Kim, Ju-Hye;Choo, Gyo-Myung;Kim, Baek-Jo;Won, Seong-Hee;Kwon, H. Joe
Atmosphere
/
v.17
no.2
/
pp.207-216
/
2007
The Moving-nest Typhoon Model (MTM) was installed on the Korea Meteorological Administration (KMA)'s CRAY X1E in 2006 and started its test operation in August 2006 to provide track and intensity forecasts of tropical cyclones. In this study, feasibility of the MTM forecast is compared with the Global Data Assimilation and Prediction System (GDAPS) of the KMA and the operational typhoon forecast models in the Japan Meteorological Agency (JMA), from the sixth tropical cyclone to the twentieth in 2006. Forecast skills in terms of the storm position error of the two KMA models were comparable, but MTM showed a slightly better ability. While both GDAPS and MTM produced larger errors than JMA models in track forecast, the predicted intensity was much improved by MTM, making it comparable to the JMA's typhoon forecast model. It is believed that the Geophysical Fluid Dynamics Laboratory (GFDL) bogus initialization method in MTM improves the ability to forecast typhoon intensity.
The predictability of heavy precipitation over the Korean Peninsula is studied using THORPEX Interactive Grand Global Ensemble (TIGGE) data. The performance of the six ensemble models is compared through the inconsistency (or jumpiness) and Root Mean Square Error (RMSE) for MSLP, T850 and H500. Grand Ensemble (GE) of the three best ensemble models (ECMWF, UKMO and CMA) with equal weight and without bias correction is consisted. The jumpiness calculated in this study indicates that the GE is more consistent than each single ensemble model. Brier Score (BS) of precipitation also shows that the GE outperforms. The GE is used for a case study of a heavy rainfall event in Korean Peninsula on 9 July 2009. The probability forecast of precipitation using 90 members of the GE and the percentage of 90 members exceeding 90 percentile in climatological Probability Density Function (PDF) of observed precipitation are calculated. As the GE is excellent in possibility of potential detection of heavy rainfall, GE is more skillful than the single ensemble model and can lead to a heavy rainfall warning in medium-range. If the performance of each single ensemble model is also improved, GE can provide better performance.
Chae-Yeon Shim;Gyeong-Min Baek;Hyun-Su Park;Jong-Yeon Park
Atmosphere
/
v.34
no.2
/
pp.177-185
/
2024
As increasing global interest in renewable energy due to the ongoing climate crisis, there is a growing need for efficient technologies to manage such resources. This study focuses on the predictive skill of daily solar power generation using weather observation and forecast data. Meteorological data from the Korea Meteorological Administration and solar power generation data from the Korea Power Exchange were utilized for the period from January 2017 to May 2023, considering both inland (Daejeon) and coastal (Busan) regions. Temperature, wind speed, relative humidity, and precipitation were selected as relevant meteorological variables for solar power prediction. All data was preprocessed by removing their systematic components to use only their residuals and the residual of solar data were further processed with weighted adjustments for homoscedasticity. Four models, MLR (Multiple Linear Regression), RF (Random Forest), DNN (Deep Neural Network), and RNN (Recurrent Neural Network), were employed for solar power prediction and their performances were evaluated based on predicted values utilizing observed meteorological data (used as a reference), 1-day-ahead forecast data (referred to as fore1), and 2-day-ahead forecast data (fore2). DNN-based prediction model exhibits superior performance in both regions, with RNN performing the least effectively. However, MLR and RF demonstrate competitive performance comparable to DNN. The disparities in the performance of the four different models are less pronounced than anticipated, underscoring the pivotal role of fitting models using residuals. This emphasizes that the utilized preprocessing approach, specifically leveraging residuals, is poised to play a crucial role in the future of solar power generation forecasting.
KMA performed the special observation program to provide information about severe weather and to monitor typhoon PRAPIROON using the ship which called the Gisang 1 from 29 June 2018 to 4 July 2018 (UTC). For this period, upper-air was observed 21 times with 6 hour intervals using rawinsonde in the Gisang 1. We investigated the impact of upper-air observation data from the Gisang 1 on the performance of the operational convective scale model (we called LDAPS). We conducted two experiments that used all observation data including upper-air observation data from the Gisang 1 (OPER) and without it (EXPR). For a typhoon PRAPIROON case, track forecast error of OPER was lower than EXPR until forecast 24 hours. The intensity forecast error of OPER for minimum sea level pressure was lower than EXPR until forecast 12 hours. The intensity forecast error of OPER for maximum wind speed was mostly lower than EXPR until forecast 30 hours. OPER showed good performance for typhoon forecast compared with EXPR at the early lead time. Two precipitation cases occurred in the south of the Korean peninsula due to the impact of Changma on 1 July and typhoon on 3 July. The location of main precipitation band predicted from OPER was closer to observations. As assimilating upper-air data observed in the Gisang 1 to model, it showed positive results in typhoon and precipitation cases.
In this paper a new hybrid forecast method composed of wavelet transform and neural network is proposed to forecast the wind speed more accurately. In the field of wind energy research, accurate forecast of wind speed is a challenging task. This will influence the power system scheduling and the dynamic control of wind turbine. The wind data used here is measured at 15 minute time intervals. The performance is evaluated based on the metrics, namely, mean square error, mean absolute error, sum squared error of the proposed model and compared with the back propagation model. Simulation studies are carried out and it is reported that the proposed model outperforms the compared model based on the metrics used and conclusions were drawn appropriately.
It is the most important sucess factor for the electricity generation industry to minimize operations cost of surplus electricity generation through accurate demand forecasts. Temperature forecast is a significant input variable, because power demand is mainly linked to the air temperature. This study estimates the information value of the temperature forecast by analyzing the relationship between electricity load and daily air temperature in Korea. Firstly, several characteristics was analyzed by using a population-weighted temperature index, which was transformed from the daily data of the maximum, minimum and mean temperature for the year of 2005 to 2007. A neural network-based load forecaster was derived on the basis of the temperature index. The neural network then was used to evaluate the performance of load forecasts for various types of temperature forecasts (i.e., persistence forecast and perfect forecast) as well as the actual forecast provided by KMA(Korea Meteorological Administration). Finally, the result of the sensitivity analysis indicates that a $0.1^{\circ}C$ improvement in forecast accuracy is worth about $11 million per year.
In this paper, we investigate automatic functions for time series forecasting in R system and compare their performances. For the exponential smoothing models and ARIMA (autoregressive integrated moving average) models, we focus on the representative time series forecasting functions in R: forecast::ets(), forecast::auto.arima(), smooth::es() and smooth::auto.ssarima(). In order to compare their forecast performances, we use M3-Competiti on data consisting of 3,003 time series and adopt 3 accuracy measures. It is confirmed that each of the four automatic forecasting functions has strengths and weaknesses in the flexibility and convenience for time series modeling, forecasting accuracy, and execution time.
This paper studies the financial analyst's forecasting activities on the firm's operating performance during the period from 1999 to 2003. In this study, financial analyst's forecasting activities are focused on the sales, operating income and net income and financial analyst's forecasting accuracy, forecasting revising patterns and forecasting activities to the unexpected firm's operating performance are studied. Some empirical findings in this study are as follows. First, standard estimate error on the sales, operating income and net income are all significantly negative value and so financial analyst's forecast on the firm's operating performance are upwardly biased. Second, domestic financial analyst's forecasting activities is relatively more accuracy than foreign financial analyst's forecasting activities. Third, forecasting time is more close to the end of the operating performance announcement day, forecasting activities are more accuracy. Fourth, comparing with individual financial analyst's forecast, consensus forecast is more accuracy. Fifth, in the comparative forecasting activities study according to the prior firm's operating performance, financial analyst's forecasting revision activities are found to be upward or downward. Sixth, financial analysts overreact in the sales forecast and underreact in the operating income and net income forecast. Seventh, in the empirical analysis on the Easterwood-Nutt's test model(1999) which the firm's performance change are divided into the expected performance change and the unexpected performance change, it is found that financial analyst's forecasting activities on the firm's operating performance are systematically optimistic.
The comparison of prediction errors in geopotential height, temperature, and precipitation forecasts is made quantitatively to evaluate medium-range forecast skills between Global Seasonal Forecasting System version 5 (GloSea5) and Unified Model (UM) in operation by Korea Meteorological Administration during 2014. In addition, the performances in prediction of sea surface temperature anomaly in NINO3.4 region, Madden and Julian Oscillation (MJO) index, and tropical storms in western north Pacific are evaluated. The result of evaluations appears that the forecast skill of UM with lower values of root-mean square error is generally superior to GloSea5 during forecast periods (0 to 12 days). The forecast error tends to increase rapidly in GloSea5 during the first half of the forecast period, and then it shows down so that the skill difference between UM and GloSea5 becomes negligible as the forecast time increases. Precipitation forecast of GloSea5 is not as bad as expected and the skill is comparable to that of UM during 10-day forecasts. Especially, in predictions of sea surface temperature in NINO3.4 region, MJO index, and tropical storms in western Pacific, GloSea5 shows similar or better performance than UM. Throughout comparison of forecast skills for main meteorological elements and weather extremes during medium-range, the effects of initial and model errors in atmosphere-ocean coupled model are verified and it is suggested that GloSea5 is useful system for not only seasonal forecasts but also short- and medium-range forecasts.
In this study, we predicted the employment ratio by the export industry using various machine learning methods and verified whether the prediction performance is improved by applying the constrained forecast combination method to these predicted values. In particular, the constrained forecast combination method is known to improve the prediction accuracy and stability by imposing the sum of predicted values' weights up to one. In addition, this study considered various variables affecting the employment ratio of each industry, and so we adopted recursive feature elimination method that allows efficient use of machine learning methods. As a result, the constrained forecast combination showed more accurate prediction performance than the predicted values of the machine learning methods, and in particular, the stability of the prediction performance of the constrained forecast combination was higher than that of other machine learning methods.
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.