• Journal of Electrical Engineering and Technology
• /
• 제8권5호
• /
• pp.975-983
• /
• 2013

This study proposes a low order dynamic model of a building system in order to predict thermal behavior within a building and its energy consumption. The building system includes a thermally well-insulated room and an electric heater. It is modeled by a second order lumped RC thermal network based on the thermal-electrical analogy. In order to identify unknown parameters of the model, an experimental procedure is firstly detailed. Then, the different linear parametric models (ARMA, ARX, ARMAX, BJ, and OE models) are recalled. The parameters of the parametric models are obtained by the least square approach. The obtained parameters are interpreted to the parameters of the physically based model in accordance with their relationship. Afterwards, the obtained models are implemented in Matlab/Simulink(R) and are evaluated by the mean of the sum of absolute error (MAE) and the mean of the sum of square error (MSE) with the variable of indoor temperature of the room. Quantities of electrical energy and converted thermal energy are also compared. This study will permit a further study on Model Predictive Control adapting to the proposed model in order to reduce energy consumption of the building.

• Advances in Energy Research
• /
• 제6권2호
• /
• pp.131-143
• /
• 2019

Global Solar Radiation (GSR) is the key element for performance estimation of any Solar Power Plant (SPP). Its forecasting may help in estimation of power production from a SPP well in advance, and may also render help in optimal use of this power. Seasonal Auto-Regressive Moving Average (SARMA) and Artificial Neural Network (ANN) models are combined in order to develop a hybrid model (SARMA-ANN) conceiving the characteristics of both linear and non-linear prediction models. This developed model has been used for prediction of GSR at Gorakhpur, situated in the northern region of India. The proposed model is beneficial for the univariate forecasting. Along with this model, we have also used Auto-Regressive Moving Average (ARMA), SARMA, ANN based models for 1 - 6 day-ahead forecasting of GSR on hourly basis. It has been found that the proposed model presents least RMSE (Root Mean Square Error) and produces best forecasting results among all the models considered in the present study. As an application, the comparison between the forecasted one and the energy produced by the grid connected PV plant installed on the parking stands of the University shows the superiority of the proposed model.

• 재무관리연구
• /
• 제24권4호
• /
• pp.107-134
• /
• 2007

본 연구는 코스피 200 선물시장의 거래변화량과 미결제약정변화량이 수익률과 변동성에 대한 가격예측기능이 있는지를 가설설정을 통해 실증 분석하는 데 있다. 이와 더불어 지수선물시장의 정보효율성과 함께 경제적 의미를 유추하고자 한다. 분석 자료는 1998년 7월 7일부터 2005년 12월 29일까지 최근월물 코스피 200 지수선물수익률, 변동성, 거래변화량 및 미결제약정변화량을 이용하였다. 설정된 가설을 검증하기 위한 분석모델로는 VAR 모형을 이용한 그랜즈 인과관계분석, 충격반응함수 및 분산분해와 ARMA(1,1)-GJR-GARCH(1,1)-M모형 등 다양한 동태적 금융시계열기법들을 이용하였다. 주요 분석결과는 다음과 같다. 그랜즈 인과관계분석, 충격반응함수 및 분산분해분석의 결과, 코스피 200 선물거래변화량뿐만 아니라 미결제약정변화량도 수익률의 가격발견에 예측력을 지니고 있는 것으로 나타났다. 또한 코스피 200 선물거래변화량과 미결제약정변화량 간에는 상호 피드백적인 예측력을 보였으나, 미결제약정변화량이 상대적으로 거래변화량에 대해 보다 일관성 있게 예측정보를 제공하였다. 이러한 결과는 Jacobs and Oncochie(1998), Kocagil and Shachmurove(1998), Mougoue(2002), Yang et al(2005), 의 연구결과와 대동소이하였다. ARMA(1,1)-GJR-GARCH(1,1)-M모형을 이용한 분석결과, 코스피 200 선물수익률과 변동성은 전기의 거래변화량과 미결제약정으로부터 조건부평균방정식과 조건부분산방정식에서 영향을 받고 있는 결과를 보였으며, 정보에 대한 비대칭적 정보효과도 존재함을 보였다. 또한 코스피 200 선물거래변화량과 미결제약정변화량도 코스피 200 수익률로부터 영향을 받는 결과를 보였다. 이러한 결과들은 코스피 200 선물시장이 효율적 시장이 아니며 정보의 비대칭성도 존재함을 알 수 있다. 따라서 투자자들은 과거의 코스피 200 선물수익률, 변동성, 거래변화량 및 미결제약정변화량을 충분히 분석함으로써 초과이익을 달성할 여지를 가지고 있음을 추론해 볼 수 있다.

• 한국통신학회논문지
• /
• 제29권2B호
• /
• pp.217-227
• /
• 2004

인터넷의 발달로 네트워크 트래픽은 현저하게 증가되었다. 트래픽의 폭증은 전체 네트워크의 성능에 크게 영향을 미치게 되었으며 트래픽의 관리가 망 관리의 중요한 이슈로 되었다. 본 논문에서는 네트워크 트래픽을 분석하여 효율적인 대응을 수립하기 위해 예측하는 시계열 모형의 적합성을 검증한다. 네트워크 트래픽을 예측하기 위해서는 시간적 흐름에 따라 자료간의 상관 관계를 유추하고, 이 관계를 이용하여 예측을 수행한다. 상관 관계를 유추하는 과정에서 필연적으로 확률적 오류를 포함하게 되는데, 정확한 예측을 위해서는 확률적 오차를 최소화해야 한다. 따라서, 통계학 분야에서 예측 방법으로 널리 쓰이는 시계열 모형인 AR, MA, ARMA, ARIMA 모형을 사용하여 네트워크 트래픽을 예측함과 동시에, 예측하는 과정에서 정확한 예측을 수행할 수 있는지에 대한 적합성을 검증하고자 한다. 적합성 검증은 모형 식별 단계에서 초기 단계인 정상성 가정을 만족하는지의 여부로 판단하며. 정상성 가정은 자기상관함수와 편자기상관함수를 통해 구할 수 있다. 정상성 가정을 만족하지 못하는 모형은 비정상 시계열 자료로 분류되는데 이 경우의 예측은 정확하다고 볼 수 없다. 따라서, 정확한 예측을 수행할 수 있도록 시계열 자료의 정상성 가정을 만족하도록 모형을 분류하는 방안을 제시하고자 한다. 정확한 예측을 수행하면, 네트워크 트래픽을 좀 더 나은 방법으로 관리하며, 예측 결과를 이용하여 동적인 트래픽의 관리가 가능하게 된다.

• 청정기술
• /
• 제8권1호
• /
• pp.27-37
• /
• 2002

본 연구에서는 오존 예측 시스템의 개발에 있어서 쌍일차 모델의 성능 및 효용성을 확인하기 위하여 쌍일차 모델 및 선형 모델을 이용한 오존 형성의 모델인식 모사실험을 하였으며 또한 쌍일차 모델을 이용한 오존 형성의 예측결과를 서울시의 측정자료 및 선형모델의 예측결과와 비교하였다. 모델인식에 있어서는 ARMA 모델을 사용하였으며 모델의 파라미터를 평가하기 위하여 방정식 오차법에 근거한 연속 파라미터 평가 알고리즘을 적용하였다. 모델인식 실험결과로부터 쌍일차 모델을 이용한 오존 형성량과 모사기로부터 얻은 오존 형성량이 거의 일치함을 알 수 있었으며 또한 예측결과와 서울시 측정자료와의 비교로부터 오존예보시스템을 위한 실시간 및 단시간 오존 형성량의 예측방법 개발에 있어서 본 연구에서 제안한 방법의 타당성을 확인할 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제19권3호
• /
• pp.507-516
• /
• 2012

시계열의 상관구조가 시점에 의존하며 주기적인 상관성을 보이는 계절성 시계열 자료에 대한 시계열 모형들이 비교 분석된다. 주기적 자기회귀이동평균 모형을 소개하고, 실증분석으로 주기적 상관성을 지닌 스위스 Arosa 지방의 성층권 오존 월별 시계열에 계층형 모형인 주기적 자기회귀이동평균 모형과 계절 누적자기회귀이동 평균 모형의 적합을 통하여 주기적 자기회귀이동평균 모형의 우월성을 비교한다.

• Journal of the Korean Statistical Society
• /
• 제23권2호
• /
• pp.325-340
• /
• 1994

Effects of temporal aggregation on estimation for ARMA models are studied by investigating the Hannan & Rissanen (1982)'s procedure. The temporal aggregation of autoregressive process has a representation of an autoregressive moving average. The characteristic polynomials associated with autoregressive part and moving average part tend to have roots close to zero or almost identical. This caused a numerical problem in the Hannan & Rissanen procedure for identifying and estimating the temporally aggregated autoregressive model. A Monte-Carlo simulation is conducted to show the effects of temporal aggregation in predicting one period ahead realization.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1282-1286
• /
• 2009

최근에 빈번하게 발생하는 집중호우로는 강우자료의 경향성에 영향을 주고 있다. 하지만, 우리나라의 강우관측기록이 충분하지 못하여 통계학적 경향성 분석은 유의한 결과를 보여주고 있지 않아, 확률강우량 산정시 강우자료가 정상성을 지니고 있다고 가정하여 빈도분석을 실시하고 있다. 본 연구에서는 경향성이 나타나지 않는 강우관측소 49개지점중 4개의 지점을 선정하여 향후 경향성 여부를 분석하였다. 이들 관측자료가 가지는 경향성을 유지하면서 추계학적 시계열 모의발생기법을 이용하여 강우자료를 발생시킨 후 경향성 검정을 실시하였다. 이를 위하여 Regression model, ARMA model을 이용하여 강우자료를 발생시켰으며, 발생된 강우자료는 Mann-Kendall test, Hotelling-Pabst test, Wald-Wolfowitz test를 사용하였다. 그 결과 거의 모든 지점에서 가까운 미래에 경향성을 갖게 될 것임을 알 수 있었다.

• 지능정보연구
• /
• 제3권1호
• /
• pp.47-68
• /
• 1997

This paper discusses a method of modified Elman network(1990) for nonlinear predictions and its a, pp.ication to forecasting daily exchange rate returns. The method consists of two stages that take advantages of both time domain filter and modified feedback networks. The first stage straightforwardly employs the filtering technique to remove extreme noise. In the second stage neural networks are designed to take the feedback from both hidden-layer units and the deviation of outputs from target values during learning. This combined feedback can be exploited to transfer unconsidered information on errors into the network system and, consequently, would improve predictions. The method a, pp.ars to dominate linear ARMA models and standard dynamic neural networks in one-step-ahead forecasting exchange rate returns.

• 한국시뮬레이션학회논문지
• /
• 제5권1호
• /
• pp.1-12
• /
• 1996

We propose a new approach to classifying a time series data into one of the autoregressive moving-average (ARMA) models. It is bases on two pattern recognition concepts for solving time series identification. The one is an extended sample autocorrelation function (ESACF). The other is a neural network-driven decision tree classifier(NNDTC) in which two pattern recognition techniques are tightly coupled : neural network and decision tree classfier. NNDTc consists of a set of nodes at which neural network-driven decision making is made whether the connecting subtrees should be pruned or not. Therefore, time series identification problem can be stated as solving a set of local decisions at nodes. The decision values of the nodes are provided by neural network functions attached to the corresponding nodes. Experimental results with a set of test data and real time series data show that the proposed approach can efficiently identify the time seires patterns with high precision compared to the previous approaches.