예측율 제고를 위하여 계절별 상이모델로 구성한 혼합형 열수요 예측 신경망 모델

최승호,이재복,김원호,홍준희 한국에너지학회 2019 에너지공학 Vol.28 No.4

본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 예측율이 개선된 결과를 나타내었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 개선되었다. 본 연구에서 사용된 데이터는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년 10월) 시간단위 열수요 데이터를 활용하였다.

과거기후 모의자료를 이용한 황사계절예측모델의 황사발원 예측 특성 분석

강미선,이우정,김미경,조정훈,장필훈,부경온 한국기상학회 2021 한국기상학회 학술대회 논문집 Vol.2021 No.10

국립기상과학원은 앙상블 기반의 기후예측모델과 황사예측모델을 결합한 황사계절예측모델을 개발하였고, 계절예측에 활용하기 위해 예측 특성 분석을 수행하고 있다. 황사계절예측모델은 대기-해양-해빙-지면 모델이 결합 된 기후예측모델에 황사예측모델의 황사발원지 지면정보와 황사발원알고리즘을 적용한 모델이다. 황사계절예측모델에서 황사 농도 및 발생빈도는 기후예측모델의 발원지 풍속, 상대습도, 지표면 온도, 강수량의 영향을 받으며, 이후 기류 조건 등의 예측결과에 따라 우리나라로의 황사유입이 결정된다. 즉, 우리나라에서의 황사 계절예측성을 높이기 위해서는, 먼저 황사 발원지의 기상조건과 연계한 황사 발생을 정확하게 예측하는 것이 필수적이다. 본 연구에서는 황사 발원지(내몽골지역, 황토고원 및 화베이 평원, 만주지역)를 중심으로 봄철 황사 발생에 영향을 주는 기상요소와 황사 농도의 예측 성능을 분석하고자 한다. 연구에 사용된 과거기후 모의자료는 1991년부터 2016년까지 26년동안의 자료이며 분석 기간인 봄철(3-5월)에 대해 1-3개월의 선행시간을 갖는 2월 9일, 17일, 25일의 앙상블 멤버(3개) 자료를 이용한다. 예측성 평가 인자 중 ACC (Anomaly Correlation Coefficient)를 기반으로 모델 성능평가를 수행한다. 본 연구에서 분석된 예측 특성 결과는 발원지의 기상조건이 황사 발생에 중요한 요소임을 나타내며, 이는 황사계절예측모델 개선의 기초자료로 활용될 수 있을 것으로 기대된다.

환경영향평가에 적용되는 3차원 소음예측모델의 가이드라인 마련

선효성,최준규,박영민 한국환경연구원 2012 수시연구보고서 Vol.2012 No.-

국내 개발사업의 환경영향평가에서 사업지구 주변의 정온시설에 대한 소음영향을 평가하고 있다. 교통시설 증대와 고층 정온시설의 보편화 등으로 인해 소음환경이 복잡해지고 있는 상황에서 실제적인 소음평가를 수행할 수 있는 접근방법으로 3차원 소음예측모델의 활용이 증대되고 있다. 그러나 3차원 소음예측모델의 적용방법에 대한 가이드라인이 전무하여 그에 따른 소음평가결과의 신뢰성 확보에 의문이 제기되고 있다. 따라서 본 연구에서는 3차원 소음예측모델의 내부에 포함된 소음예측식 및 입력변수 등을 검토하여 3차원 소음예측모델을 효율적으로 적용할 수 있는 가이드라인을 모색하였다. 3차원 소음예측모델과 관련한 규정 및 사례 분석을 통해 기존 환경영향평가에서 모델적용에 의한 문제점을 파악하였다. 이를 통해 3차원 소음예측모델에 대한 구체적인 검토를 바탕으로 3차원 소음예측모델을 환경영향평가에서 효율적으로 적용할 수 있는 가이드라인의 필요성을 언급하였다. 환경영향평가에서 3차원 소음예측모델을 효율적으로 적용하기 위한 방안을 모색하기 위해 도로소음을 대상으로 SoundPLAN, Cadna-A, IMMI 상용프로그램을 적용하였다. 이러한 프로그램을 활용하여 도로소음 예측식, 도로소음원 입력자료, 방음벽 및 건물과 관련한 입력자료 등을 근거로 3차원 소음예측모델 구현을 통한 소음예측결과를 비교·검토하였다. 소음예측결과의 비교·검토를 바탕으로 3차원 소음예측모델을 도로소음평가에 적용하기 위한 방안을 제안하였다. The noise impact of the residential facility around a development region is assessed in EIA. As noise environment is complicated due to the increase of a transportation facility and the generalization of a high-rise building, the application of 3-D noise prediction model is increasing as a tool for performing actual noise assessment. However, because the guideline for 3-D noise prediction model does not exist, the reliability of the noise assessment results generated by 3-D noise prediction model is under discussion. Therefore, this study is focused on the development of a guideline for 3-D noise prediction model through the examination of prediction equation and input data in 3-D noise prediction model. In order to find the application plan of 3-D noise prediction model for EIA, The SoundPLAN, Cadna-A, and IMMI commercial programs (3-D noise prediction models) are adopted for road noise. The noise prediction results of three noise prediction models are compared in road noise prediction equation, road noise source input data, barrier and building input data, etc. Based on above comparison results, this paper suggests a guideline for application of 3-D noise prediction model in road noise assessment.

전통 통계분석기법과 머신러닝을 활용한 대졸자의 진로상태 분류 예측모델 비교분석

이대영,박성열 한국취업진로학회 2024 취업진로연구 Vol.14 No.1

이 연구는 급변하는 현대사회에 개인들의 끊임없는 진로선택과 결정에 있어 개별 맞춤형 방향성을 제시해주고, 대학 측면에서는 필요 인재 확보에 대한 가이드라인 제공과 대학 수요자들의 취업 및 진로 개발 지원에 정확한 진로방향 예측을 통해 질적 향상을 모색함으로써 대학의 미래 경쟁력 제고에 기여 하고자 하는 현실적인 필요성에서 출발하였다. 이를 위해 대졸자의 진로상태 분류 예측모델을 개발하 고, 주요 예측변인의 특징을 분석함으로써 청년의 진로상태에 가장 중요하게 작용하는 요인이 무엇인 지 알아보는 것으로 연구목적을 설정하였다. 연구목적에 따라 먼저 집단을 학력을 기준으로 구직 및 취업자, 대학원 진학자로 나누었다. 다음으 로 그들의 진로상태를 분류하는 예측모델 구현을 통해 어떠한 변인들이 대졸자의 진로상태 예측에 영 향을 미치는지 알아보기 위해 로지스틱 회귀분석과 판별분석을 활용하여 전통적 통계기법 예측모델을 구현하였다. 마찬가지로 머신러닝 예측모델을 구현하기 위해 의사결정나무, 서포트벡터머신, 랜덤포레 스트, XGboost 알고리즘을 활용하였다. 분석결과 구현된 모델 중에서 서포트벡터머신 예측모델이 82.12%의 예측률로 가장 뛰어난 것으로 나타나 서포트벡터머신 알고리즘으로 구현한 예측모델을 최종 예측모델로 결정하였다. 결정된 최종 모 델에서 대졸 후 진로상태를 예측하는 주요 요인은 개인 특성요인이었다. 더불어 개인 환경요인 중에서 도 사회적 자본에 해당하는 변인들이 모든 머신러닝 예측모델에서도 최상위 예측변인으로 도출되었던 만큼 대졸자의 진로에 있어 사회적 자본에 대한 중요성이 재차 검증될 필요가 있다. 해당 예측모델을 실무적인 측면에서 활용한다면 누가 대학 또는 대학원에 진학할 확률이 높은지 예 측할 수 있다. 따라서 이들을 대상으로 상위 교육기관 진학과 관련한 맞춤형 가이드라인을 설계하는 데 도움이 될 수 있다. 뿐만 아니라, 대학생 중에서 진로결정 상태가 아닌 학생들에게 해당 예측모형을 활 용한다면 이들의 진로상태를 예측할 수 있고, 이를 바탕으로 예상되는 졸업 후 진로에 대한 설명 및 조 언 등 맞춤형 진로 설계 가이드라인을 제시해줄 수 있을 것이다. The study focused on developing a predictive model for classifying college graduates’ career status and finding out which factors affect most importantly the young adults’ career status by analyzing the characteristics of major predictive factors. Based on the purpose of the study, the group was divided into two groups(g1: job seekers or the employed, g2: graduate students) in accordance with the characteristics of the data. Next, to find out which variables affect the prediction of college graduates’ career status through creating a prediction model, not only were classic statistical models created using logistic regression and discriminant analysis, but machine learning models were also made using the Decision Tree, Support Vector Machine(SVM), Random forest, and XGboost algorithms. In a consequence of the analysis, the SVM prediction models turned out to be the best prediction rates(82.12%). Therefore, the final predictive model was decided to SVM model, and it was analyzed to the main predictive variables from the SVM model. Thus, the top predictive variable was the number of people who could call for the help belonging to personal environmental factors. It means personal feature factors were the key factors predicting college graduates’ career status. Therefore, it is necessary to examine how personal feature factors(intelligence, values, competencies) affect their careers. Furthermore, the importance of social relationships in college graduates’ careers needs to be reexamined as social relationships were the key factors in all the machine learning models.

컨조인트 분석법을 이용한 기상관측장비 활용 및 예측모델 정확도 개선의 경제적 가치 추정

김혜민,이승욱,김인겸,이대근,유승훈 한국혁신학회 2020 한국혁신학회지 Vol.15 No.1

Extreme weather events which have been changed scale, period, and frequency due to climate change is causing unexpected damage globally. Prompt and accurate forecasting is required to mitigate damage, and so many foreign countries are researching improve observation systems development & uses, and prediction model development. National Institute of Meteorological Sciences (NIMS) part of Korea Meteorological Administration (KMA) is progressing research of improving several forecasting services which KMA is providing. This study tried to estimate non-market benefits of main studies of NIMS which is making uses of observation systems and accuracy of prediction model better. A survey of 1,000 randomly selected households was undertaken in Korea to investigate benefit of 5 attributes such as NIMS Atmospheric Research Aircraft (NARA), Mobile Observation VEhicle (MOVE), Asian Dust Aerosol Model version 3 (ADAM3), Regional ocean wave prediction system, Global Seasonal Forecasting Model (GloSea5). The study employs a nested logit model and the results reveal that the marginal willingness to pay (MWTP) for each attributes are significant at the 5% level. Estimated MWTP results of 1 hour extension of NARA uses, 1%p increasing of MOVE uses, 1%p improvement of three different prediction model which are ADAM3, Regional ocean wave prediction model, and GloSEA5 are KRW 34, 31, 48, 18, 17 per household pre year, respectively. Information from this study will be useful in planning and policy making. 전 세계적으로 기후변화로 인한 위험기상현상의 발생 강도, 시기, 빈도 등이 기존과 달라지면서 예상치 못한 피해를 입는 경우가 다수 발생하고 있다. 이러한 피해를 줄이기 위해서는 보다 신속하고 정확한 예측이 필요하며, 이를 위해 여러 국가에서는 기상관측장비 개선 및 예측모델 개발을 위한 연구가 진행되고 있다. 우리나라 기상청 소속기관인 국립기상과학원에서도 기상청에서 제공하는 여러 예보서비스의 개선을 위한 연구를 진행하고 있다. 본 연구에서는 기상관측장비 활용 및 예측모델 정확도 개선의 비시장적 가치를 추정하고자 한다. 관측장비로는 기상항공기와 모바일 기상관측차량을, 예측모델은 황사ㆍ연무통합예측모델, 지역파랑예측모델, 기후예측모델을 속성으로 하며, 가치 추정을 위해 전국 1,000가구를 대상으로 면접설문을 진행하였다. 수집된 자료는 중첩로짓모형을 적용하여 분석하였으며, 각각의 속성에 대한 연간 가구당 한계지불의사액을 추정한 결과 모두 유의수준 5%에서 통계적으로 유의한 것으로 나타났다. 관측장비 활용 및 예측모델 예측정확도 개선의 속성별 한계지불의사액은 기상항공기 활용시간 1시간 개선, 재해발생시 모바일 기상관측차량 활용률 1%p 개선, 황사ㆍ연무통합예측모델 예측정확도 1%p 개선, 지역 파랑예측모델 예측정확도 1%p 개선, 기후예측모델 예측정확도 1%p 개선에 대하여 각각 34원, 31원, 48원, 18원, 17원으로 추정되었다. 본 연구에서 분석된 속성들에 대한 국민적 선호와 국가적 시급성은 서로 차이가 있을 수 있으나, 사업 추진계획 및 관련 정책 수립시 유용한 자료로 활용될 수 있다.

코스피 방향 예측을 위한 하이브리드 머신러닝 모델

황희수 한국융합학회 2021 한국융합학회논문지 Vol.12 No.6

과거 주가 데이터와 금융 관련 빅 데이터를 사용해 머신러닝 기법으로 주식시장을 예측하는 연구는 다양하게 있어 왔지만, HTS와 MTS를 통해 거래가 가능한 주가지수 연동 ETF가 생기면서 주가지수를 예측하는 연구가 최근 주목받고 있다. 본 논문에서는 KOSPI 연동 ETF를 거래할 목적으로 KOSPI의 상승 예측을 위한 머신러닝 모델과 하락 예측을 위한 모델을 각각 구현한다. 이들 모델은 매개변수의 그리드 탐색을 통해 최적화 된다. 또한 정밀도를 개선해 ETF 거래 수익률을 높일 수 있도록 개별 모델들을 조합한 하이브리드 머신러닝 모델을 제안한다. 예측 모델의 성능은 정확도와 ETF 거래 수익률에 큰 영향을 미치는 정밀도로 평가된다. 하이브리드 상승 예측 모델의 정확도와 정밀도는 72.1 %와 63.8 %이고 하락 예측 모델은 79.8 %와 64.3 %이다. 하이브리드 하락 예측 모델에서 정밀도는 개별 모델 보다 최소 14.3 %, 최대 20.5 % 개선되었다. 테스트 기간에 하이브리드 모델은 하락에서 10.49 %, 상승에서 25.91 %의 ETF 거래 수익률을 보였다. 인버스×2와 레버리지 ETF로 거래하면 수익률을 1.5 ~ 2배로 높일 수 있다. 하락 예측 머신러닝 모델에 대한 추가 연구로 수익률을 더 높일 수 있을 것으로 기대한다. In the past, there have been various studies on predicting the stock market by machine learning techniques using stock price data and financial big data. As stock index ETFs that can be traded through HTS and MTS are created, research on predicting stock indices has recently attracted attention. In this paper, machine learning models for KOSPI's up and down predictions are implemented separately. These models are optimized through a grid search of their control parameters. In addition, a hybrid machine learning model that combines individual models is proposed to improve the precision and increase the ETF trading return. The performance of the predictiion models is evaluated by the accuracy and the precision that determines the ETF trading return. The accuracy and precision of the hybrid up prediction model are 72.1 % and 63.8 %, and those of the down prediction model are 79.8% and 64.3%. The precision of the hybrid down prediction model is improved by at least 14.3 % and at most 20.5 %. The hybrid up and down prediction models show an ETF trading return of 10.49%, and 25.91%, respectively. Trading inverse×2 and leverage ETF can increase the return by 1.5 to 2 times. Further research on a down prediction machine learning model is expected to increase the rate of return.

인공지능을 활용한 경관 지각반응 예측모델 개발 가능성 기초연구 - 머신러닝 기법을 중심으로 -

김진표,서주환 한국조경학회 2023 韓國造景學會誌 Vol.51 No.3

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.

2016년 경주지진파의 특성 : 지진파예측모델들과의 비교

배성진(Bae Sung jin),김미래(Kim Mi rae),이혜진(Lee Hye jin),김병민(Kim Byung min) 한국방재학회 2018 한국방재학회논문집 Vol.18 No.1

2016년 9월 12일 경주 남남서쪽에서 발생한 규모 5.8의 경주지진은 계측을 시작한 이래 한국에서 발생한 최고 규모의 지진으로, 규모 5.1의 전진과 4.5의 여진을 비롯해 수많은 지진을 동반했다. 이 연구에서는 미국의 NGA-West2 등의 다양한 지진파예측모델을 이용해 경주지진파의 특성을 다각도로 비교 분석하였다. 또한 여진예측모델을 통해 본진과 전진 또는 본진과 여진과의 상관관계를 분석했다. 마지막으로 본 연구에서는 수직지진파와 수평지진파의 상관관계를 분석했다. 분석 결과, 경주지진은 주로 단주기에서 높은 가속도 값을 가지고, 0.1초 이후에는 예측모델들 보다 급격한 감쇄현상을 보인다. 전체적으로 활성단층지역으로 만들어진 NGA-West2 모델과 경주지진을 포함하지 않은 한국형 지진파예측모델을 비교했을 때 경주지진의 지진파와 큰 차이가 나타났다. 이는 한국형 지진파예측모델의 개발이 필요함을 시사한다. The local magnitude 5.8 earthquake occurred with a foreshock with magnitude 5.1 and aftershocks with magnitudes of 4.5 and smaller. The main shock was the largest earthquake in Korea since 1978 when the modern instrumental recording began. The ground motions measured during the mainshock, foreshock, aftershocks of the 2016 Gyeongju earthquake are compared with those estimated by the NGA-W2 ground motion prediction equations (GMPEs) for the active crustal regions and the GMPE developed for Korea. Furthermore, ratios between spectral accelerations of the mainshock and foreshock and aftershock events, as well as ratios of vertical to horizontal ground motions are compared with various prediction models. Through the detailed comparison study, it is found that the ground motions by the Gyeongju earthquake are incredibly larger than any other prediction models at short periods and smaller than the predictions at period longer than 0.1s. Therefore, we concluded that development of new Korea GMPEs is necessary to prepare against earthquake risks in Korea.

Power Ramp Rate를 이용한 풍력 발전량 예측모델 구축

황미영(Mi-Yeong Hwang),김성호(Sung-Ho Kim),윤은일(Un-Il Yun),김광득(Kwang-Deuk Kim),류근호(Keun-Ho Ryu) 한국컴퓨터정보학회 2012 韓國컴퓨터情報學會論文誌 Vol.17 No.1

전 세계적으로 화석연료의 많이 사용이 증가되고 있으며 이로 인해 온실가스가 배출되어 지구 온난화와 환경오염이 심각해지고 있는 실정이다. 지구의 환경오염을 줄이기 위해서 무공해 청정에너지인 신재생에너지에 대한 관심이 증가되는 추세인데, 그중에서도 풍력발전은 환경오염 물질을 배출하지 않고, 자원량이 무한대이기 때문에 많은 관심을 받고 있다. 하지만, 풍력발전은 전력 생산량이 불규칙한 단점을 갖고 있어 풍력 터빈의 손상과 전력 생산량이 불규칙적인 문제를 야기하여 이러한 문제점을 보완하기 위해 풍력 발전량을 정확하게 예측하는 것이 중요하다. 풍력 발전량을 정확하게 예측하기 위해서 전력 생산량이 급증 또는 급감하는 것을 의미하는 ramp의 특성을 잘 활용해야 한다. 이 논문에서는 예측의 정확도를 높이기 위하여 다계층 신경망을 이용해 예측모델을 구축하였다. 구축된 예측모델은 흔히 사용되는 풍속, 풍향 속성뿐만 아니라 Power Ramp Rate(PRR) 속성까지 사용하였다. 구축된 풍력 발전량 예측모델은 앞서 말한 세 가지 속성을 모두 사용한 경우, 두 속성을 조합하여 사용한 경우 총 4가지 예측모델을 구축하였다. 구축된 4가지 예측모델을 성능평가 한 결과 PRR, 풍속, 풍향의 속성 모두를 사용한 예측모델의 예측 값이 풍력 터빈에서 관측된 관측 값에 가장 근접하였다. 그로 인해 PRR 속성을 사용하면 풍력 발전량의 예측 정확도를 향상 시킬 수 있었다. Fossil fuel is used all over the world and it produces greenhouse gases due to fossil fuel use. Therefore, it cause global warming and is serious environmental pollution. In order to decrease the environmental pollution, we should use renewable energy which is clean energy. Among several renewable energy, wind energy is the most promising one. Wind power generation is does not produce environmental pollution and could not be exhausted. However, due to wind power generation has irregular power output, it is important to predict generated electrical energy accurately for smoothing wind energy supply. There, we consider use ramp characteristic to forecast accurate wind power output. The ramp increase and decrease rapidly wind power generation during in a short time. Therefore, it can cause problem of unbalanced power supply and demand and get damaged wind turbine. In this paper, we make prediction models using power ramp rate as well as wind speed and wind direction to increase prediction accuracy. Prediction model construction algorithm used multilayer neural network. We built four prediction models with PRR, wind speed, and wind direction and then evaluated performance of prediction models. The predicted values, which is prediction model with all of attribute, is nearly to the observed values. Therefore, if we use PRR attribute, we can increase prediction accuracy of wind power generation.

APCC 다중모델 앙상블 (MME) 계절예측 정확도 향상 및 예측 콘텐츠 확장

임창묵,민영미,송봉근,양유빈,임아영,정다은 한국기상학회 2021 한국기상학회 학술대회 논문집 Vol.2021 No.10

APEC 기후센터(이하 APCC)는 11개국 15개 기후예측 관련 유수 현업기관의 협조를 통해 다양한 모델들을 활용하여 다중모델앙상블(Multi Model Ensemble, MME) 기법이 적용된 최대 6개월 기간의 고품질 계절예측 정보를 제공하고 있다. 이러한 계절예측 정보의 정확도 향상을 위하여 매년 대내외적인 노력을 기울이고 있으며, 계절예측 정보의 이해와 활용성을 높이기 위한 콘텐츠 발굴 및 개선에도 노력하고 있다. 본 연구에서는 APCC에서 수행한 대내외적인 노력을 바탕으로, APCC MME 계절예측 정보의 예측력 향상 정도와 방법별 기여도를 제시하고자 하였고, 사용자들에 계절예측 정보의 이해와 활용성을 높이기 위해 개발한 콘텐츠에 대하여 소개하고자 한다. APCC MME 계절예측 정보는 기후 평년 기간 대비 확률론적 예측과 기후 평균값(평년값) 기준의 편차 정보에 기반한 결정론적 예측으로써 제공된다. 이 때 사용되는 기후 평년값은 APCC MME에 참여하는 모델들의 공통 과거 기후 재현(hindcast) 기간에 대한 평균값을 사용하였으나, 대체로 최근 개선·개발되는 모델의 hindcast 기간이 최근 기간으로 변경되면서 공통 hindcast 기간이 줄어들거나, 참여하지 못하는 모델이 증가하면서 예측력에 부정적인 영향이 예견되어왔다. 이에 기후 평년 기간에 따른 통계적 유의성 검증 및 예측력 민감도 분석을 통하여 기후 평년값 정의 방식을 조정함에 따라 최근 개선·개발된 모델들의 참여가 가능해졌고, 이로써 2019년 대비 전구 기온과 강수 예측력이 각각 약 4.65%, 4.26% 향상되었다. 이 뿐만 아니라, 일부 모델의 특정 지역의 예측력이 현저히 저하되는 문제점에 대한 대응(후처리)을 비롯하여 MME 참여 모델들의 개선 및 개발에 대한 상시적인 대응 등을 통해 APCC MME 계절예측 정보의 정확도 향상을 이루었다. 또한, APCC는 계절예측에서의 가장 주요한 ENSO 현상의 감시 및 전망 정보를 사용자에 보다 알기 쉽게 전달하기 위해서 향후 6개월에 대한 엘리뇨 및 라니냐의 발달 상태를 7단계로써 제공하는 ENSO 경보(Alert) 시스템을 개발하였으며, 전구를 비롯한 주요 지역들에서 전망되는 확률 예측 정보와 해당 지역의 예측 정확도의 정보를 한 눈에 확인할 수 있는 콘텐츠를 개발하였다. 이처럼 APCC는 보다 고품질의 예측 정보를 생산하고, 사용자의 이해도와 활용성을 높이기 위한 노력을 지속적으로 기울이고 있으며, 사용자의 의견을 적극적으로 수렴함으로써 MME 계절예측 제공 기관으로서의 국가 및 현업기관간 경쟁력 강화에도 앞장서고자 한다.