• 한국항해항만학회지
• /
• 제35권1호
• /
• pp.83-91
• /
• 2011

예측의 정확성은 비용의 감소나 고객서비스의 제고를 위해 필수적으로 선행되어야 하기에 현재까지도 많은 연구자들에 의해 연구되고 있는 분야이다. 본 연구에서는 국내 항만의 컨테이너 물동량 예측에 있어 대표적인 비선형예측모형인 인공신경망모형과 ARIMA모형에 대한 비교연구를 수행하는데 목적을 두었고, 컨테이너 물동량 예측력 제고를 위해 ARIMA모형과 인공신경망(ANN)모형을 결합한 하이브리드모형을 사용해 다른 모형들과 예측성과를 비교하고자 한다. 특히 인공신경망모형의 네트워크 구조 설계에 부분에 있어 방대하며 복잡한 탐색공간에서도 전역해 찾기에 효과적인 기법으로 알려져 있는 유전알고리즘을 사용함과 동시에 인공신경망의 대표적인 모형으로 알려진 다층 퍼셉트론(MLP)뿐만 아니라 시간지연네트워크(TDNN)를 사용해 예측성과를 비교하였다. 그 결과 ANN모형과 하이브리드모형이 ARIMA모형보다 더 뛰어난 예측성과를 보이는 것으로 나왔다.

• 한국수자원학회논문집
• /
• 제35권5호
• /
• pp.619-629
• /
• 2002

대기에서의 물순환은 기후시스템이라는 커다란 공간 안에서 다양한 인자들의 상호작용을 통하여 이루어진다. 즉, 어떠한 기후 현상도 그 자체적으로 발생할 수는 없다. 따라서, 많은 연구자들은 영향인자들의 분석을 통하여 기후 변화를 이해하고자 노력하여 왔다. 본 연구에서는 다양한 인자에 의하여 영향을 받아 발생하는 강수량의 예측을 위하여 실제 세계의 근사적이고 부정확한 성질을 표현하는데 효과적인 퍼지 개념을 이용하였다. 예측을 위하여 적용한 모형은 크게 뉴로-퍼지 시스템과 마코프 연쇄이며, 일리노이주의 강수량 예측을 위하여 적용하였다. 예측은 강수량에 영향을 끼치는 다양한 대기순환 인자(예: 토양수분과 기온)를 고려하여 수행하였다. 예측 결과, 강수량 예측에 대기순환 인자들을 고려함으로써 모형의 예측능력을 향상시킬 수 있었고, 상대적으로 뉴로-퍼지 시스템의 예측이 보다 정확한 결과를 주었다.

• 대한교통학회지
• /
• 제22권6호
• /
• pp.109-120
• /
• 2004

1990년대 후반부터 구간 검지기를 이용한 링크통행시간 추정에 필요한 최소 표본수와 링크 및 경로 통행시간 추정과 예측을 위한 적정 집계간격에 대한 연구가 폭넓게 진행되어 왔다. 그러나 루프(지점)검지기를 이용한 교통정보수집체계의 경우, 합리적인 검증 없이 선정된 1분~5분의 집계간격을 이용하고 있다. 본 연구의 목적은 지점검지기인 루프검지기를 이용하여 통행시간자료를 수지하는 경우, 링크 및 경로 통행시간 추정과 예측을 위한 적정 집계간격 결정 모형을 개발하고 현장의 자료에 적용하는 것이다. 본 논문은 링크 및 경로 통행시간 추정을 위한 적정 집계간격 결정 모형으로 CVMSE(Cross Validated Mean Square Error)방법을 이용하였으며, 링크 및 경로 통행시간 예측을 위한 적정 집계간격 결정 모형으로는 FMSE(Forecasting Mean Square Error)를 적용하였다. 개발된 방법론은 경부고속도로의 루프이터에 적용되었다. 적용결과 링크 및 경로 통행시간 추정을 위한 적정 집계간격은 3분~5분으로, 링크 및 경로 통행시간 예측을 위한 적정 집계간격은 10~20분으로 분석되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.225-225
• /
• 2015

Drought events usually evolve slowly in time and their impacts generally span a long period of time. This indicates that the sequence of drought is not completely random. The Hidden Markov Model (HMM) is a probabilistic model used to represent dependences between invisible hidden states which finally result in observations. Drought characteristics are dependent on the underlying generating mechanism, which can be well modelled by the HMM. This study employed a HMM with Gaussian emissions to fit the Standardized Precipitation Index (SPI) series and make multi-step prediction to check the drought characteristics in the future. To estimate the parameters of the HMM, we employed a Bayesian model computed via Markov Chain Monte Carlo (MCMC). Since the true number of hidden states is unknown, we fit the model with varying number of hidden states and used reversible jump to allow for transdimensional moves between models with different numbers of states. We applied the HMM to several stations SPI data in South Korea. The monthly SPI data from January 1973 to December 2012 was divided into two parts, the first 30-year SPI data (January 1973 to December 2002) was used for model calibration and the last 10-year SPI data (January 2003 to December 2012) for model validation. All the SPI data was preprocessed through the wavelet denoising and applied as the visible output in the HMM. Different lead time (T= 1, 3, 6, 12 months) forecasting performances were compared with conventional forecasting techniques (e.g., ANN and ARMA). Based on statistical evaluation performance, the HMM exhibited significant preferable results compared to conventional models with much larger forecasting skill score (about 0.3-0.6) and lower Root Mean Square Error (RMSE) values (about 0.5-0.9).

• 한국수자원학회논문집
• /
• 제46권7호
• /
• pp.697-706
• /
• 2013

최근 한국은 기후변화로 인한 기온 및 수온 상승, 빈번한 집중호우와 친수공간 조성에 따른 적극적인 하천의 활용 등으로 인하여 하천 및 저수지 내 수질관리에 있어 해결해야 하는 많은 문제점을 가지고 있다. 본 연구는 효율적인 수질관리를 위하여 인공신경망을 이용한 단기조류예측모형 구축에 관한 연구이다. 대상지역으로 조류가 번식하기 좋은 조건을 지니고 있는 금강유역 내 대청호를 선정하였고 설치되어 있는 수질 자동측정망의 일 단위자료를 이용하였다. 다층전방향신경망의 역전파 알고리즘을 이용하여 단기(1일, 3일, 7일) 조류를 예측할 수 있는 모형을 구축하였다. 본 모형에서는 대청호 내 수문 및 수질성분을 교차상관분석을 기초하여 단기조류예측모형의 입력 성분을 선정한 후 다양한 조류예측 신경망 모형을 구축하여 결과에 대한 검증을 실시하였다. 구축된 단기조류예측모형은 자연발생적인 기작과 유사한 현상을 재현할 수 있는 다양한 수질인자를 고려하여 단기조류예측모형을 구축한 경우 예측의 정확도가 높게 도출되었다. 본 연구는 신경망모형의 최대 장점인 비선형성 및 간편성 등을 고려하였을 때 우리나라의 수질예측에 적합한 신경망 모형을 구축할 수 있으며 이를 통한 하천 및 호수 내 효율적인 수질관리 방안을 제시할 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제52권7호
• /
• pp.451-461
• /
• 2019

장기 기상전망 기반 댐 유입량 전망은 가뭄 대비, 용수 공급 관리 등에 활용성이 높다. 본 연구에서는 국내 7개 다목적댐 유역에 대해 유입량 전망을 수행하고 장기 기상전망 정확도가 댐 유입량 전망 정확도에 미치는 영향을 분석하였다. 강우-유출 모델의 입력자료로 활용된 장기 기상전망 자료는 기상청 GloSea5의 과거재현자료(hindcast) 및 미래전망자료(forecast)를 활용하였다. 강우-유출 모델은 다양한 특성을 가지고 있는 TANK, ABCD, K-DRUM, PRMS를 활용하였다. 댐 유입량 전망 정확도는 과거재현기간(1996~2009)과 미래전망기간(2015~2016)에 대하여 평가하였다. 댐 유입량 전망 평가결과 전망값은 관측값에 비해 과소추정하는 경향을 보였으며, 매개변수 검보정이 적절히 수행된 강우-유출 모델은 댐 유입량 전망 정확도에 미치는 영향이 거의 없는 것으로 나타났다. 반면 장기 기상전망 자료, 특히 강수량은 댐 유입량 전망 정확도에 매우 큰 영향을 미치는 것으로 나타났다. 현업에서 댐 유입량 전망 자료 활용시 과소추정하는 경향을 고려하여 활용할 필요가 있다. 향후 댐 유입량 전망 정확도 개선은 강우-유출 모델 보다 장기 기상전망의 강수량 정확도 향상을 위주로 수행할 필요가 있다.

• 품질경영학회지
• /
• 제23권1호
• /
• pp.95-105
• /
• 1995

The error structure of nonlinearized technological growth models, such as, the Pearl curve, the Gompertz curve and the Wei bull growth curve, has zero mean and a constant variance over time. Transformed models, however, like the linearized Fisher-Pry model. the linearized Gompertz growth curve, and the linearized Weibull growth curve have increasing variance from t = 0 to the inflection point.

• The Journal of Asian Finance, Economics and Business
• /
• 제6권3호
• /
• pp.19-26
• /
• 2019

The paper aims to measure stock price volatility on Ho Chi Minh stock exchange (HSX). We apply symmetric models (GARCH, GARCH-M) and asymmetry (EGARCH and TGARCH) to measure stock price volatility on HSX. We used time series data including the daily closed price of VN-Index during 1/03/2001-1/03/2019 with 4375 observations. The results show that GARCH (1,1) and EGARCH (1,1) models are the most suitable models to measure both symmetry and asymmetry volatility level of VN-Index. The study also provides evidence for the existence of asymmetric effects (leverage) through the parameters of TGARCH model (1,1), showing that positive shocks have a significant effect on the conditional variance (volatility). This result implies that the volatility of stock returns has a big impact on future market movements under the impact of shocks, while asymmetric volatility increase market risk, thus increase the attractiveness of the stock market. The research results are useful reference information to help investors in forecasting the expected profit rate of the HSX, and also the risks along with market fluctuations in order to take appropriate adjust to the portfolios. From this study's results, we can see risk prediction models such as GARCH can be better used in risk forecasting especially.

• Advances in environmental research
• /
• 제4권2호
• /
• pp.83-104
• /
• 2015

Air Quality Index (AQI) is a pointer to broadcast short term air quality. This paper presents one day ahead AQI forecasting on seasonal basis for three major cities in Maharashtra State, India by using Artificial Neural Networks (ANN) and Genetic Programming (GP). The meteorological observations & previous AQI from 2005-2008 are used to predict next day's AQI. It was observed that GP captures the phenomenon better than ANN and could also follow the peak values better than ANN. The overall performance of GP seems better as compared to ANN. Stochastic nature of the input parameters and the possibility of auto-correlation might have introduced time lag and subsequent errors in predictions. Spectral Analysis (SA) was used for characterization of the error introduced. Correlational dependency (serial dependency) was calculated for all 24 models prepared on seasonal basis. Particular lags (k) in all the models were removed by differencing the series, that is converting each i'th element of the series into its difference from the (i-k)"th element. New time series is generated for all seasonal models in synchronization with the original time line & evaluated using ANN and GP. The statistical analysis and comparison of GP and ANN models has been done. We have proposed a promising approach of use of GP coupled with SA for real time prediction of seasonal multicity AQI.

• 한국환경과학회지
• /
• 제25권4호
• /
• pp.603-613
• /
• 2016

Fog may have a significant impact on road conditions. In an attempt to improve fog predictability in Jeju, we conducted machine learning with various data mining techniques such as tree models, conditional inference tree, random forest, multinomial logistic regression, neural network and support vector machine. To validate machine learning models, the results from the simulation was compared with the fog data observed over Jeju(184 ASOS site) and Gosan(185 ASOS site). Predictive rates proposed by six data mining methods are all above 92% at two regions. Additionally, we validated the performance of machine learning models with WRF (weather research and forecasting) model meteorological outputs. We found that it is still not good enough for operational fog forecast. According to the model assesment by metrics from confusion matrix, it can be seen that the fog prediction using neural network is the most effective method.