• 응용통계연구
• /
• 제24권1호
• /
• pp.115-125
• /
• 2011

사망률 예측모형과 생명표 작성방법에 기반을 둔 예측평균수명 작성은 미래의 사망수준을 평가하는 효과적인 방법이 된다. 2006년 통계청에서 장래인구추계 작성 시 예측평균수명을 작성하였으나, 2006년 이후 현재까지 실제평균수명과 적지 않은 차이를 보이고 있어 평균수명의 증가속도를 반영하지 못하고 있다. 이의 원인으로는 전망치에 대한판단, 사망률 예측모형의 선택과 사용 등이 이유가 될 수 있다. 본 논문에서는 사망률 예측모형의 선택관점에서 이 문제를 살펴보고자 한다. 2011년 장래인구추계 작성을 앞둔 상황에서 오류의 반복을 피하기 위해서는 사망률 예측모형에 대한 특성 및 적용가능성에 대한 충분한 검토가 이루어진 후 적절한 모형을 선택해야 할 것이다. 사망률 예측모형은 주로 사용되고 있는 LC(Lee와 Carter) 모형과 이의 개선모형들, 사망확률 확장모형인 HP8(Heligman과 Pollard 8 parameters) 모형 등 모두 5개의 모형을 비교 분석하였다. 분석결과를 바탕으로 5개의 모형별로 2030까지의 남녀별 예측평균수명을 작성하여 제시하였고, 이를 통계청에서 제공하는 예측평균수명과 비교하였다. 5개의 모형에 의해 작성된 2030년까지의 새로운 예측평균수명은 통계청의 결과보다 높게 나타나 실제평균수명의 변화를 상대적으로 잘 반영하는 것으로 나타났다.

• 한국수자원학회논문집
• /
• 제38권7호
• /
• pp.565-574
• /
• 2005

평창강 수질자동측정망 실시간 자료를 이용하여 강우시와 무강우시로 구분하여 분석하였다. 강우시에 측정된 TOC 자료는 무강우시 측정된 자료에 비해 평균값, 최대값, 표준편차가 크게 나타났으며, 강우시의 DO 자료는 무강우시에 측정된 자료보다 낮아 유량이 수질변화에 영향을 미치는 것으로 분석되었다. 신경망 모형과 뉴로-퍼지 모형으로 수질예측 모형을 구성하고, 적용하였다. LMNN, MDNN, ANFIS 모형은 TOC 모의에서 DO 예측에서는 LMNN, MDNN 모형이 ANFIS 모형보다 좋은 결과를 보였으며, 정량적 자료에 정성적 자료인 시간을 학습한 MDNN 모형이 가장 작은 오차를 보였다. 하천의 실시간적 관리를 위해서는 유량과 수질의 측정이 동일한 지점에서 동시간적으로 이루어져야 보다 효과적이다. 그러나 수질자동측정망 지점과 T/M 수위관측소가 원거리에 위치한 경우들이 있으며, 평창강 수질자동측정망 지점이 그 중 하나이다. 연구에서는 평창강 수질자동측정망 지점의 유출예측을 위한 신경망 모형을 구성하여 수질예측 모형과 연계하였으며, 연계된 모형은 수질예측에 개선된 결과를 보였다.

• 전기학회논문지
• /
• 제64권8호
• /
• pp.1137-1144
• /
• 2015

Accurate and robust load forecasting model is very important in power system operation. In case of short-term electric load forecasting, its result is offered as an standard to decide a price of electricity and also can be used shaving peak. For this reason, various models have been developed to improve forecasting accuracy. In order to achieve accurate forecasting result for summer season, this paper proposes a forecasting model using corrected effective temperature based on Heat Index and CDH data as inputs. To do so, we establish polynomial that expressing relationship among CDH, load, temperature. After that, we estimate parameters that is multiplied to each of the terms using PSO algorithm. The forecasting results are compared to Holt-Winters and Artificial Neural Network. Proposing method shows more accurate by 1.018%, 0.269%, 0.132% than comparison groups, respectively.

• 한국환경과학회지
• /
• 제19권10호
• /
• pp.1229-1235
• /
• 2010

Three meteor-statistical forecasting models - the transfer function model, the time-series autoregressive model and the neural networks model - were tested to develop a daily forecasting model for Jejudo, where the need and demand for wind power forecasting has increased. All the meteorological observation sites in Jejudo have been classified into 6 groups using a cluster analysis. Four pairs of observation sites among them, all having strong wind speed correlation within the same meteorological group, were chosen for a model test. In the development of the wind speed forecasting model for Jejudo, it was confirmed that not only the use a wind dataset at the objective site itself, but the introduction of another wind dataset at the nearest site having a strong wind speed correlation within the same group, would enhance the goodness to fit of the forecasting. A transfer function model and a neural network model were also confirmed to offer reliable predictions, with the similar goodness to fit level.

• 전기학회논문지
• /
• 제65권7호
• /
• pp.1144-1150
• /
• 2016

Short-term load forecasting is essential to the electricity pricing and stable power system operations. The conventional weekday 24-hour load forecasting algorithms consider the temperature model to forecast maximum load and minimum load. But 24-hour load pattern forecasting models do not consider temperature effects, because hourly temperature forecasts were not present until the latest date. Recently, 3 hour temperature forecast is announced, therefore hourly temperature forecasts can be produced by mathematical techniques such as various interpolation methods. In this paper, a new 24-hour load pattern forecasting method is proposed by using similar day search considering the hourly temperature. The proposed method searches similar day input data based on the anomalous weather features such as continuous temperature drop or rise, which can enhance 24-hour load pattern forecasting performance, because it uses the past days having similar hourly temperature features as input data. In order to verify the effectiveness of the proposed method, it was applied to the case study. The case study results show high accuracy of 24-hour load pattern forecasting.

• 한국컴퓨터정보학회논문지
• /
• 제23권5호
• /
• pp.9-14
• /
• 2018

For an efficient management of electricity market and power systems, accurate forecasts for electricity demand are essential. Since there are many factors, either known or unknown, determining the realized loads, it is difficult to forecast the demands with the past time series only. In this paper we perform a cluster analysis on electricity demand data collected from Jan. 2000 to Dec. 2017. Our purpose of clustering on electricity demand data is that each cluster is expected to consist of data whose latent variables are same or similar values. Then, if properly clustered, it is possible to develop an accurate forecasting model for each cluster separately. To validate the feasibility of this approach for building better forecasting models, we clustered data with t-SNE. To apply t-SNE to time series data effectively, we adopt the dynamic time warping as a similarity measure. From the result of experiments, we found that several clusters are well observed and each cluster can be interpreted as a mix of well-known factors such as trends, seasonality and holiday effects and other unknown factors. These findings can motivate the approaches which build forecasting models with respect to each cluster independently.

• Nutrition Research and Practice
• /
• 제12권3호
• /
• pp.251-257
• /
• 2018

BACKGROUND/OBJECTIVES: There are few studies that forecast the future prevalence of obesity based on the predicted prevalence model including contributing factors. The present study aimed to identify factors associated with obesity and construct forecasting models including significant contributing factors to estimate the 2020 and 2030 prevalence of obesity and abdominal obesity. SUBJECTS/METHODS: Panel data from the Korea National Health and Nutrition Examination Survey and national statistics from the Korean Statistical Information Service were used for the analysis. The study subjects were 17,685 male and 24,899 female adults aged 19 years or older. The outcome variables were the prevalence of obesity (body mass index ${\geq}25kg/m^2$) and abdominal obesity (waist circumference ${\geq}90cm$ for men and ${\geq}85cm$ for women). Stepwise logistic regression analysis was used to select significant variables from potential exposures. RESULTS: The survey year, age, marital status, job status, income status, smoking, alcohol consumption, sleep duration, psychological factors, dietary intake, and fertility rate were found to contribute to the prevalence of obesity and abdominal obesity. Based on the forecasting models including these variables, the 2020 and 2030 estimates for obesity prevalence were 47% and 62% for men and 32% and 37% for women, respectively. CONCLUSIONS: The present study suggested an increased prevalence of obesity and abdominal obesity in 2020 and 2030. Lifestyle factors were found to be significantly associated with the increasing trend in obesity prevalence and, therefore, they may require modification to prevent the rising trend.

• 한국농림기상학회지
• /
• 제3권1호
• /
• pp.16-21
• /
• 2001

1997~1998년에 무인기상관측장비(AWS)로부터 얻어진 기상자료와 고추 역병 발병과의 상관관계를 기초로 하여 고추역병 발병모형들을 작성하였다. 그 중에서 $R^2$값이 가장 높은 모형을 이용하여 AWS 시스템기상 파일을 입력받아서 발병률을 추정해주는 컴퓨터 시스템(PEPBLIGHT)을 구축하였다. 이 컴퓨터 시스템은 쉽게 무인기상관측장치로부터 기상 자료를 입력받을 수 있으며, 다른 기종의 무인기상관측장치와 다른 발병예측모형으로 이용할 경우에도 호환성이 있도록 하였다. 또한 AWS 미기상 자료를 SAS 입력자료로 사용하기에 적합한 형태로 변환해 파일로 저장해 주는 기능도 가지고 있다. 국내에서 처음으로 개발된 고추 역병 예찰 프로그램인 PEPBLIGHT는 MS사의 윈도운영체제로 운영되는 PC에서 사용할 수 있기 때문에 농가 수준에서도 이용할 수 있을 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1573-1583
• /
• 2016

주택가격은 대내외적으로 경기관련 많은 변수들에 의해 영향을 받기 때문에 다변량분석의 경우 이와 관련된 변수들간의 상호관련성을 검정하여야 한다. 그랜저 인과성 검정결과 변수들간에 서로 인과성이 있는 것으로 나타났다. 또한 변수들 사이에 공적분 존재유무를 확인한 결과 공적분이 존재하므로 오차수정항이 포함된 벡터오차수정모형을 이용하여 분석을 시도하였다. ARIMA 및 VAR 모형과의 예측력 실증비교 결과 벡터오차수정모형에 의한 예측력이 이들 두 모형에 비해 우수함을 확인할 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제25권2호
• /
• pp.199-215
• /
• 2018

Interest in $PM_{10}$ concentrations have increased greatly in Korea due to recent increases in air pollution levels. Therefore, we consider a forecasting model for next day $PM_{10}$ concentration based on the principal elements of air pollution, weather information and Beijing $PM_{2.5}$. If we can forecast the next day $PM_{10}$ concentration level accurately, we believe that this forecasting can be useful for policy makers and public. This paper is intended to help forecast a daily mean $PM_{10}$, a daily max $PM_{10}$ and four stages of $PM_{10}$ provided by the Ministry of Environment using various data mining techniques. We use seven models to forecast the daily $PM_{10}$, which include five regression models (linear regression, Randomforest, gradient boosting, support vector machine, neural network), and two time series models (ARIMA, ARFIMA). As a result, the linear regression model performs the best in the $PM_{10}$ concentration forecast and the linear regression and Randomforest model performs the best in the $PM_{10}$ class forecast. The results also indicate that the $PM_{10}$ in Seoul is influenced by Beijing $PM_{2.5}$ and air pollution from power stations in the west coast.