• 응용통계연구
• /
• 제31권6호
• /
• pp.785-799
• /
• 2018

신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권5호
• /
• pp.221-229
• /
• 2021

This study aims to forecast the exchange rate of the Chinese Yuan against the US Dollar by a combination of different models as proposed by Poon and Granger (2003) during the Covid-19 pandemic. For this purpose, we include three uni-variate time series models, i.e., ARIMA, Naïve, Exponential smoothing, and one multivariate model, i.e., NARDL. This is the first of its kind endeavor to combine univariate models along with NARDL to the best of our knowledge. Utilizing monthly data from January 2011 to December 2020, we predict the Chinese Yuan against the US dollar by two combination criteria i.e. var-cor and equal weightage. After finding out the individual accuracy, the models are then assessed through equal weightage and var-cor methods. Our results suggest that Naïve outperforms all individual & combination of time series models. Similarly, the combination of NARDL and Naïve model again outperformed all of the individual as well as combined models except the Naïve model, with the lowest MAPE value of 0764. The results suggesting that the Chinese Yuan exchange rate against the US Dollar is dependent upon the recent observations of the time series. Further evidence shows that the combination of models plays a vital role in forecasting which commensurate with the literature.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제6권4호
• /
• pp.189-196
• /
• 2017

버스정보시스템은 버스도착시간 예측과 같은 버스와 관련한 여러 정보를 제공한다. BIS는 우리나라 거의 모든 도시에 구축되어 있고 대중교통의 편의성 개선에 능동적인 역할을 하고 있다. 현재 BIS 시스템에서 버스 도착 예정시간을 예측하기 위하여 사용되는 대표적인 방법으로는 이동평균필터, Kalman Filter, 회귀 모형 등이 있다. 버스 도착 시간 예측의 정확성은 BIS 시스템에서 고려하고 있는 교통 상황이나 예측 알고리즘에 따라 차이가 크다. 현재 BIS에서 사용하는 예측 기법은 구간 통과 시간과 거리만을 이용한다. 그러나 도착시간 예측은 교통흐름, 신호주기, 이상 상황, 데이터 결측 등에 큰 영향을 받는다. 버스 도착 시간 예측의 정확도를 높이기 위해서는 위의 문제를 고려하여 모델링해야 하는 어려움이 있다. 은닉 마르코프 모델은 이와 같은 다양한 상황을 효과적으로 모델링 할 수 있다. 따라서 버스 도착 시간 예측의 정확도를 높이기 위해 도착시간에 대한 HMM 예측 모델을 구축했다. 이 모델에서는 순천시의 2015년 한 해 동안 수집한 데이터가 이용되었으며, 순천시에는 2298개의 정류장과 217개의 노선이 있다. 모델은 주중과 주말의 패턴을 다르게 적용하며, 다른 구간과 시간에 대해 모델이 적용된다. 본 논문에서는 버스정보시스템에 은닉 마르코프 모델 적용방법과 검증을 통해 버스정보시스템에서 사용 중인 이동평균필터, Kalman Filter, 회귀 모형을 사용한 예측 방법 보다 정밀한 정확도를 얻는 방법을 제안한다.

• 융합신호처리학회논문지
• /
• 제5권1호
• /
• pp.53-59
• /
• 2004

부하예측의 경우 가장 중요한 문제는 특수일의 부하를 예측하는 것이고, 따라서 본 본문은 과거 특수일 부하 데이터를 이용하여 신경회로망 모델에 의해서 특수일 피크부하를 예측하는 방법을 제시한다. 특수일 부하는 예측되었고, 예측 오차율은 광복절을 제외하고는 l∼2% 정도의 비교적 우수한 예측결과를 도출하였다. 따라서 사용한 예측 모델은 특수일의 부하에 만족스러운 정밀한 예측이 가능하고. 신경회로망은 특수일 부하 예측의 결과를 검증하기 위해 4차 직교다항식모형과 특수일 부하의 예측에효과적인 패턴 변환비를 이용한 신경회로망 모형을 구성했다. 한편, 시간별 특수일의 부하예측에도 신경회로망을 적용한 특수일 부항예측의 경우와 같은 양호한 예측결과를 보였다.

• 대한교통학회지
• /
• 제10권3호
• /
• pp.103-122
• /
• 1992

The objective of this research is to develop a traffic accident forecasting model using traffic accident data in pusan from 1963 to 1991 and then to make short-term forecasts('93~'94) of traffic accidents in pusan. In this research, several forecasting models are developed. They include a multiple regression model, a time-series ARIMA model, a Logistic curve model, and a Gompertz curve model. Among them, the model which shows the most significance in forecasting accuracy is selected as the traffic accident forecasting model. The results of this research are as followings. 1. The existing model such as Smeed model which was developed for foreign countries shows only 47.8% explanation for traffic accident deaths in Korea. 2. A nonliner regression model ($R^2$=0.9432) and a Logistic curve model are appeared to be th gest forecasting models for the number of traffic accidents, and a Logistic curve model shows th most significance in predicting the accident deaths and injuries. 3. The forecasting figures of the traffic accidents in pusan are as followings: . In 1993, 31, 180 accidents are predicted to happen, and 430 persons are predicted to be deaths and 29, 680 persons are predicated to be injuries. . In 1994, 33, 710 accidents are predicted to happen, and 431.persons are predicted to be deat! and 30, 510 persons are predicted to be injuried. Therefore, preventive measures against traffic accidents are certainly required.

• 한국산업융합학회 논문집
• /
• 제26권4_2호
• /
• pp.715-724
• /
• 2023

Solar energy forecasting is essential for (1) power system planning, management, and operation, requiring accurate predictions. It is crucial for (2) ensuring a continuous and sustainable power supply to customers and (3) optimizing the operation and control of renewable energy systems and the electricity market. Recently, research has been focusing on developing solar energy forecasting models that can provide daily plans for power usage and production and be verified in the electricity market. In these prediction models, various data, including solar energy generation and climate data, are chosen to be utilized in the forecasting process. The most commonly used climate data (such as temperature, relative humidity, precipitation, solar radiation, and wind speed) significantly influence the fluctuations in solar energy generation based on weather conditions. Therefore, this paper proposes a hybrid forecasting model by combining the strengths of the Prophet model and the GRU model, which exhibits excellent predictive performance. The forecasting periods for solar energy generation are tested in short-term (2 days, 7 days) and medium-term (15 days, 30 days) scenarios. The experimental results demonstrate that the proposed approach outperforms the conventional Prophet model by more than twice in terms of Root Mean Square Error (RMSE) and surpasses the modified GRU model by more than 1.5 times, showcasing superior performance.

• 한국산림과학회지
• /
• 제84권2호
• /
• pp.121-130
• /
• 1995

미국 미시간주의 여행수요(旅行需要)를 예측(豫測)하기 위하여 사용되어진 여러 모델들의 예측정확성(豫測正確性)이 검토되었다. 8가지의 연년(連年)모델들은 2년까지 예측하는데 그리고 9가지의 분기(分期)모델들은 4분기(分期)까지 예측하는데 사용되어 졌다. 연년(連年)모델의 예측정확성(豫測正確性) 평가(評價)에서, 중회귀(重回歸)모델은 1년과 2년을 예측(豫測)하는데 있어 다른 방법들 보다 더 정확(正確)했다. 분기(分期)모델에 있어서는, Winters' exponential smoothing와 Box-Jenkins 방법이 1 분기예측(分期豫測)에 있어 naive 1 s 보다 더 정확(正確)했으나 2분기(分期), 3분기(分期), 4분기(分期)를 예측(豫測)하는데 이 방법(方法)들은 naive 1 s 보다 정확(正確)하지 않았다. 정교(精巧)한 모델들은 분기별(分期別) 예측(豫測)을 하는데 있어서 단순(單純)한 모델들보다 더 정확(正確)하지 않았다. 연년(連年)모델과 분기(分期)모델을 이용한 1년간(年間) 예측비교(豫測比較)에서, 중회귀모형(重回歸模型)은 연간자료(年間資料)보다 분기자료(分期資料)에 적용(適用)할 때 더 좋은 결과(結果)를 얻었으나 그 차이(差異)가 미약(微弱)하며 다른 모델들은 일관성(一貫性)있게 좋은 결과(結果)를 갖지 않으므로 연년(連年)모델보다 分期모델을 사용하도록 강력하게 권장할 수 없다. 연년(連年)모델은 기대(期待)하였던 것처럼 예측기간(豫測期間)이 길어짐으로서 예측정확성(豫測正確性)이 감소(減少)하였으나 분기(分期)모델은 이같은 결과(結果)를 나타내지 않았다.

• Journal of applied mathematics & informatics
• /
• 제6권2호
• /
• pp.599-609
• /
• 1999

Neural networks are explored as an alternative to a regres-sion model for prediction of the number of daily household vehicular trips. This study focuses on contrasting a neural network model with a regression model in term of variable selection as well as the appli-cation of these models for prediction of extreme observations, The differences in the models regarding data transformation variable selec-tion and multicollinearity are considered. The results indicate that the neural network model is a viable alternative to the regression model for addressing both messy data problems and limitation in variable structure specification.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.197-197
• /
• 2016

Forecasting future drought events in a region plays a major role in water management and risk assessment of drought occurrences. The creeping characteristics of drought make it possible to mitigate drought's effects with accurate forecasting models. Drought forecasts are inevitably plagued by uncertainties, making it necessary to derive forecasts in a probabilistic framework. In this study, a new probabilistic scheme is proposed to forecast droughts, in which a discrete-time finite state-space hidden Markov model (HMM) is used aggregated with the Representative Concentration Pathway 8.5 (RCP) precipitation projection (HMM-RCP). The 3-month standardized precipitation index (SPI) is employed to assess the drought severity over the selected five stations in South Kore. A reversible jump Markov chain Monte Carlo algorithm is used for inference on the model parameters which includes several hidden states and the state specific parameters. We perform an RCP precipitation projection transformed SPI (RCP-SPI) weight-corrected post-processing for the HMM-based drought forecasting to derive a probabilistic forecast that considers uncertainties. Results showed that the HMM-RCP forecast mean values, as measured by forecasting skill scores, are much more accurate than those from conventional models and a climatology reference model at various lead times over the study sites. In addition, the probabilistic forecast verification technique, which includes the ranked probability skill score and the relative operating characteristic, is performed on the proposed model to check the performance. It is found that the HMM-RCP provides a probabilistic forecast with satisfactory evaluation for different drought severity categories, even with a long lead time. The overall results indicate that the proposed HMM-RCP shows a powerful skill for probabilistic drought forecasting.