• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 1998년도 학술발표회 논문집
• /
• pp.179-184
• /
• 1998

• 한국항만경제학회지
• /
• 제34권1호
• /
• pp.81-98
• /
• 2018

우리나라의 경제발전은 무역을 주축으로 하고 있어 항만을 통한 물류가 필수적이다. 항만의 운영과 개발을 위해 막대한 자본과 시간이 투자되고 있으며 항만은 국가 경제 전반에 영향을 미치고 있다. 따라서 사회 경제적 손실을 방지하기 위해선 적정수준의 개발계획이 중요하다. 항만시설 계획은 항만 물동량 예측을 기반으로 수립되므로, 정확한 물동량 예측이 선행되어야 한다. 더불어 항만에서는 품목별로 취급 방식이 다르므로 품목별 예측이 이루어져야 구체적인 시설계획이 가능하다. 따라서 컨테이너 화물이나 항만 전체 물동량에 대해 주로 예측했던 선행 연구들과는 달리 본 논문에서는 전체 물동량에서 큰 비중을 차지하고 있는 유류화물을 분석 대상으로 설정하였다. 단기, 중장기의 주기적 특성과 추세를 갖고 있는 유류화물 물동량을 효율적으로 예측하고자 새로운 예측모형인 TSMR을 개발하였다. TSMR모형의 검증을 위해 기존의 시계열 모형들과 비교분석을 진행하였으며 ARIMA모형의 경우 물동량 데이터가 안정화되지 않아 유효한 결과를 산출할 수 없었다. 윈터스 가법, 단순계절모형과 비교하였을 때 단기적인 예측에는 다소 취약하였으나, TSMR모형의 전반적인 적합도와 예측력은 우수한 것으로 나타났다. 또한 철강, 유연탄, 기계류의 물동량 분석결과 TSMR모형의 일반화 가능성도 충분한 것으로 나타났다.

• 청정기술
• /
• 제28권2호
• /
• pp.138-146
• /
• 2022

Electricity has become a factor that dramatically affects the market economy. The day-ahead system marginal price determines electricity prices, and system marginal price forecasting is critical in maintaining energy management systems. There have been several studies using mathematics and machine learning models to forecast the system marginal price, but few studies have been conducted to develop, compare, and analyze various machine learning and deep learning models based on a data-driven framework. Therefore, in this study, different machine learning algorithms (i.e., autoregressive-based models such as the autoregressive integrated moving average model) and deep learning networks (i.e., recurrent neural network-based models such as the long short-term memory and gated recurrent unit model) are considered and integrated evaluation metrics including a forecasting test and information criteria are proposed to discern the optimal forecasting model. A case study of South Korea using long-term time-series system marginal price data from 2016 to 2021 was applied to the developed framework. The results of the study indicate that the autoregressive integrated moving average model (R-squared score: 0.97) and the gated recurrent unit model (R-squared score: 0.94) are appropriate for system marginal price forecasting. This study is expected to contribute significantly to energy management systems and the suggested framework can be explicitly applied for renewable energy networks.

• 한국습지학회지
• /
• 제21권3호
• /
• pp.236-243
• /
• 2019

현재까지 많은 수문 시계열은 전통적인 선형 모형을 이용하여 분석되고 예측되어 왔다. 하지만, 자연현상과 수문시계열의 패턴 및 변동과 관련하여 비선형적 구조의 증거가 발견되고 있다. 따라서 시계열 분석 및 예측을 위한 기존의 선형 모형은 비선형적 특성에 적합하지 않을 수 있다. 본 연구에서는 미국 플로리다 코코아 지역 인근에 있는 St.Johns 강의 일유량 자료에 대한 카오스 분석을 수행하였고, 그 결과 낮은 차원의 비선형 동역학적 특성을 가진 흥미로운 결과가 나타났지만 한국의 소양강댐 일유량 자료는 확률적 특성을 보여주었다. 카오스 특성을 토대로한 DVS(결정론적 vs 추계학적) 알고리즘을 이용해 두 시계열 시스템의 특성을 파악하였고 단기 예측을 수행하였다. 또한 본 연구에서는 일 유량 시계열 예측을 위해 인공신경망 방법을 사용하였고, DVS 알고리즘에 의한 예측을 비교 분석하였다. 분석 결과, 카오스 특성을 갖는 시계열 자료가 보다 정확한 예측성을 보였다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.69-81
• /
• 2019

본 논문에서는 딥러닝을 이용한 이변량 장기종속시계열(long-range dependent time series) 예측을 고려하였다. 시계열 데이터 예측에 적합한 LSTM(long short-term memory) 네트워크를 이용하여 이변량 장기종속시계열을 예측하고 이를 이변량 FARIMA(fractional ARIMA) 모형인 FIVARMA 모형과 VARFIMA 모형과의 예측 성능을 실증 자료 분석을 통해 비교하였다. 실증 자료로는 기능적 자기공명 영상(fMRI) 및 일일 실현 변동성(daily realized volatility) 자료를 이용하였으며 표본외 예측(out-of sample forecasting) 오차 비교를 통해 예측 성능을 측정하였다. 그 결과, FIVARMA 모형과 VARFIMA 모형의 예측값에는 미묘한 차이가 존재하며, LSTM 네트워크의 경우 초매개변수 선택으로 복잡해 보이지만 계산적으로 더 안정되면서 예측 성능도 모수적 장기종속시계열과 뒤지지 않은 좋은 예측 성능을 보였다.

• 전기학회논문지
• /
• 제61권12호
• /
• pp.1765-1773
• /
• 2012

The accuracy of load forecast is very important from the viewpoint of economical power system operation. In general, the weekdays' load demand pattern has the continuous time series characteristics. Therefore, the conventional methods expose stable performance for weekdays. In case of special days or weekends, the load demand pattern has the discontinuous time series characteristics, so forecasting error is relatively high. Especially, weekdays near the thanksgiving day and lunar new year's day have the mixed load profile characteristics of both weekdays and weekends. Therefore, it is difficult to forecast these days by using the existing algorithms. In this study, a new load forecasting method is proposed in order to enhance the accuracy of the forecast result considering the characteristics of weekdays and weekends. The proposed method was tested with these days during last decades, which shows that the suggested method considerably improves the accuracy of the load forecast results.

• 한국농림기상학회지
• /
• 제10권3호
• /
• pp.107-112
• /
• 2008

"Jeung-Bo-San-Lim-Gyeong-Je" (meaning "Revised Forest Management") has been well recognized as the informative document that introduces scientific knowledge and experiences of Korean ancestors regarding weather and climate. The tradition of Gwan-Cheon-Mang-Gi(i.e., empirical forecasting of short-term weather phenomena based on the status of cloud or sky) has been continuously utilized as a civilian weather forecasting method and even for very short-term weather prediction by operational forecasters these days. This agricultural technology textbook, published during the Great King Youngjo in Chosun-Dynasty, may be regarded as a poorly written document from the modern standpoint. Nonetheless, this study demonstrates that by and large the empirical knowledge contained in the book is indeed science based although their applications are limited to several hours for local forecasts in agricultural practices and daily living. For example, the wisdom of keeping water at an optimum level in a paddy field after sowing to prevent young seedlings from late frost damages was not at all different from the present technique of vinyl covered seedling nursery.

• 농업과학연구
• /
• 제48권4호
• /
• pp.797-806
• /
• 2021

As the number of scaled-up ranches increased and agile responses to market changes became possible, decision-making by Hanwoo cattle farms also began to affect short-term shipments. Considering the changing environment of the Hanwoo supply market and the response speed of producers, it is necessary quickly to grasp the forecast ahead of time and to respond accordingly in an effort to stabilize supply and demand in the Hanwoo market. In this study, short-term forecasting model centered on the supply of Hanwoo was established. The analysis conducted here indicates that the slaughter of Hanwoo males increases by 0.248 as the number of beef cattle raised over 29 months of age in the previous month increases by one, and 0.764 Hanwoo females were slaughtered under average conditions for every Hanwoo male slaughtered. With regard to time, the slaughtering of Hanwoo was higher in January and August, which are months known for holiday food preparation activities for the New Year and Chuseok in Korea, respectively. Simulations indicated that errors were within 10% in all simulations performed through the Hanwoo supply model. Accordingly, it is considered that the estimation results from the supply model devised in this study are reliable and that the model has good structural stability.

• KDI Journal of Economic Policy
• /
• 제42권2호
• /
• pp.57-84
• /
• 2020

This study analyzes global inflation synchronization and derives policy implications for the Korean economy. Unlike previous studies that assume a single global inflation factor, this study investigates if inflation in Korea can be explained further by other global inflation factors. Our principal component analysis provides three principal components for global inflation that are linked to the Korea inflation rate - the first component is closely related to OECD inflation, and the second and third components reflect China's inflation. This study empirically demonstrates via in-sample fitting and out-of-sample forecasting that the three principal components of global inflation play a significant role in explaining and predicting Korean inflation in the short-term, while their role is limited in the mid-term. Domestic macroeconomic variables are found to be more important for the mid-term movements of the Korean inflation rate. The empirical results here suggest that the Bank of Korea should focus more on domestic economic conditions than on global inflation when implementing monetary policy because global factors are likely to be already reflected in domestic macro-variables in the mid-term.

• 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.