Accurate electricity demand forecasting for daily peak load is essential for management and planning at electrical facilities. In this paper, we rst, introduce the several time series models that forecast daily peak load and compare the forecasting performance of the models based on Mean Absolute Percentage Error(MAPE). The results show that the Reg-AR-GARCH model outperforms other competing models that consider Cooling Degree Day(CDD) and Heating Degree Day(HDD) as well as seasonal components.
Magazine of the Korean Society of Agricultural Engineers
/
v.43
no.2
/
pp.69-77
/
2001
An artificial neural network model was developed to analyze and forecast daily steamflow flow a small watershed. Error Back propagation neural networks (EBPN) of daily rainfall and runoff data were found to have a high performance in simulating stremflow. The model adopts a gradient descent method where the momentum and adaptive learning rate concepts were employed to minimize local minima value problems and speed up the convergence of EBP method. The number of hidden nodes was optimized using Bayesian information criterion. The resulting optimal EBPN model for forecasting daily streamflow consists of three rainfall and four runoff data (Model34), and the best number of the hidden nodes were found to be 13. The proposed model simulates the daily streamflow satisfactorily by comparison compared to the observed data at the HS#3 watershed of the Baran watershed project, which is 391.8 ha and has relatively steep topography and complex land use.
The purpose of this study is to establish a method of estimating the daily urban water demend using Backpropagation algorithm is part of ANN(Artificial Neural Network). This method will be used for the development of the efficient management and operations of the water supply facilities. The data used were the daily urban water demend, the population and weather conditions such as treperarture, precipitation, relative humidity, etc. Kwangju city was selected for the case study area. We adjusted the weights of ANN that are iterated the training data patterns. We normalized the non-stationary time series data [-1,+1] to fast converge, and choose the input patterns by statistical methods. We separated the training and checking patterns form input date patterns. The performance of ANN is compared with multiple-regression method. We discussed the representation ability the model building process and the applicability of ANN approach for the daily water demand. ANN provided the reasonable results for time series forecasting.
Journal of Korean Society for Atmospheric Environment
/
v.22
no.5
/
pp.614-626
/
2006
Using the data of three environmental monitoring sites in Pohang area(KME112, KME113, and KME114), statistical forecasting models of the daily maximum and mean values of PM10 have been developed. Since the distributions of the daily maximum and mean PM10 values are skewed, which are similar to the Weibull distribution, these values were log-transformed to increase prediction accuracy by approximating the normal distribution. Three statistical forecasting models, which are regression, neural networks(NN) and support vector regression(SVR), were built using the log-transformed response variables, i.e., log(max(PM10)) or log(mean (PM10)). Also, the forecasting models were validated by the measure of RMSE, CORR, and IOA for the model comparison and accuracy. The improvement rate of IOA before and after the log-transformation in the daily maximum PM10 prediction was 12.7% for the regression and 22.5% for NN. In particular, 42.7% was improved for SVR method. In the case of the daily mean PM10 prediction, IOA value was improved by 5.1% for regression, 6.5% for NN, and 6.3% for SVR method. As a conclusion, SVR method was found to be performed better than the other methods in the point of the model accuracy and fitness views.
In almost all previous hydrological studies, the standard approach adopted for nonlinear time series analysis is to perform system characterization first followed by forecasting. However, a practical inverse approach for forecasting nonlinear hydrological time series was proposed recently To investigate the applicability standard approach method and inverse approach, this study used a theoretical time series (Mackey-Glass time series) and daily streamflows of the Bear River in Idaho. To predict a theoretical time series and daily streamflow, this study used local approximation method. From chaos analysis, chaotic characteristics are found in daily streamflow of the Bear River in Idaho. Resulting from 1, 3 and 5-day prediction, inverse approach method is shown to be better than the standard approach for a theoretical chaotic time series and daily streamflow.
The majority of the natural gas demand in South Korea is mainly determined by the heating demand. Accordingly, there is a distinct seasonality in which the gas demand increases in winter and decreases in summer. Moreover, the degree of sensitiveness to temperature on gas demand has changed over time. This study firstly introduces changing temperature response function (TRF) to capture effects of changing seasonality. The temperature effect (TE), estimated by integrating temperature response function with daily temperature density, represents for the amount of gas demand change due to variation of temperature distribution. Also, this study presents an innovative way in forecasting daily temperature density by employing functional principal component analysis based on daily max/min temperature forecasts for the five big cities in Korea. The forecast errors of the temperature density and gas demand are decreased by 50% and 80% respectively if we use the proposed forecasted density rather than the average daily temperature density.
This paper proposes a special-day load forecasting method with the characteristics of temperature based on fuzzy linear regression. We can obtain a linear regression model from the relation between daily peak load and daily maximum or minimum temperature. Simulation results show that the proposed method can improve an accuracy of a special-day load forecasting.
Algal blooms have caused problems for drinking water as well as eutrophication. However it is difficult to control algal blooms by current warning manual in rainy season because the algal blooms happen in a few days. The water quality data, which have high correlations with Chlorophyll-a on Daecheongho station, were analyzed and chosen as input data of Artificial Neural Networks (ANN) for training pattern changes. ANN was applied to early forecasting of algal blooms, and ANN was assessed by forecasting errors. Water temperature, pH and Dissolved oxygen were important factors in the cross correlation analysis. Some water quality items like Total phosphorus and Total nitrogen showed similar pattern to the Chlorophyll-a changes with time lag. ANN model (No. 3), which was calibrated by water temperature, pH and DO data, showed lowest error. The combination of 1 day, 3 days, 7 days forecasting makes outputs more stable. When automatic monitoring data were used for algal bloom forecasting in Daecheong reservoir, ANN model must be trained by just input data which have high correlation with Chlorophyll-a concentration. Modular type model, which is combined with the output of each model, can be effectively used for stable forecasting.
This paper reviews the categories and properties of risk measures, analyzes the classes and structural equations of volatility forecasting models, and presents the practical methodologies and their expansion methods of estimating and forecasting the volatilities of exchange rates using Excel spreadsheet modeling. We apply the GARCH(1,1) model to the Korean won(KRW) denominated daily and monthly exchange rates of USD, JPY, EUR, GBP, CAD and CNY during the periods from January 4, 1998 to December 31, 2009, make the estimates of long-run variances in the returns of exchange rate calculated as the step-by-step change rate, and test the adequacy of estimated GARCH(1,1) model using the Box-Pierce-Ljung statistics Q and chi-square test-statistics. We demonstrate the adequacy of GARCH(1,1) model in estimating and forecasting the volatility of exchange rates in the monthly series except the semi-variance GARCH(1,1) applied to KRW/JPY100 rate. But we reject the adequacy of GARCH(1,1) model in estimating and forecasting the volatility of exchange rates in the daily series because of the very high Box-Pierce-Ljung statistics in the respective time lags resulting to the self-autocorrelation. In conclusion, the GARCH(1,1) model provides for the easy and helpful tools to forecast the exchange rate volatilities and may become the powerful methodology to overcome the application difficulties with the spreadsheet modeling.
High level of accuracy in forecasting heat demand of each district is required for operating and managing the district heating efficiently. Heat demand has a close connection with the demands of the previous days and the temperature, general demand forecasting methods may be used forecast. However, there are some exceptional situations to apply general methods such as the exceptional low demand in weekends or vacation period. We introduce a new method to forecast the heat demand to overcome these situations, using the linearities between the demand and some other factors. Our method uses the temperature and the past 7 days' demands as the factors which determine the future demand. The model consists of daily and hourly models which are multiple linear regression models. Appling these two models to historical data, we confirmed that our method can forecast the heat demand correctly with reasonable errors.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.