• 전기학회논문지
• /
• 제63권11호
• /
• pp.1497-1502
• /
• 2014

Electric load forecasting is essential for stable electric power supply, efficient operation and management of power systems, and safe operation of power generation systems. The results are utilized in generator preventive maintenance planning and the systemization of power reserve management. Development and improvement of electric load forecasting model is necessary for power system maintenance and operation. This paper proposes daily maximum electric load forecasting methods for the next 4 weeks with a seasonal autoregressive integrated moving average model and an exponential smoothing model. According to the results of forecasting of daily maximum electric load forecasting for the next 4 weeks of March, April, November 2010~2012 using the constructed forecasting models, the seasonal autoregressive integrated moving average model showed an average error rate of 6,66%, 5.26%, 3.61% respectively and the exponential smoothing model showed an average error rate of 3.82%, 4.07%, 3.59% respectively.

• 한국통신학회논문지
• /
• 제25권8A호
• /
• pp.1153-1159
• /
• 2000

이 논문에서는 네트워크의 QoS에 가장큰 영향을 미치는 네트워크 선로 이용률의 과거데이터를 기반으로 단기간 예측과 계절성(seasonality) 예측에 적합한 계절자기회귀이동평균(SARIMA: seasonal ARIMA) 모형을 적용하여 앞으로의 시간대별 선로 이용률을 예측하고 그 신뢰 구간을 추정함으로써 확류에 근거한 선로 이용률의 임계값 위반 시점을 예측할 수 있으며 확률에 근거한 신뢰성을 제공할 수 있다 또한 제시한 모델의 적합성 여부를 평가하였으며 실험을 통하여 적절한 수준의 임계값과 임계값 탐지의 기준이 되는 탐지 확률값을 추론함으로써 본 알고리즘의 성능을 최대화하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권10호
• /
• pp.4887-4907
• /
• 2017

Accurate traffic flow forecasting is critical to the development and implementation of city intelligent transportation systems. Therefore, it is one of the most important components in the research of urban traffic scheduling. However, traffic flow forecasting involves a rather complex nonlinear data pattern, particularly during workday peak periods, and a lot of research has shown that traffic flow data reveals a seasonal trend. This paper proposes a new traffic flow forecasting model that combines seasonal relevance vector regression with the hybrid chaotic simulated annealing method (SRVRCSA). Additionally, a numerical example of traffic flow data from The Transportation Data Research Laboratory is used to elucidate the forecasting performance of the proposed SRVRCSA model. The forecasting results indicate that the proposed model yields more accurate forecasting results than the seasonal auto regressive integrated moving average (SARIMA), the double seasonal Holt-Winters exponential smoothing (DSHWES), and the relevance vector regression with hybrid Chaotic Simulated Annealing method (RVRCSA) models. The forecasting performance of RVRCSA with different kernel functions is also studied.

• Journal of the Korean Data and Information Science Society
• /
• 제20권5호
• /
• pp.857-867
• /
• 2009

본 연구는 학년 (연령) 진급에 따른 인구증감률에 대하여 전국 학생수를 예측하는 다양한 방법들을 제시하고, 제시된 예측 모형들을 이용하여 출생아들이 고3학생이 되는 18년 후인 2026까지의 학생수를 예측하는 것이다. 이동평균과 시계열모형, 회귀분석 등 다양한 예측모형들이 사용되었고, 적합 척도들을 이용하여 이들의 오차들을 측정하였다. 예측오차를 측정하는 도구들을 기준으로 제시된 예측방법들 중 이동평균에 의한 방법은 쉽고 단순한 장점을 지니면서도 기존에 예측되어진 한국교육개발원의 예측결과 뿐 아니라 회귀분석 및 시계열예측의 고등기법들의 결과들 보다 예측 능력이 우수한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.1208-1212
• /
• 2004

다목적댐을 효율적이고 체계적으로 운영하기 위해서는 수문순환에 대한 지역별, 기간별 이해와 더불어 댐저수지로의 정확한 유입량 산정이 필요하다. 수문모델링을 비교하기 위해서는 개념적 모형과 추계학적 모형으로 나눌 수 있는데 개념적 모형은 상당히 많은 입력요소로 말미암아 사용자로 하여금 이해를 하는데 있어서 어려움을 겪을 수 밖에 없는 실정이나 추계학적 모형은 확률적 철상 및 기초적 예측이론을 습득하게 되면 쉽고 간단하여 검토를 용이하게 할 수 있는 장점이 있다. 수자원시스템의 설계, 계획, 운영에 있어서 핵심적인 수문변수의 미래거동의 보다 나은 추정치가 필요하다. 예를 들어, 수력발전, 레크리에이션 이용과 하류지역의 오염희석과 같은 다중 목적을 유지하기 위하여 다목적댐을 운영할 때에, 다가오는 미래시간에 대한 계획된 유입량의 예측이 요구된다. 예측의 목적은 미래에 발생한 정확한 예측을 제공하는 것이다. 따라서 월유입량 예측을 위해 추계학적 모형(ARMA(1,1), ARMAX, TFN, SARIMA)과 신경망 모형(BP, CASCADE 등)의 적용을 통해 한강수게 주요 다목적댐에 가장 적합한 방법을 선정하고자 하는데 본 연구의 목적이 있다.

• 한국해안·해양공학회논문집
• /
• 제32권5호
• /
• pp.322-330
• /
• 2020

부산, 목포 지점의 평균해수면(MSL)과 고극조위, 저극조위 자료의 이상자료 시계열 모델링을 수행하였다. 시계열 모델은 계절성분을 포함하는 SARIMA 모형이며, 일시적인 변화에 해당하는 이상자료(Additive Outlier, AO)와 영구적인 변화를 의미하는 기준고도 변화(Level Shift, LS)를 모델에 포함하였으며, AIC 기준에 의거하여 최적 모델을 선정하였다. 이상자료 모형의 매개변수 추정은 R 프로그램 'tsoutliers' 패키지('tso' 함수)를 이용하였다. 선정 모형을 이용하여 이상자료와 기준고도 변화 진단에 적용한 결과, 부산의 월 단위 고극조위 자료에서 2003, 2012년 발생한 태풍 매미(MAEMI), 산바(SANBA)에 의한 일시적인 수위상승을 65.5, 29.5 cm 정도로 추정하였으며, 목포의 월 단위 평균해수면 자료에서는 1983년의 영산강 하굿둑 건설 사업에 의한 기준고도 변화를 21.2 cm 정도로 추정하였다. 한편 본 연구에서 구성한 모형은 모형의 편향을 유발하는 이상자료의 영향을 포함하며, 모형에 의한 RMS 오차는 연간 자료를 사용한 경우, 부산은 MSL 1.95 cm, 고극조위, 저극조위 각각 5.11 cm, 6.50 cm이며, 목포의 경우에는 큰 조차의 영향으로 MSL 2.01 cm, 고극조위, 저극조위 각각 11.80 cm, 9.14 cm로 부산보다 다소 높게 나타났다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.391-393
• /
• 2022

최근에는 딥러닝과 빅데이터를 기반으로 한 수요예측 기술이 전자상거래, 물류, 유통 분야의 스마트화를 가속화하고 있다. 특히, 글로벌 운송 네트워크와 현대적인 지능형 물류의 중심인 항만은 4차 산업혁명으로 인한 세계 경제 및 항만 환경의 변화에 발 빠르게 대응하고 있습니다. 항만물동량 예측은 신항만 건설, 항만확장, 터미널 운영 등 다양한 분야에서 중요한 영향을 담당하고 있다. 따라서 본 연구의 목적은 항만 물동량 예측에 자주 쓰이는 시계열 분석과 타 산업에서 좋은 결과를 도출해내고 있는 딥러닝 분석을 비교하여 부산항의 미래 컨테이너 예측에 적합한 예측모델을 제시하는 것이다. 부산항 컨테이너 물동량을 이용하여 학습시키고 그 이후 물동량 예측을 진행하였다. 또한, 상관관계 분석을 통해 물동량 변화와 관련된 외부변수를 선정하여 다변량 딥러닝 예측모델에 적용하였다. 그 결과 부산항 컨테이너 물동량만 이용한 단일변수 예측모델에서 LSTM의 오차가 가장 낮았고, 외부변수를 이용한 다변수 예측모델에서도 LSTM의 성능이 가장 우수하였다.