimation, the number of input variables, the type of membership function and the number of membership function. The root mean square error (RMSE), mean peak runoff error (PE), and mean peak time error (TE) were used for validating the ANFIS simulation. The ANFIS predicted runoff was in good agreement with the measured runoff and the applicability of ANFIS for modelling the hourly runoff appeared to be good. The forecasting ability of ANFIS up to the maximum 8 lead hour was investigated by applying the different input structure to ANFIS model. The accuracy of ANFIS for predicting the hourly runoff was reduced as the forecasting lead hours increased. The long-term predictability of ANFIS for forecasting the hourly runoff at longer lead hours appeared to be limited. The ANFIS might be useful for modeling the hourly runoff and has an advantage over the physically based models because the model construction of ANFIS based on only input and output data is relatively simple.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.759-764
• /
• 2004

본 연구는 Deng(1989)이 제시한 Grey 모형을 이용하여 성진강댐의 월유입량을 예측하였고 그 방법을 제시하였다. Grey 모형은 시계열모형이나 다른 모형에 비해 비교적 적은 수의 자료를 이용하고, 간단할 수식으로 구성되어 있는 장점이 있으나, 적은 수의 자료로 인해 입력자료가 가지는 증감의 경향(trend)으로 오차가 발생하기 쉽다. 그러므로 예측오차를 극복하기 위해서 Fuzzy 시스템을 결합한 Fuzzy-Grey 모형을 구성하였고 Fuzzy 시스템에 필요한 매개변수를 추정하기 위해 최적화기법인 유전자 알고리즘(GA; Genetic Algorithm)을 이용하였다. Grey 모형과 결합된 Fuzzy 시스템은 현재의 입력자료가 가지는 패턴과 가장 유사한 패턴의 과거자료를 이용하여 현재의 입력자료의 예측오차를 추론해내는 기능을 가진다. 오차를 추론하기 위해서 과거 월유입량 자료중 현재 입력 자료와 유사한 패턴을 Grey 상관도를 이용하여 검색하고, 보다 높은 유사성을 가지는 패턴을 선별하고자 노름(norm)을 사용하였고, 유전자 알고리즘의 탐색공간을 제한하였다. 이렇게 구성한 Fuzzy-Grey 모형을 이용하여 전국적인 가뭄년도였던 1992년, 1988년, 2001년에 대해 섬진강댐의 월유입량을 예측하였다. 오차는 1982년, 2001년, 1988년 순으로 비슷한 크기의 오차가 발생하였는데 결과를 분석하여 보면, 급격한 월유입량의 변화가 있었던 경우에 오차가 크게 발생하였으나 가뭄년도에 대해 월유입량의 불확실성이 큼에도 불구하고 비교적 월유입량의 추세를 잘 예측한 것으로 판단된다. 본 연구에서 적용한 Fuzzy-Grey 모형은 적은 수의 자료를 이용하여 예측하고 예측결과를 다시 입력자료로 사용하는 업데이트 방식을 사용하기 때문에 예측결과의 오차가 완전하게 보정되지 않으면 다음 결과에 역시 오차를 주게 되어 오차보정이 상당히 중요하다는 것을 알 수 있었다. 오차를 보다 효과적으로 보정하기 위해서는 퍼지제어에 사용되는 퍼지규칙의 수를 늘리고, 유입량에 직접적인 영향을 주는 강우량과 연계한 2변수의 Fuzzy-Grey 모형을 이용한다면 보다 정확한 유입량 예측이 가능할 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.