• 자원ㆍ환경경제연구
• /
• 제11권3호
• /
• pp.447-463
• /
• 2002

The heat demand prediction is an essential issue in management of district heating system. Without an accurate prediction through the lead-time period, it might be impossible to make a rational decision on many issues such as heat production scheduling and heat exchange among the plants which are very critical for the district heating company. The heat demand varies with the temperature as well as the time nonlinearly. And the parametric specification of the heat demand model would cause a misspecification bias in prediction. A nonparametric model for the short-term heat demand prediction has been developed as an alternative to avoiding the misspecification error and tested with the actual data. The prediction errors are reasonably small enough to use the model to predict a few hour ahead heat demand.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1995년도 제27회 학술발표회
• /
• pp.84-98
• /
• 1995

Network-based model were developed to predict short term future traffic volume based on current traffic, historical average, and upstream traffic. It is presumed that upstream traffic volume can be used to predict the downstream traffic in a specific time period. Three models were developed for traffic flow prediction; a combination of historical average and upstream traffic, a combination of current traffic and upstream traffic, and a combination of all three variables. The three models were evaluated using regression analysis. The third model is found to provide the best prediction for the analyzed data. In order to balance the variables appropriately according to the present traffic condition, a heuristic adaptive weighting system is devised based on the relationships between the beginning period of prediction and the previous periods. The developed models were applied to 15-minute freeway data obtained by regular induction loop detectors. The prediction models were shown to be capable of producing reliable and accurate forecasts under congested traffic condition. The prediction systems perform better in the 15-minute range than in the ranges of 30-to 45-minute. It is also found that the combined models usually produce more consistent forecasts than the historical average.

• 신재생에너지
• /
• 제18권2호
• /
• pp.18-25
• /
• 2022

In this study, we propose a wind power generation prediction system that applies machine learning and data mining to predict wind power generation. This system increases the utilization rate of new and renewable energy sources. For time-series data, the data set was established by measuring wind speed, wind generation, and environmental factors influencing the wind speed. The data set was pre-processed so that it could be applied appropriately to the model. The prediction system applied the CNN (Convolutional Neural Network) to the data mining process and then used the LSTM (Long Short-Term Memory) to learn and make predictions. The preciseness of the proposed system is verified by comparing the prediction data with the actual data, according to the presence or absence of data mining in the model of the prediction system.

• 대기
• /
• 제33권2호
• /
• pp.73-104
• /
• 2023

Over the past 60 years, Korean numerical weather prediction (NWP) has advanced rapidly with the collaborative effort between the science community and the operational modelling center. With an improved scientific understanding and the growth of information technology infrastructure, Korea is able to provide reliable and seamless weather forecast service, which can predict beyond a 10 days period. The application of NWP has expanded to support decision making in weather-sensitive sectors of society, exploiting both storm-scale high-impact weather forecasts in a very short range, and sub-seasonal climate predictions in an extended range. This article gives an approximate chronological account of the NWP over three periods separated by breakpoints in 1990 and 2005, in terms of dynamical core, physics, data assimilation, operational system, and forecast application. Challenges for future development of NWP are briefly discussed.

• 물과 미래
• /
• 제28권5호
• /
• pp.219-233
• /
• 1995

강우의 평균과 분산이 시 공간적으로 변하는 비정상 다변량 모형을 강우모형으로 선정하였다. 그리고 강우모형의 상태 및 매개변수의 추정을 위해 비정상 대변량 모형의 잔차항에 Kalman Filter 순환추정 알고리즘을 적용하여 강우예측모형 시스템을 구성하였다. 그후 반응시간이 짧은 도시지역에 설치된 T/M 강우관측소에 입력되는 매 시간(10분간격) 강우자료를 사용하여 호우개수방법에 의한 비정상(Non-stationary) 평균과 분산의 추정 그리고 호우속도 추정을 통한 정규잔차 공분산을 추정하여 다수의 지점들 및 선행시간들의 실시간 다변량 단기 강우예측 (On-line, Real-time, Multivariate Short-term, Rainfall Prediction)을 하였다. 강우예측시스템 모형에 의한 결과와 비정상 변량 모형에 의한 강우모의 결과가 잘 일치하였다. 그리고 예측정도를 측정하는 방법인 제곱 평균 제곱근 오차(RMSE)와 모형 효율성 계수(ME)를 분석한 결과, 강우 예측시간 즉 선행시간이 갈수록 제곱 평균 제곱근 오차가 커지고 모형 효율성 계수가 1로부터 점차 작아지는 것으로 보아 강우예측 정도가 떨어지는 것을 알 수 있었다. 또한 호우개수방법으로 구한 평균이 호우구조의 많은 부분을 차지하고 있음을 알 수 있었다.

• 한국ITS학회 논문지
• /
• 제19권1호
• /
• pp.1-16
• /
• 2020

4차 산업혁명 시대가 도래함에 따라 빅데이터를 활용하는 딥러닝에 대한 관심이 높아졌으며 다양한 분야에서 딥러닝을 이용한 연구가 활발하게 진행되고 있다. 교통 분야에서도 교통빅데이터를 많이 활용하는 만큼 딥러닝을 연구에 이용한다면 많은 이점이 있을 것이다. 본 연구에서는 통행속도를 예측하기 위하여 딥러닝 기법인 LSTM을 이용한 단기 통행속도 예측 모형을 구축하였다. 예측에 활용한 데이터인 통행속도 데이터가 시계열 데이터인 것을 고려하여 시계열 예측에 적합한 LSTM 모델을 선택하였다. 통행속도를 보다 정확하게 예측하기 위하여 시간적, 공간적 영향을 모두 반영하는 모형을 구축하였으며, 모형은 1시간 이후를 예측하는 단기 예측모형이다. 분석데이터는 서울시 교통정보센터에서 수집한 5분 단위 통행속도를 활용하였고 분석구간은 교통이 혼잡한 강남대로 일부구간으로 선정하여 연구를 수행하였다.

• 농업과학연구
• /
• 제46권1호
• /
• pp.67-78
• /
• 2019

The purpose of this study was to predict the water quality using the RNN (recurrent neutral network) and LSTM (long short-term memory). These are advanced forms of machine learning algorithms that are better suited for time series learning compared to artificial neural networks; however, they have not been investigated before for water quality prediction. Three water quality indexes, the BOD (biochemical oxygen demand), COD (chemical oxygen demand), and SS (suspended solids) are predicted by the RNN and LSTM. TensorFlow, an open source library developed by Google, was used to implement the machine learning algorithm. The Okcheon observation point in the Geum River basin in the Republic of Korea was selected as the target point for the prediction of the water quality. Ten years of daily observed meteorological (daily temperature and daily wind speed) and hydrological (water level and flow discharge) data were used as the inputs, and irregularly observed water quality (BOD, COD, and SS) data were used as the learning materials. The irregularly observed water quality data were converted into daily data with the linear interpolation method. The water quality after one day was predicted by the machine learning algorithm, and it was found that a water quality prediction is possible with high accuracy compared to existing physical modeling results in the prediction of the BOD, COD, and SS, which are very non-linear. The sequence length and iteration were changed to compare the performances of the algorithms.

• 대한토목학회논문집
• /
• 제38권4호
• /
• pp.579-586
• /
• 2018

단기 통행속도 예측을 위해 데이터 기반 비모수적 기법들을 활용한 다양한 연구들이 수행되고 있다. 그럼에도 교통신호 및 교차로로 인한 복잡한 동적 특성을 가지는 도시부의 예측 연구는 상대적으로 부족한 실정이다. 본 연구는 도시부 통행 속도를 예측하기 위해 앙상블 경험적 모드 분해법(EEMD)과 인공신경망(ANN)을 이용한 하이브리드 접근법을 제안하는 것을 목적으로 한다. EEMD는 통행속도의 시계열 자료를 고유모드함수(IMF)와 오차항으로 분해한다. 분해된 IMF는 시간단위의 국지적 특성을 반영하며, ANN을 통해 개별적으로 예측된다. IMF는 원본데이터가 가진 비선형성, 비정상성, 진동 등의 복잡성을 완화하기 때문에, 원래의 통행속도에 비하여 더 정확하게 예측될 수 있다. 예측된 IMF들은 합산되어 예측 통행속도를 표현한다. 본 연구에서 제시된 방법을 검증하기 위하여 대구시의 DSRC로부터 구득된 통행속도 데이터가 활용된다. 성능평가는 도시부 링크 중 특히 예측이 어려운 지점에 대해 수행되었으며, 분석 결과 제시된 모형은 15분 후 예측에 대해 각각 평상시 10.41%, 와해상태시 25.35%의 오차율을 가지며, 단순 ANN 기법에 비하여 우수한 성능을 보이는 것으로 확인된다. 본 연구에서 개발된 모형은 도시교통관리체계의 신뢰성 있는 교통정보를 제공하는 데에 기여할 수 있을 것으로 기대된다.

• 한국지구과학회지
• /
• 제22권3호
• /
• pp.186-194
• /
• 2001

제주 지방 기상청을 대상으로 하는 지역 규모 단시간 수치예보 시스템을 구축하였다. 기상청 본청에서 하루 2회 제공되는 30 km해상도의 수치예보 자료로는 지방 기상청의 예보관들이 우리 나라와 같이 복잡한 지형에서 발생하는 그 지역의 국지 악기상을 파악하기에는 무리가 있다. 지역 규모의 고해상도 수치예보를 위해 LAPS와 MM5를 자료분석과 예보 모델로 이용하였다. LAPS는 양질의 수치예보 초기자료를 생산해 내기 위해 종관 관측 자료뿐만 아니라 위성 및 레이더 등의 비 종관 관측자료도 자료동화에 이용한다. MM5 모델은 16노드의 펜티엄 PC로 구성된 클러스터에서 수행되었으며 이 시스템은 분산병렬 클러스터 컴퓨터로 가격대비 성능이 매우 우수한 미니 슈퍼컴퓨터이다. 자료동화 모델, 수치예보 모델 그리고 PC-클러스터를 종합한 지역 규모 단시간 수치예보 시스템을 한라 단시간 예측 시스템이라 명명하였으며 이 시스템은 현재 제주 지방 기상청에서 독자적으로 운영되고 있다. 기상청 본청에서 제공되는 수치예보 정보로는 탐지할 수 없었던 1999년 7월 9일 제주 지역의 집중호우 사례에 대하여 본 시스템을 검증한 결과 모델이 예측한 강수량이 실제 강수량을 잘 재현하였다. 한라 단시간 예측 시스템은 2000년 4월부터 하루 4회 제주 지방기상청에서 독자적으로 운영되고 있다.

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1283-1293
• /
• 2022

본 연구는 정수장의 수처리 공정에서 계측되고 있는 수량 및 수질데이터의 활용과 수처리 공정제어의 지능화를 위한 것으로 정수장에서 전염소 공정이 수반되는 처리공정에서 침전지 유출수 잔류염소농도 안정화를 위하여 이를 추정할 수 있는 모형을 구축하고자 하였다. 정수장 침전지 유출수의 잔류염소농도를 예측하기 위하여 중회귀모형과 인공지능 알고리즘 중 다층퍼셉트론 신경망, 랜덤포레스트 및 장단기기억(Long Short Term Memory; LSTM) 모형을 활용하였고 그 결과를 비교, 평가하였다. 모형의 입력변수로는 전염소 공정이 도입된 정수장에서의 잔류염소농도, 수온, 탁도, pH, 전기전도도, 유량, 알칼리도 등이 사용되었고 전염소에 따른 침전지의 안정적 운영을 위해 요구되는 침전지 잔류염소농도를 출력변수로 구성하였다. 적용 결과에서는 랜덤포레스트 모형이 가장 양호한 결과를 보여 주었으며 다음으로 LSTM, 다층퍼셈트론 신경망 순으로 나타났다. 수학적 모형인 중회귀모형은 적합도 측면에서 가장 낮은 결과를 보여 주었는데, 이는 수량과 수질데이터의 수치적인 규모나 차원의 차이뿐만 아니라 계절별 수질특성에 따라 염소소비 특성이 매우 다양하게 반응하기 때문으로 판단된다. 따라서 정수장 수처리 공정에서 인공지능 알고리즘의 적용을 위해서는 랜덤포레스트와 같이 의사결정 트리구조의 도입과 적용이 타당한 것으로 나타났다. 본 연구에서 분석된 결과를 근거로 전염소 공정이 도입된 정수장 수처리 공정에서 염소주입량을 실시간으로 예측 가능하게 함으로써 침전지 유출수에서 잔류염소농도를 일정하게 유지하는데 기여할 수 있을 것으로 기대된다.