The Transactions of the Korean Institute of Electrical Engineers A
/
v.50
no.5
/
pp.248-254
/
2001
The traction power demand highly varies with time and train positions and the traction load is a large-capacity current at single phase converted from 3-phase power system. Subsequently, each phase current converted from 3-phase power system cannot be maintained in balance any longer and thus the traction load can bring about imbalance in three-phase voltage. Therefore, the exact assessment of voltage unbalance must be carried out preferentially as well as load forecast at stages of designing and planning for electric railway system. The evaluation of unbalance voltage in areas, such as electric railway depots should be a prerequisite with more accuracy. The conventional researches on voltage unbalance have dealt with connection schemes of the transformers used in ac AT-fed electric railroads system and induced formulas to briefly evaluate voltage unbalance in the system(3). These formulas are still being used widely due to their easy applicabilities on voltage unbalance evaluation. Meanwhile, they don't take into account detailed characteristics of ac AT-fed electric railroads system, being founded on some assumptions. Accordingly. accuracy still remains in question. This paper proposes a new method to more effectively estimate voltage unbalance index. In this method, numerous diverted circuits in electric railway depots are categorized in three components and each component is defined as a two-port network model. The equivalent circuit for the entire power supply system is also described into a two-port network model by making parallel and/or series connections of these components. Efficiency and accuracy in voltage unbalance calculation as well can be promoted by simplifying the circuits into two-port network models.
Forecasting accuracy is examined in the context of Michigan travel demand. Eight different annual models are used to forecast up to two years ahead, and nine different quarterly models up to four quarters. In the evaluation of annual models' performance, multiple regression performed better than the other methods in both the one year and two year forecasts. For quarterly models, Winters exponential smoothing and the Box-Jenkins method performed better than naive 1 s in the first quarter ahead, but these methods in the second, third, and fourth quarters ahead performed worse than naive 1 s. The sophisticated models did not outperform simpler models in producing quarterly forecasts. The best model, multiple regression, performed slightly better when fitted to quarterly rather than annual data: however, it is not possible to strongly recommend quarterly over annual models since the improvement in performance was slight in the case of multiple regression and inconsistent across the other models. As one would expect, accuracy declines as the forecasting time horizon is lengthened in the case of annual models, but the accuracy of quarterly models did not confirm this result.
This study forecasted the manpower demand of eco-friendly smart shipbuilding, whose importance and weight are increasing according to the environmental regulations of the IMO and the spread of the 4th industrial revolution technology. It predicted the shipbuilding industry manpower by applying various models of trend analysis and time series analysis based on data from 2000 to 2020 of Statistics Korea. It was found that the prediction applying geometric mean had the smallest gap among the trend and time series analysis methods in comparing between forecast results and actual data for the past 5 years. Therefore, the demand for manpower in the shipbuilding industry was predicted by using the geometric mean method. In addition, the manpower demand of smart eco-friendly ships wast forecasted by using the 2018 and 2020 manpower survey results of the Ministry of Trade, Industry and Energy and reflecting the trend of manpower increase in the shipbuilding industry. The result of forecasting showed that 62,001 person in 2025 and 85,035 people in 2030. This study is expected to contribute to the adjustment of manpower supply and demand and the training professional manpower in the future by increasing the accuracy of forecasting for high value-added eco-friendly smart ships.
Kim, Si-Yeon;Jung, Hyun-Woo;Park, Jeong-Do;Baek, Seung-Mook;Kim, Woo-Seon;Chon, Kyung-Hee;Song, Kyung-Bin
Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
/
v.28
no.1
/
pp.50-56
/
2014
Accurate midterm load forecasting is essential to preventive maintenance programs and reliable demand supply programs. This paper describes a midterm load forecasting method using autoregressive integrated moving average (ARIMA) model which has been widely used in time series forecasting due to its accuracy and predictability. The various ARIMA models are examined in order to find the optimal model having minimum error of the midterm load forecasting. The proposed method is applied to forecast 104-week load pattern using the historical data in Korea. The effectiveness of the proposed method is evaluated by forecasting 104-week load from 2011 to 2012 by using historical data from 2002 to 2010.
The Journal of the Convergence on Culture Technology
/
v.9
no.3
/
pp.763-768
/
2023
In this paper, the existing statistical method (ARIMA) and machine learning method (Informer) were developed and compared to predict the distribution volume of pharmaceuticals. It was found that a machine learning-based model is advantageous for daily data prediction, and it is effective to use ARIMA for monthly prediction and switch to Informer as the data increases. The prediction error rate (RMSE) was reduced by 26.6% compared to the previous method, and the prediction accuracy was improved by 13%, resulting in a result of 86.2%. Through this thesis, we find that there is an advantage of obtaining the best results by ensembleing statistical methods and machine learning methods. In addition, machine learning-based AI models can derive the best results through deep learning operations even in irregular situations, and after commercialization, performance is expected to improve as the amount of data increases.
In order to reduce greenhouse gases, the main culprit of global warming, the United Nations signed the Climate Change Convention in 1992. Korea is also pursuing a policy to expand the supply of renewable energy to reduce greenhouse gas emissions. The expansion of renewable energy development using solar power led to the expansion of wind power and solar power generation. The expansion of renewable energy development, which is greatly affected by weather conditions, is creating difficulties in managing the supply and demand of the power system. To solve this problem, the power brokerage market was introduced. Therefore, in order to participate in the power brokerage market, it is necessary to predict the amount of power generation. In this paper, the prediction system was used to analyze the Yonchuk solar power plant. As a result of applying solar insolation from on-site (Model 1) and the Korea Meteorological Administration (Model 2), it was confirmed that accuracy of Model 2 was 3% higher. As a result of comparative analysis of the DNN and RNN models, it was confirmed that the prediction accuracy of the DNN model improved by 1.72%.
International conference on construction engineering and project management
/
2009.05a
/
pp.700-706
/
2009
Bridges are vital components of any road network which demand crucial and timely decision-making for Maintenance, Repair and Rehabilitation (MR&R) activities. Bridge Management Systems (BMSs) as a decision support system (DSS), have been developed since the early 1990's to assist in the management of a large bridge network. Historical condition ratings obtained from biennial bridge inspections are major resources for predicting future bridge deteriorations via BMSs. Available historical condition ratings in most bridge agencies, however, are very limited, and thus posing a major barrier for obtaining reliable future structural performances. To alleviate this problem, the verified Backward Prediction Model (BPM) technique has been developed to help generate missing historical condition ratings. This is achieved through establishing the correlation between known condition ratings and such non-bridge factors as climate and environmental conditions, traffic volumes and population growth. Such correlations can then be used to obtain the bridge condition ratings of the missing years. With the help of these generated datasets, the currently available bridge deterioration model can be utilized to more reliably forecast future bridge conditions. In this paper, the prediction accuracy based on 4 and 9 BPM-generated historical condition ratings as input data are compared, using deterministic and stochastic bridge deterioration models. The comparison outcomes indicate that the prediction error decreases as more historical condition ratings obtained. This implies that the BPM can be utilised to generate unavailable historical data, which is crucial for bridge deterioration models to achieve more accurate prediction results. Nevertheless, there are considerable limitations in the existing bridge deterioration models. Thus, further research is essential to improve the prediction accuracy of bridge deterioration models.
Kyu Won Hwang;Sung Mo Nam;Ah Reum Jang;Moon Suk Lee
Journal of the Korean Society of Marine Environment & Safety
/
v.29
no.7
/
pp.915-929
/
2023
Improvements in people's quality of life, diversification of leisure activities, and changes in population structure have led to an increase in the demand for tourism and an expansion of the diversification of tourism activities. In particular, for coastal cities where land and marine tourism elements coexist, various factors influence their tourism demands. Tourism requires the construction of infrastructure and content development according to the demand at the tourist destination. This study aims to improve the prediction accuracy and explore influencing factors through time series analysis of tourism scale using agent-based data. Basic local governments in the Busan area were examined, and the data used were the number of tourists and the amount of tourism consumption on a monthly basis. The univariate time series analysis, which is a deterministic model, was used along with the SARIMAX analysis to identify the influencing factor. The tourism consumption propensity, focusing on the consumption amount according to business types and the amount of mentions on SNS, was set as the influencing factor. The difference in accuracy (RMSE standard) between the time series models that did and did not consider COVID-19 was found to be very wide, ranging from 1.8 times to 32.7 times by region. Additionally, considering the influencing factor, the tourism consumption business type and SNS trends were found to significantly impact the number of tourists and the amount of tourism consumption. Therefore, to predict future demand, external influences as well as the tourists' consumption tendencies and interests in terms of local tourism must be considered. This study aimed to predict future tourism demand in a coastal city such as Busan and identify factors affecting tourism scale, thereby contributing to policy decision-making to prepare tourism demand in consideration of government tourism policies and tourism trends.
Journal of the Korea Society of Computer and Information
/
v.17
no.1
/
pp.211-218
/
2012
Fossil fuel is used all over the world and it produces greenhouse gases due to fossil fuel use. Therefore, it cause global warming and is serious environmental pollution. In order to decrease the environmental pollution, we should use renewable energy which is clean energy. Among several renewable energy, wind energy is the most promising one. Wind power generation is does not produce environmental pollution and could not be exhausted. However, due to wind power generation has irregular power output, it is important to predict generated electrical energy accurately for smoothing wind energy supply. There, we consider use ramp characteristic to forecast accurate wind power output. The ramp increase and decrease rapidly wind power generation during in a short time. Therefore, it can cause problem of unbalanced power supply and demand and get damaged wind turbine. In this paper, we make prediction models using power ramp rate as well as wind speed and wind direction to increase prediction accuracy. Prediction model construction algorithm used multilayer neural network. We built four prediction models with PRR, wind speed, and wind direction and then evaluated performance of prediction models. The predicted values, which is prediction model with all of attribute, is nearly to the observed values. Therefore, if we use PRR attribute, we can increase prediction accuracy of wind power generation.
This study was carried out to forecast the flow rate and water quality at the inlet of the Saemangeum bay in Korea using the SWMM(Storm Water Management Model) and the WASP(Water Analysis Simulation Program), and to analyze the impacts of pollutant loading from non-point source on the water quality of the bay. The calibration and validation of flow rate and water quality were performed using those from two monitoring points in the Mankyeong river administrated by Korean Ministry of Environment as part of the national water quality monitoring network. When the river flow rate was calibrated and validated using the rainfall intensities during 2011-2012, $R^2$ (i.e., coefficient of determination) was ranged from 0.91 to 0.96. For water qualities, it was shown that $R^2$ of BOD(Biochemical Oxygen Demand) was ranged from 0.56 to 0.86, and $R^2$ of T-N(Total Nitrogen) was from 0.64 to 0.75, and $R^2$ of T-P(Total Phosphorus) was from 0.67 to 0.89. The integrated modeling system showed significant advances in the accuracy to estimate the water quality. Finally, further simulations showed that annual average flow of the river running into the bay was estimated to be $1.439{\times}10^9m^3/year$. The discharged load of BOD, T-N, and T-P into the bay were anticipated to be 618.7 ton/year, 331.5 ton/year, and 40.4 ton/year, respectively.
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.