• 대한조선학회논문집
• /
• 제55권4호
• /
• pp.341-349
• /
• 2018

Recently, it has been reported that the whipping response, which is the elastic phenomenon of the ship, may be one of the causes of the ship accident. Unfortunately, the commonly used methodology for evaluating the whipping effect effectively has not been developed yet. In this study, we developed a procedure to estimate the whipping effect of hull in actual design stage. Fluid-structure interaction analysis was performed for a dominant short term sea state to obtain the time series data of vertical wave bending moment including the whipping response by slamming. In order to estimate the whipping effect by using the time series, some signal processing and statistical techniques such as low pass filtering, Weibull fitting and so on, were applied. the hydro-elasticity analysis was performed on container ships of various sizes to evaluate the whipping effect. The parameters that can affect the response of the hull vibration was selected and the effect of these parameters on whipping was analyzed.

• 전기학회논문지
• /
• 제61권12호
• /
• pp.1765-1773
• /
• 2012

The accuracy of load forecast is very important from the viewpoint of economical power system operation. In general, the weekdays' load demand pattern has the continuous time series characteristics. Therefore, the conventional methods expose stable performance for weekdays. In case of special days or weekends, the load demand pattern has the discontinuous time series characteristics, so forecasting error is relatively high. Especially, weekdays near the thanksgiving day and lunar new year's day have the mixed load profile characteristics of both weekdays and weekends. Therefore, it is difficult to forecast these days by using the existing algorithms. In this study, a new load forecasting method is proposed in order to enhance the accuracy of the forecast result considering the characteristics of weekdays and weekends. The proposed method was tested with these days during last decades, which shows that the suggested method considerably improves the accuracy of the load forecast results.

• 해양환경안전학회지
• /
• 제28권4호
• /
• pp.469-476
• /
• 2022

본 연구는 조위 관측자료를 이용하여 부산항에서의 장기 조위 자료를 생성하는 Long Short-Term Memory (LSTM)으로 구현된 순환신경망 모델을 개발하였다. 국립해양조사원의 부산 신항과 통영에서 관측된 조위 자료를 모델 입력 자료로 사용하여 부산항의 조위를 예측하였다. 모델에 대하여 2019년 1월 한 달의 학습을 수행하였으며, 이후 2019년 2월에서 2020년 1월까지 1년에 대하여 정확도를 계산하였다. 구축된 모델은 부산 신항과 통영의 조위 시계열을 함께 입력한 경우에 상관계수 0.997 및 평균 제곱근 오차 2.69 m로 가장 성능이 높았다. 본 연구 결과를 바탕으로 딥러닝 순환신경망 모델을 이용하여 임의 항만의 장기 조위 자료 예측이 가능함을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.130-135
• /
• 2004

본 논문에서는 데이터 마이닝을 이용한 단기 전력 부하 예측 시스템의 새로운 설계 기법을 제안한다. 제안된 단기 부하 예측시스템은 Takagj-Sugeno (T-S) 퍼지 모델 기반 예측기와 분류기로 구성된다. 또한, 제안된 T-S 퍼지 모델 기반 분류기는 전반부 가우시안 집합과 후반부 선형화된 베이지안 분류기로 구성된다 분류기의 파라미터들은 주어진 훈련 집합의 통계적 수치로 쉽게 얻어진다. 제안된 T-S 퍼지 모델 기반 예측기는 한 가지 입력에 대한 선형 시계열 예측기의 볼록 조합 형태를 가진다. 후반부 파라미터 추정 문제는 실제 전력 부하와 예측 전력 부하의 놈(norm)을 최소화하는 볼록 최적화 문제로 간주한다. 그 문제는 선형 행렬 부등식으로 설정됨으로써 후반부 파라미터는 추정된다. 전반부 파라미터 추정문제는 선형 시계열 예측기들이 모여진 전체 T-S 퍼지 시스템의 출력과 실제 전력 부하 사이의 에러를 최소화하는 문제이다. 이 문제는 경사치 하향 기법이 적용하여 해결되었다 제안된 기법의 유용성을 검증하기 위해 본 논문은 하루 후 24시간 전력 부하 예측과 하루 후 최고 전력부하를 예측 실험을 제공한다.

• 한국환경과학회지
• /
• 제22권10호
• /
• pp.1305-1316
• /
• 2013

A long-term wind resource map was made to provide the key design data for the 2.5 GW Korean West-South Offshore Wind Project, and its reliability was validated. A one-way dynamic downscaling of the MERRA reanalysis meteorological data of the Yeongwang-Gochang offshore was carried out using WindSim, a Computational Fluid Dynamics based wind resource mapping software, to establish a 33-year time series wind resource map of 100 m x 100 m spatial resolution and 1-hour interval temporal resolution from 1979 to 2012. The simulated wind resource map was validated by comparison with wind measurement data from the HeMOSU offshore meteorological tower, the Wangdeungdo Island meteorological tower, and the Gochang transmission tower on the nearby coastline, and the uncertainty due to long-term variability was analyzed. The long-term variability of the wind power was investigated in inter-annual, monthly, and daily units while the short-term variability was examined as the pattern of the coefficient of variation in hourly units. The results showed that the inter-annual variability had a maximum wind index variance of 22.3% while the short-term variability, i.e., the annual standard deviation of the hourly average wind power, was $0.041{\pm}0.001$, indicating steady variability.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.1-9
• /
• 2020

이 연구는 2018년도 정부(농림축산식품부)의 재원으로 농림식품기술기획평가원 지원을 받아 수행된 연구이다. 최근 시계열 및 텍스트 마이닝에서 활발히 사용되는 모델은 딥러닝(Deep Learning) 모델 구조를 활용한 LSTM(Long Short-Term Memory models) 모델이다. LSTM 모델은 RNN의 BPTT(Backpropagation Through Time) 과정에서 발생하는 Long-Term Dependency Problem을 해결하기 위해 등장한 모델이다. LSTM 모델은 가변적인 Sequence data를 활용하여 예측하는 문제를 굉장히 잘 해결했고, 지금도 널리 사용되고 있다. 본 논문 연구에서는 KT가 제공하는 CDR(Call Detailed Record) 데이터를 활용하여 바이러스와 밀접한 관계가 있을 것으로 예측되는 사람의 이동 경로를 파악하였다. 해당 사람의 경로를 활용하여 LSTM 모델을 학습시켜 이동 경로를 예측한 결과를 소개한다. 본 연구 결과를 활용하여 HPAI가 전파되는 경로를 예측하여 방역에 중점을 둘 경로 또는 지역을 선정해 HPAI 확산을 줄이는 데 이용될 수 있을 것이다.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.25-30
• /
• 2016

It is critical to forecast the maximum daily and monthly demand for power with as little error as possible for our industry and national economy. In general, long-term forecasting of power demand has been studied from both the consumer's perspective and an econometrics model in the form of a generalized linear model with predictors. Time series techniques are used for short-term forecasting with no predictors as predictors must be predicted prior to forecasting response variables and containing estimation errors during this process is inevitable. In previous researches, seasonal exponential smoothing method, SARMA (Seasonal Auto Regressive Moving Average) with consideration to weekly pattern Neuron-Fuzzy model, SVR (Support Vector Regression) model with predictors explored through machine learning, and K-means clustering technique in the various approaches have been applied to short-term power supply forecasting. In this paper, SARMA and intervention model are fitted to forecast the maximum power load daily, weekly, and monthly by using the empirical data from 2011 through 2013. $ARMA(2,\;1,\;2)(1,\;1,\;1)_7$ and $ARMA(0,\;1,\;1)(1,\;1,\;0)_{12}$ are fitted respectively to the daily and monthly power demand, but the weekly power demand is not fitted by AREA because of unit root series. In our fitted intervention model, the factors of long holidays, summer and winter are significant in the form of indicator function. The SARMA with MAPE (Mean Absolute Percentage Error) of 2.45% and intervention model with MAPE of 2.44% are more efficient than the present seasonal exponential smoothing with MAPE of about 4%. Although the dynamic repression model with the predictors of humidity, temperature, and seasonal dummies was applied to foretaste the daily power demand, it lead to a high MAPE of 3.5% even though it has estimation error of predictors.

• 응용통계연구
• /
• 제26권3호
• /
• pp.413-420
• /
• 2013

확률적 날씨 발생기(Stochastic weather generator)는 일일 날씨를 생성하는데 일반적으로 사용되는 방법으로 최근에는 일반화선형모형에 기초한 확률적 날씨 발생 방법이 제안되었다. 본 논문에서는 서울지역의 일일 기온을 모형화하하기 위해서 일반화선형모형에 기초한 확률적 날씨 발생기를 고려하였다. 이 모형에서는 계절성을 나타내는 변수와 강우발생 유무가 공변수로 사용되었다. 일반적으로 확률적 날씨 발생기에서는 생성된 일일 날씨가 월별 또는 계절별 총강우량이나 평균온도에 충분한 변동을 만들어 내지 못하는 과대산포 현상이 발생하는데, 이러한 한계를 극복하기 위해 본 연구에서는 평활된 계절별 평균 온도를 일반화선형모형의 공변수로 추가하였다. 그리고 제안된 모형을 1961년부터 2011년까지 51년 동안의 서울지역 일일 평균 기온자료에 적용하였다.

• 시큐리티연구
• /
• 제30호
• /
• pp.139-169
• /
• 2012

본 연구는 살인, 강도, 강간, 절도, 폭력 등 주요 범죄를 예측할 수 있는 시계열 모형을 도출하고 이를 이용한 주요 범죄의 발생 전망을 파악하여 범죄 발생에 대한 과학적인 치안정책 수립에 기여하는데 그 목적이 있다. 이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 강간, 절도, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 주요 범죄의 시계열 예측모형을 규명하기 위한 시계열 모형생성(C), 주요 범죄의 시계열 예측모형에 대한 정확도 규명을 위한 시계열 모형생성(C) 및 시계열 순차도표(N)를 실시하였다. 이와 같은 연구목적과 연구방법을 통하여 도출한 연구결과는 다음과 같다. 첫째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대한 시계열 예측모형은 각각 단순계절, Winters 승법, ARIMA(0,1,1)(0,1,1), ARIMA(1,1,0)(0,1,1), 단순계절로 나타났다. 둘째, 살인, 강도, 강간, 절도, 폭력 등 주요 범죄에 대하여 시계열 예측모형을 이용한 주요 범죄에 대한 단기적 발생 전망이 가능한 것으로 나타났다. 이러한 연구결과를 토대로 범죄 발생에 대한 지속적인 시계열 예측모형 제시, 분기별, 연도별 범죄 발생건수를 기초로 하는 중 장기 시계열 예측모형에 대한 관심이 요구된다.

• 대한교통학회지
• /
• 제21권1호
• /
• pp.91-102
• /
• 2003

본 연구는 $\circled1$Cellular Automata(이하 CA)모형을 기반으로 대규모 네트워크에 적용 가능한 보다 현실적인 CA차량모형 구축. $\circled2$구축된 CA차량모형을 이용한 차량 모의실험기의 개발과 개발된 차량 모의실험기를 이용한 단기링크통행시간 예측으로 구성된다. 구축된 CA차량추종모형은 기존의 CA차량추종모형 보다 현실적으로 감속을 통한 정지과정을 설명하면서 거시적 지표인 교통량-밀도-속도관계를 설명하였다. 또한 링크의 유출교통량(Outflow)을 제어하기 위한 차량의 링크전이모형은 기존의 차량 링크전이모형에 비하여 보다 안정된 대기차량을 형성하였다. 단기링크통행시간 예측을 위한 차량모의실험기는 대규모 가로망에 적용이 가능하도록 차량묶음(Packet, 이하차량묶음)방식과 링크기반 모의실험방식으로 컴퓨터의 연산 수행속도 및 메모리를 효율적으로 처리할 수 있었으며, 기존의 시계열자료 예측기법에서 고려할 수 없었던 차량의 행태 및 링크 상에서 발생하는 이동류 과포화, 뒷막힘현상 등의 메커니즘을 고려함으로서 기존 시계열자료 예측기법에 비하여 우수한 예측력을 보였다.