• 한국농공학회지
• /
• 제36권2호
• /
• pp.44-55
• /
• 1994

This paper describes the development of real-time irrigation reservoir operation models that adequately allocate available water resources for paddy rice irrigation. Water requirement deficiency index(WRDI) was proposed as a guide to evaluate the operational performance of release schemes by comparing accumulated differences between daily release requirements for irrigated areas and actual release amounts. Seven reservoir release rules were developed, which are constant release rate method (CRR), mean storage curve method(MSC), frequency analysis method of reservoir storage rate(FAS), storage requirement curve method(SRC), constant optimal storage rate method (COS), ten-day optimal storage rate method(TOS), and release optimization method(ROM). Long-term forecasting reservoir operation model(LFROM) was formulated to find an optimal release scheme which minimizes WRDIs with long-term weather generation. Rainfall sequences, rainfall amount, and evaporation amount throughout the growing season were to be forecasted and the results used as an input for the model. And short-term forecasting reservoir operation model(SFROM) was developed to find an optimal release scheme which minimizes WRDIs with short-term weather forecasts. The model uses rainfall sequences forecasted by the weather service, and uses rainfall and evaporation amounts generated according to rainfall sequences.

• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.79-85
• /
• 2019

본 연구에서는 Long Short Term Memory (LSTM) 신경망과 Gated Recurrent Unit(GRU) 신경망을 Internet of Things (IoT) 파워미터에 적용하여 단기 전력사용량 예측방법을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 성능평가 지표로써 Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Percentage Error (MPE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE)를 이용한다. 실험 결과는 GRU 기반의 모델이 LSTM 기반의 모델에 비해 MAPE 기준으로 4.52%, MPE 기준으로 5.59%만큼의 성능개선을 보였다.

• 충청수학회지
• /
• 제34권2호
• /
• pp.157-168
• /
• 2021

This study uses the benchmark interest rate of the Federal Open Market Committee (FOMC) to predict gold futures prices. For the predictions, we used the support vector machine (SVM) (a machine-learning model) and the long short-term memory (LSTM) deep-learning model. We found that the LSTM method is more accurate than the SVM method. Moreover, we applied the Boruta algorithm to demonstrate that the FOMC benchmark interest rates correlate with gold futures.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1992년도 하계학술대회 논문집 A
• /
• pp.495-497
• /
• 1992

Hourly load forecasting has become indispensable for practical simulation of electric power system as the system become larger and more complicated. To forecast the future hourly load the cyclic behavior of electric load which follows seasonal weather, day or week and office hours is to be analyzed so that the trend of the recent behavioral change can be extrapolated for the short term. For the long term, on the other hand, the changes in the infra-structure of each electricity consumer groups should be assessed. In this paper the concept and process of hourly load forecasting for hourly load is introduced.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 하계학술대회 논문집
• /
• pp.87-91
• /
• 1990

Regional electricity demand forecasting is among the most important step for lone-term investment and power supply planning. This study presents a regional electricity forecasting model for Korean power system. The model consists of three submodels, regional economy, regional electricity energy demand, and regional peak load submodels. A case study is presented.

• 한국콘텐츠학회논문지
• /
• 제10권1호
• /
• pp.372-380
• /
• 2010

본 연구는 시뮬레이션 기반의 중장기 기술예측 방법론에 대해서 다룬다. 먼저 전문가 집단을 상대로 한 델파이 조사를 통해 미래의 신기술들의 출현 시점과 기술들간의 영향 관계에 대한 데이터를 수집한 후, 취득한 데이터를 활용하여 미래에 개발되어야 하는 신기술들 중에서 핵심기술을 도출하는 새로운 방법론을 제시한다. 일반적인 델파이 조사가 기술 출현에 대한 일정 시점의 예측치만을 제공하는데 반해, 본 연구에서는 시뮬레이션 알고리즘을 통해 기술 출현 시기에 대한 범위를 도출하고, 이를 기초로 핵심기술을 정의한다. 미래에 개발될 기술들의 출현 시점 뿐 만 아니라 핵심 기술에 대한 정보도 함께 도출함으로써, 연구개발 담당자 및 중장기 프로젝트 관리자들에게 자원배분과 관련한 정보를 제공하여 그들의 의사결정을 도울 수 있을 것으로 기대된다.

• 정보과학회 논문지
• /
• 제44권6호
• /
• pp.607-612
• /
• 2017

도시에서 홍수 피해를 방지하기 위한 침수를 예측하기 위해 본 논문에서는 딥러닝(Deep Learning) 기법을 적용한다. 딥러닝 기법 중 시계열 데이터 분석에 적합한 Recurrent Neural Networks (RNNs)을 활용하여 강의 수위 관측 데이터를 학습하고 침수 가능성을 예측하였다. 예측 정확도 검증을 위해 사용한 데이터는 미국의 트리니티강의 데이터로, 학습을 위해 2013 년부터 2015 년까지 데이터를 사용하였고 평가 데이터로는 2016 년 데이터를 사용하였다. 입력은 16개의 레코드로 구성된 15분단위의 시계열 데이터를 사용하였고, 출력으로는 30분과 60분 후의 강의 수위 예측 정보이다. 실험에 사용한 딥러닝 모델들은 표준 RNN, RNN-BPTT(Back Propagation Through Time), LSTM(Long Short-Term Memory)을 사용했는데, 그 중 LSTM의 NE(Nash Efficiency)가 0.98을 넘는 정확도로 기존 연구에 비해 매우 높은 성능 향상을 보였고, 표준 RNN과 RNN-BPTT에 비해서도 좋은 성능을 보였다.

• 농업과학연구
• /
• 제47권4호
• /
• pp.1029-1037
• /
• 2020

The machine learning algorithm has been widely used in water-related fields such as water resources, water management, hydrology, atmospheric science, water quality, water level prediction, weather forecasting, water discharge prediction, water quality forecasting, etc. However, water quality prediction studies based on the machine learning algorithm are limited compared to other water-related applications because of the limited water quality data. Most of the previous water quality prediction studies have predicted monthly water quality, which is useful information but not enough from a practical aspect. In this study, we predicted the dissolved oxygen (DO) using recurrent neural network with long short-term memory model recurrent neural network long-short term memory (RNN-LSTM) algorithms with hourly- and daily-datasets. Bugok Bridge in Oncheoncheon, located in Busan, where the data was collected in real time, was selected as the target for the DO prediction. The 10-month (temperature, wind speed, and relative humidity) data were used as time prediction inputs, and the 5-year (temperature, wind speed, relative humidity, and rainfall) data were used as the daily forecast inputs. Missing data were filled by linear interpolation. The prediction model was coded based on TensorFlow, an open-source library developed by Google. The performance of the RNN-LSTM algorithm for the hourly- or daily-based water quality prediction was tested and analyzed. Research results showed that the hourly data for the water quality is useful for machine learning, and the RNN-LSTM algorithm has potential to be used for hourly- or daily-based water quality forecasting.

• 사물인터넷융복합논문지
• /
• 제6권4호
• /
• pp.39-48
• /
• 2020

본 연구는 한국 노인장기요양 서비스 이용 상태의 결정요인과 상태 의존성을 파악하고자 하였다. 이를 위해 한국복지패널 자료를 이용하여 시간이 지남에 따른 서비스 이용 상태간 전환 패턴을 랜덤효과 다항로짓 모형을 이용하여 분석하였다. 그 결과 노인장기요양 서비스 이용 상태에 있어 강한 상태 의존성을 확인하였다. 특히 초기 상태에서 노인장기요양보험 이용자는 상태가 지속되는 경향이 강한 것으로 나타났다. 개인의 인구통계학적 특성 중 연령이 높을 수록 노인장기요양보험 이용 상태일 확률이 높아지는 반면 혼인상태에 있는 경우 유의하게 낮았다. 거주지역 경우 도농 복합군 거주자는 준거지역에 비해 노인장기요양보험 이용 상태일 확률이 유의하게 높아지는 것으로 나타났다. 본 연구의 결과 노인장기요양 서비스 이용자가 강한 상태 의존성을 가진다는 사실은 향후 수요예측에 있어 기존 이용자의 이용 기간 증가도 충분히 고려하는 것이 중요함을 시사한다.

• 한국산업정보학회논문지
• /
• 제25권2호
• /
• pp.57-72
• /
• 2020

철광석의 가격은 여러 국가와 기업들의 수요와 공급에 따라서 높은 변동성이 지속되고 있다. 이러한 비즈니스 환경에서 철광석의 가격을 예측하는 것은 중요해졌다. 본 연구는 머신러닝 기법을 이용하여 철광석이 거래되는 시점으로부터 한 달 전에 철광석 거래가격을 미리 예측하는 모형을 개발하고자 하였다. 예측 모형은 시계열 데이터를 활용한 예측 방법론으로 많이 활용되고 있는 시차분포 모형과 다층신경망 (Multi-layer perceptron), 순환신경망 (Recurrent neural network), 그리고 장단기 기억 네트워크 (Long short-term memory)와 같은 딥 러닝(Deep Learning) 모형을 사용하였다. 측정지표를 통해 개별 모형을 비교한 결과에 따르면, LSTM 모형이 예측 오차가 가장 낮은 것으로 나타났다. 또한, 앙상블 기법을 적용한 모형들을 비교한 결과, 시차분포와 LSTM의 앙상블 모형이 예측오차가 가장 낮은 것으로 나타났다.