• Journal of Advanced Navigation Technology
• /
• v.22 no.5
• /
• pp.478-484
• /
• 2018

This study predicts solar radiation, solar radiation, and solar power generation using hourly weather data such as temperature, precipitation, wind direction, wind speed, humidity, cloudiness, sunshine and solar radiation. I/O pattern in supervised learning is the most important factor in prediction, but it must be determined by repeated experiments because humans have to decide. This study proposed four input and output patterns for solar and sunrise prediction. In addition, we predicted solar power generation using the predicted solar and solar radiation data and power generation data of Youngam solar power plant in Jeollanamdo. As a experiment result, the model 4 showed the best prediction results in the sunshine and solar radiation prediction, and the RMSE of sunshine was 1.5 times and the sunshine RMSE was 3 times less than that of model 1. As a experiment result of solar power generation prediction, the best prediction result was obtained for model 4 as well as sunshine and solar radiation, and the RMSE was reduced by 2.7 times less than that of model 1.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.319-328
• /
• 2021

In this paper, we perform prediction of amount of electric power plant for complex of wind plant using multi-layer perceptron in order to calculate exact calculation of capacity of ESS to maximize profit through generation and to minimize generation cost of wind generation. We acquire wind speed, direction of wind and air density as variables to predict the amount of generation of wind power. Then, we merge and normalize there variables. To train model, we divide merged variables into data as train and test data with ratio of 70% versus 30%. Then we train model by using training data, and we alsouate the prediction performance of model by using test data. Finally, we present the result of prediction in amount of wind power.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.540-540
• /
• 2015

유역의 하천관리 및 홍수관리를 위하여 강우량을 정확하게 예측하고자 많은 수문학자들에 의해 강우량을 예측하는 연구를 진행하였다. 강우를 예측하기 위한 여러 가지 방법 중 인공신경망을 이용하여 강우를 예측하는 선행연구들을 살펴볼 수 있었다. 그러나 기존에 강우량을 예측하는 사례들을 살펴보게 되면, 강우사상이 발생된 후 강우량 예측은 비교적 높은 정확도를 가지고 있으나, 강우가 발생하기 시작하는 시점에 대한 강우량 예측은 그 정확성이 떨어지는 것을 확인할 수 있었다. 이에 본 연구에서는 무강우 기간에도 보다 정확하게 강우량을 예측할 수 있는 인공신경망 모델을 제안하고자 한다. 이를 위해 강우량 이외에도 기온, 풍속, 습도, 증기압, 전운량을 인공신경망의 입력자료로 활용하고자 하였다. 입력자료을 구성을 여러 가지 CASE로 구분하여 부산지점의 강우량을 예측하고 그 정확성을 평가하고자 하였다. 이 때, 사용되는 자료는 기상청 부산지점에서 제공하고 있는 1시간 간격자료를 적용하였다. 본 연구를 통해 개발된 인공신경망 모형을 이용하여 예측된 강우량은 부산 내에 위치한 하천관리 뿐 만 아니라 하천의 홍수 예 경보에 필요한 기초적인 자료로 활용될 수 있을 것으로 판단된다.

• Journal of Digital Convergence
• /
• v.19 no.2
• /
• pp.215-220
• /
• 2021

In order to reduce the harmful effects on the human body caused by the recent increase in the generation of fine dust in Korea, there is a need for technology to help predict the level of fine dust and take precautions. In this paper, we propose a 1D Convolutional-Recurrent Neural Network (1-D CRNN) model to predict the level of fine dust in Korea. The proposed model is a structure that combines the CNN and the RNN, and uses domestic and foreign fine dust, wind direction, and wind speed data for data prediction. The proposed model achieved an accuracy of about 76%(Partial up to 84%). The proposed model aims to data prediction model for time series data sets that need to consider various data in the future.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• Journal of Advanced Navigation Technology
• /
• v.22 no.6
• /
• pp.491-499
• /
• 2018

Runway visual range (RVR), one of the important indicators of aircraft takeoff and landing, is affected by meteorological conditions such as temperature, humidity, etc. It is important to estimate the RVR at the time of arrival in advance. This study estimated the RVR of the local airport after 1 hour by upgrading the RVR estimation model using the proposed deep learning network. To this end, the advancement of the estimation model was carried out by changing the time interval of the meteorological data (temperature, humidity, wind speed, RVR) as input value and the linear conversion of the results. The proposed method generates estimation model based on the past measured meteorological data and estimates the RVR after 1 hour and confirms its validity by comparing with measured RVR after 1 hour. The proposed estimation model could be used for the RVR after 1 hour as reference in small airports in regions which do not forecast the RVR.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.515-515
• /
• 2023

팔당호는 북한강과 남한강이 합류하여 생성된 호소로 수도인 서울과 수도권인 경기도 동부지역의 물 공급을 담당하는 중요한 상수원이다. 이러한 팔당호에서 유해남조 발생은 상수원수 활용과 직접적으로 연관되어 있어 신속하고 정확한 관리 및 예측이 필요하다. 본 연구에서는 안전한 상수원 활용을 위해, 딥러닝 기법을 이용하여 유해남조 사전 예측 모델을 구축하고자 하였다. 모델 입력 변수는 2012년부터 2021년까지 10년 동안의 주간 팔당호 수질(수온, DO, BOD, COD, Chl-a, TN, TP, pH, 전기전도도, TDN, NH4N, NO3N, TDP, PO4P, 부유물질)과 수문(유입량, 총방류량), 기상 정보(평균기온, 최저기온, 최고기온, 일 강수량, 평균풍속, 평균 상대습도, 합계일조량), 그리고 북한강과 남한강 유입지점의 남조 세포 수를 사용하였다. 모델 출력 변수는 수질, 수문, 기상 요인으로 인한 남조의 성장 발현 시기를 고려하여 1주 후의 댐앞 남조 세포수를 사용하였다. 사용한 딥러닝 기법은 최근 주목받고 있는 Temporal Fusion Transformer (TFT)를 사용하였다. 모델 훈련용 데이터와 테스트용 데이터는 각각 8:2의 비율로 나누었으며, 검증용 데이터는 훈련용 데이터 내에서 훈련 데이터와 검증 데이터를 6:4 비율로 분배하였다. Lookback은 5로 설정하였고, 이는 주단위 데이터로 구성된 데이터세트의 특성을 반영한 것이다. 모델의 성능은 실측값과 예측값을 토대로 R-square와 Root Mean Squared Error (RMSE)를 계산하여 평가하였다. 모델학습은 총 154번 반복 진행되었으며, 이 중 성능이 가장 준수한 시점은 54번째 반복 시점으로 훈련손실 대비 검증손실이 가장 양호한 값을 나타냈다(훈련손실:0.443, 검증손실 0.380). R-square는 훈련단계에서 0.681, 검증단계에서 0.654였고, 테스트 단계에서 0.606으로 산출되었다. RMSE는 훈련단계에서 0.614(㎍/L), 검증단계에서 0.617(㎍/L), 테스트 단계에서 0.773(㎍/L)였다. 모델에 사용한 데이터세트가 주간 데이터라는 특성을 고려하면, 소규모 데이터를 사용하였음에도 본 연구에서 구축한 모델의 성능은 양호하다고 평가할 수 있다. 향후 연구에서 데이터세트를 보강하고 모델을 업데이트한다면, 모델의 성능을 더욱더 개선할 수 있을 것으로 기대된다.

• Water for future
• /
• v.20 no.2
• /
• pp.127-138
• /
• 1987

For determination of the design wave, a method of estimating the design wind speed at sea from the wind records at the nearby weather stations on land is proposed. Along the West Coast, the design wind speed are shown to have two main directions; namely, N through W, and WSW through S. Through the analysis of weather maps, fetches for the main wind directions along the West Coast are determined. The wind speeds at sea are found to have 0.8~0.9 times the wind speed at the stations on land for U$\geq$20m/s. The West Coast may be divided into three regions for which fetches are determind uniquely. Design waves with return period of 100 years are determined by the revised S.M..B. method along the West Coast, and show the deep water significant wave heights of 4.4~8.3 meters with wave periods of 8.9~12.0 seconds.

• New & Renewable Energy
• /
• v.18 no.1
• /
• pp.17-28
• /
• 2022

This paper presents an effective Markov transition matrix (EMTM), which will be used to calculate the wind speed at the target site in a wind farm to accurately predict wind energy production. The existing MTS prediction method using a Markov transition matrix (MTM) exhibits a limitation where significant prediction variations are observed owing to random selection errors and its bin width. The proposed method selects the effective states of the MTM and refines its bin width to reduce the error of random selection during a gap filling procedure in MTS. The EMTM reduces the level of variation in the repeated prediction of wind speed by using the coefficient of variations and range of variations. In a case study, MTS exhibited better performance than other MCP models when EMTM was applied to estimate a one-day wind speed, by using mean relative and root mean square errors.

• Korean Journal of Food Science and Technology
• /
• v.28 no.6
• /
• pp.1126-1134
• /
• 1996

The physical characteristics changes of carrots during drying were studied to minimize the quality degradation by applying improved drying process and pretreatment method. Physico-chemical properties of the product were analyzed, and then, drying mechanisms were explained by diffusion coefficients and drying models. In hot air drying process, the drying and rehydration efficiencies were high at low relative humidity and high temperature. Browning degree and specific volume also showed similar trend to drying efficiency. Diffusion coefficient, which describes moisture transfer, was also high at low relative humidity and at high temperature. It was verified using. Arrhenius equation that drying process was influenced by temperature. It was also observed during experiment that temperature changes were more effective in drying than relative humidity changes. Quadratic model was the most fittable in explaining the process. As a result of analyzing the experimental data with respect to the drying time, the contents of carotene and moisture could be modeled as a polynomial. As the air velocity increased, drying performance and rehydration efficiency increased.