• Communications for Statistical Applications and Methods
• /
• 제22권6호
• /
• pp.675-683
• /
• 2015

In the 21st century, we now face the serious problems of the enormous consumption of the energy resources. Depending on the power consumption increases, both China and South Korea face a reduction in available resources. This paper considers the regression models and time-series models to compare the performance of the forecasting accuracy based on Mean Absolute Percentage Error (MAPE) in order to forecast the electricity demand accurately on the short-term period (68 months) data in Northeast China and find the relationship with Korea. Among the models the support vector regression (SVR) model shows superior performance than time-series models for the short-term period data and the time-series models show similar results with the SVR model when we use long-term period data.

• 한국빅데이터학회지
• /
• 제3권2호
• /
• pp.59-70
• /
• 2018

특정 지역의 고객을 대상으로 열을 공급하는 지역난방 서비스의 안정적인 운영을 위해서는 단기간의 미래 수요를 보다 정확하게 예측하고, 효율적인 방법으로 생산 및 공급하는 것이 무엇보다 중요하다. 그러나 열 소비에 영향을 미치는 요소가 매우 다양할 뿐만 아니라 개별 소비자 및 지역적 특성에 따라 소비 형태가 달라지기 때문에 일반적인 상황에도 적용될 수 있는 범용적 열 수요 예측 모형을 개발하는 것은 매우 어렵다. 따라서 본 연구에서는 실시간으로 확보할 수 있는 제한적인 정보만을 바탕으로 딥러닝 기법을 활용한 수요예측 모형을 개발하고자 한다. 해당 지역의 외기온도와 날짜로만 구성된 과거 데이터를 입력 변수로 하여 텐서플로의 인공신경망을 학습시키는 방법으로 수요 예측 모형을 개발하였다. 기존의 회귀분석 기법을 통해 예측된 수요의 정확도와의 비교를 통해 제안된 모델의 성능을 평가하였다. 본 연구의 열 수요 예측 모델은 단기적 수요 예측을 위해 실시간으로 확보할 수 있는 제한적인 변수만으로도 수요 예측의 정확도를 높일 수 있음을 보였다. 나아가 개별 지역에서는 지역적 특수성을 추가하여 수요 예측 정확도를 높이는 데 활용할 수 있을 것이다.

• 한국국방경영분석학회지
• /
• 제34권2호
• /
• pp.79-101
• /
• 2008

신형/장기 운영 무기체계 수리부속의 불균형적 수요발생에 따른 항공기 불가동을 해소하기 위한 수요예측기법 개선의 필요성이 대두되고 있다. 항공기 수리부품들은 고단가이고, 청구에 소요되는 기간이 길어 사전에 예측하지 못한다면 작전지원에 문제가 발생하게 된다. 신뢰성 있는 수요 예측은 과보유로 인한 재고비용을 줄일 수 있으며, 수요를 예측하기 위한 방법은 회귀분석, 단/다변량 시 계열분석, 데이터 마이닝 기법 등이 있다. 항공기 부품의 수요 예측은 그 부품의 수가 8만 가지 이상이며 각 부품간의 관계를 분석하기에 어려움이 있어 시간에 종속적인 단변량 시계열 분석을 통해 수요예측을 실시하였다. 본 연구에서는 이러한 문제점을 해결하기 위하여 첫째, 자료를 기존 AMMIS 체계에서 고장 자료를 실수요로 가정하여 수집하였다. 고장이나 주기 검사, 시한성 기술지시 등으로 부품을 장 탈착하게 되면 정비부서에서 이를 전산프로그램인 AMMIS에 입력하도록 하고 있다. 따라서 실제 정비부서에서 부품을 사용한 현황을 실수요라고 인정할 수 있다. 둘째, 1999년 1월부터 2007년 2월까지의 월별 자료(98개)를 수집하였다. 자료의 수가 충분하므로 예측 정확성 향상을 위하여 ARIMA기법에 적용이 가능하다. 고장빈도가 높은 부품 50여개를 추출하여 Box-Jenkins의 ARIMA기법을 적용하여 예측을 실시하였다 실시 결과 적합한 모형식을 도출하였으며, 현용기법보다 예측 정확성이 높다는 결론을 얻었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 A
• /
• pp.86-88
• /
• 2003

New cities and industrial complexes are being developed actively according to the government's policy. To determine the size of investment, number of power lines and substations for stable power supply to newly developed industrial complexes, the accurate estimation of power demand is necessary. "The standards for the estimation of power demands in newly developed residential and industrial complexes" established by KEPCO in 1991 have been used up to now. But the background for the estimation of power demands is weak and the accuracy has not been verified. Also, it has been passed above 10 years since their establishment and the social & economic situations have changed a lot, which requires an urgent revision. Through this survey and analysis of existing areas, new standards that will enable more accurate estimation of power demands in new cities and industrial complexes to be developed in the future are established by calculating the some kinds of power demand factors.

• 산업경영시스템학회지
• /
• 제40권4호
• /
• pp.253-259
• /
• 2017

Recent development in science and technology has modernized the weapon system of ROKN (Republic Of Korea Navy). Although the cost of purchasing, operating and maintaining the cutting-edge weapon systems has been increased significantly, the national defense expenditure is under a tight budget constraint. In order to maintain the availability of ships with low cost, we need accurate demand forecasts for spare parts. We attempted to find consumption pattern using data mining techniques. First we gathered a large amount of component consumption data through the DELIIS (Defense Logistics Intergrated Information System). Through data collection, we obtained 42 variables such as annual consumption quantity, ASL selection quantity, order-relase ratio. The objective variable is the quantity of spare parts purchased in f-year and MSE (Mean squared error) is used as the predictive power measure. To construct an optimal demand forecasting model, regression tree model, randomforest model, neural network model, and linear regression model were used as data mining techniques. The open software R was used for model construction. The results show that randomforest model is the best value of MSE. The important variables utilized in all models are consumption quantity, ASL selection quantity and order-release rate. The data related to the demand forecast of spare parts in the DELIIS was collected and the demand for the spare parts was estimated by using the data mining technique. Our approach shows improved performance in demand forecasting with higher accuracy then previous work. Also data mining can be used to identify variables that are related to demand forecasting.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.15-22
• /
• 2009

도시철도 수요를 일반적인 4단계 모형에 의해서 역별로 추정하는 경우에는 몇 가지 한계가 존재한다. 첫째 행정동 기반 사회경제지표를 토대로 하므로 행정동 단위의 도시철도 수요가 추정될 수밖에 없다. 그러나 각 행정동에 1개만이 아닌 2개 이상의 역이 위치할 경우 행정동 단위의 수요를 2개 이상의 역에 적절하게 할당하기가 쉽지 않다. 둘째 역별 도시철도 수요는 행정동보다 공간적 범위가 좁은 역세권 특성에 커다란 영향을 받게 된다. 그러므로 역세권보다 넓은 행정동 전체 특성을 기반으로 한 도시철도 수요 추정과 역별 할당에 의한 역별 수요 추정은 부정확할 수밖에 없다. 위와 같이 행정동을 기반으로 한 자료 사용의 한계로 도시철도 역별 수요를 제대로 추정하기 어려운 점이 존재하여, 본 연구에서는 크게 두 가지 방안을 검토하였다. 첫째는 행정동이 아닌 역세권을 기반으로 하는 사회경제지표 자료를 토대로 역별 수요를 추정하는 방안이다. 그러나 이 방안은 자료 수집과 분석에 너무 많은 시간과 노력이 소요되는 것에 비하여, 추정의 정확도는 크게 높아지지 않는 것으로 나타났다. 둘째는 일반적인 4단계모형을 적용하되 역세권 특성을 반영하기 위해 행정동 센트로이드 위치 및 도시철도 역과의 커넥터 거리를 각 역별로 조정하여 역세권을 반영하는 방안이다. 행정동 센트로이드 위치 및 커넥터 거리를 조정하는 두 번째 방법을 적용하여 역별 수요를 추정한 결과를 실제 집계된 서울시 지하철의 역별 수요를 비교한 결과, 각 역별로 매우 근사한 결과를 나타내었다.

• 농업과학연구
• /
• 제45권4호
• /
• pp.859-870
• /
• 2018

Dried red peppers are a staple agricultural product used in Korean cuisine and as such, are an important aspect of agricultural producers' income. Correctly forecasting both their supply and demand situations and price is very important in terms of the producers' income and consumer price stability. The primary objective of this study was to compare the performance of time series forecasting models for dried red peppers in Korea. In this study, three models (an autoregressive model with exogenous variables [ARX], AR-exponential generalized autoregressive conditional heteroscedasticity [EGARCH], and ARX-EGARCH) are presented for forecasting the wholesale price of dried red peppers. As a result of the analysis, it was shown that the ARX model and ARX-EGARCH model, each of which adopt both the rolling window and the adding approach and use the agricultural cooperatives price as the exogenous variable, showed a better forecasting performance compared to the autoregressive model (AR)-EGARCH model. Based on the estimation methods and results, there was no significant difference in the accuracy of the estimation between the rolling window and adding approach. In the case of dried red peppers, there is limitation in building the price forecasting models with a market-structured approach. In this regard, estimating a forecasting model using only price data and identifying the forecast performance can be expected to complement the current pricing forecast model which relies on market shipments.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.852-857
• /
• 2019

분산자원 집합 거래시장에 참여를 원하는 소비자나 사업자를 위한 가상발전소의 전력거래 플랫폼에서 사업참여자의 수요 자원을 관리하고, 이에 적절한 전략을 제공하기 위해 익일 개별 참여자의 수요와 전체 계통의 전력수요를 예측하는 것이 대단히 중요하다. 이러한 전력거래 플랫폼에서 활용하는 것을 목표로 본 논문은 우선 익일의 24시간 전력계통 전력수요예측 모델을 개발하였다. 본 논문에서는 전력수요예측 데이터의 시계열 특성을 고려하여 딥러닝 기법 중 LSTM 알고리즘을 사용하였고, 전력수요량 등의 입출력 값에 원-핫 인코딩 기법을 적용하는 새로운 시도를 하였다. 성능평가에서 일반 DNN과 본 논문에서 구현된 LSTM 예측모델은 각각 평균 제곱근 오차 4.50, 1.89를 나타내어 LSTM 모델이 예측정확도가 높게 나타났다.

• 한국도로학회논문집
• /
• 제9권1호
• /
• pp.17-27
• /
• 2007

ETCS는 1990년대 초부터 선진국에서 유료도로 톨게이트에서의 교통체증 및 지체문제를 해결하기 위하여 적용되기 시작하였다. ETCS의 성공적인 운영을 위해서는 ETCS 이용률을 정확히 예측하는 것이 중요하다. 본 연구에서는 창원시의 신뢰성 있는 ETCS 이용수요예측 모형 개발이 시도되었다. 총 11개의 설명변수들을 고려하면서 이항로짓 및 신경망 모형들이 검토되었다. 신경망모형에서 가장 좋은 결과를 얻었다. 그러나 ETCS 이용률 추정을 위해 설명변수 11개를 추정하기에는 어려움이 있으므로 차내장치 임대보증금, 절약시간, 할인률의 중요 3개 정책변수만을 고려한 신경망 및 로짓 모형들을 ETCS 이용률 추정모형으로 분석하였다. 모형의 예측력 평가와 적합도 분석에 있어서 신경망모형이 로짓모형보다 우수한 모형으로 판단되어지나 학습에 사용된 9가지 이외의 시나리오에서 신뢰성이 떨어지는 것으로 나타나, ETCS 이용률 추정 모형으로 3개의 중요한 정책변수를 고려한 이항로짓모형이 제안된다. 이 모형은 평균제곱오차 $0.14,\;{\rho}^{2}0.31,\;x^{2}488.9$로 신뢰성이 높은 모형으로 평가되며 창원시와 규모가 유사한 도시에 적용이 가능할 것으로 기대된다.

• 대한교통학회지
• /
• 제32권6호
• /
• pp.600-614
• /
• 2014

본 연구는 SARIMA 모형을 활용하여 기존에 다루어지지 않았던 분기별 항만 컨테이너 물동량을 예측하였다. 구체적으로 모델 추정에 활용된 자료는 1994년 1사분기부터 2010년 4사분기까지 총 84분기동안의 국내 전체 항만 컨테이너 물동량 자료이다. 본 연구에서 추정된 예측 모형의 예측 정확도를 검증하기 위하여 2011년 1사분기부터 2013년 4사분기까지 물동량을 예측하여 실제 물동량과 비교하였다. 또한 기존에 널리 활용되고 있는 ARIMA 모형을 활용하여 추정한 예측 모형과의 비교를 통해 분기별 항만 물동량 예측에 있어서 SARIMA 모형의 상대적 우수성을 검증하였다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점이 맞추어져 있다. 또한 월별, 연도별 물동량 자료가 활용된 경우가 대부분이다. 분기별 항만 컨테이너 물동량 자료를 활용하여 단기 수요를 예측함과 동시에 SARIMA 모형의 우수성을 입증한 본 연구는 충분한 가치가 있다고 판단된다.