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.

In recent years, Smart Water Grid (SWG) concept has globally emerged over the last decade and also gained significant recognition in South Korea. Especially, there has been growing interest in water demand forecast and this has led to various studies regarding energy saving and improvement of water supply reliability. In this regard, this study aims to develop a nonlinear ensemble model for hourly water demand forecasting which allow us to estimate uncertainties across different model classes. The concepts was demonstrated through application to observed from water plant (A) in the South Korea. Various statistics (e.g. the efficiency coefficient, the correlation coefficient, the root mean square error, and a maximum error rate) were evaluated to investigate model efficiency. The ensemble based model with an cross-validate prediction procedure showed better predictability for water demand forecasting at different temporal resolutions. In particular, the performance of the ensemble model on hourly water demand data showed promising results against other individual prediction schemes.

In this paper, an effort is exerted to the problem of short-term domestic demand forecasting of mineral water. The seasonal ARIMA models are considered in model building and in making the forecast. As it turned out, the model fits well into the given time-series data in so far as modeling procedures are relevant. A fitted model as well as modeling procedure is presented in some detail.

The basis of cyber trading has been sufficiently developed with innovative advancement of Internet Technology and the tendency of stock market investment has changed from long-term investment, which estimates the value of enterprises, to short-term investment, which focuses on getting short-term stock trading margin. Hence, this research shows a Short-term Stock Price Forecasting System on Learning Agent System using DTA(Decision Tree Algorithm) ; it collects real-time information of interest and favorite issues using Agent Technology through the Internet, and forms a decision tree, and creates a Rule-Base Database. Through this procedure the Short-term Stock Price Forecasting System provides customers with the prediction of the fluctuation of stock prices for each issue in near future and a point of sales and purchases. A Human being has the limitation of analytic ability and so through taking a look into and analyzing the fluctuation of stock prices, the Agent enables man to trace out the external factors of fluctuation of stock market on real-time. Therefore, we can check out the ups and downs of several issues at the same time and figure out the relationship and interrelation among many issues using the Agent. The SPFA (Stock Price Forecasting System) has such basic four phases as Data Collection, Data Processing, Learning, and Forecasting and Feedback.

초단기 홍수예보를 위한 주요자료로서 최근 기상레이더의 중요성이 크게 부각되고 있다. 기상레이더는 넓은 지역에 걸쳐 실시간으로 강우현상 감시가 가능하며 지상우량계로는 파악이 불가능한 미계측유역을 통과하는 강우장의 이동 및 변화 파악이 가능한 장점이 있다. 본 연구는 강우장의 공간적 분포와 레이더 강우세포를 추적하는 강우장 예측 해석방안을 수립하였다. 이를 위해 강우장의 공간적인 이동을 고려하기 위해 강우장의 바람장 이류(advection) 패턴을 추출하여 각 강우세포가 가지는 이동방향 및 속도를 고려한 강우장 추적기법을 통하여 강우장을 예측하였다. 본 연구를 통하여 개발된 기상레이더 강우장 상관분석 기법을 활용한 초단기강우예측 결과는 집중호우시 홍수 예·경보를 위한 수문모형의 입력자료 로 활용이 가능할 것으로 사료된다.

본 연구에서는 기상레이더 자료를 이용하여 도시하천 유역을 대상으로 초단기 강우예측 및 홍수예측을 실시하였다. 초단기 강우예측 결과 선행시간이 증가함에 따라 관측 자료와의 상관계수가 감소하며, 평균제곱근오차는 증가하여 정확도가 감소하였으나, 선행시간 60분까지 상관계수가 0.5이상 유지되는 결과를 얻을 수 있었다. 또한 강우예측 자료 적용에 의한 도시유출 분석결과, 선행시간 증가에 따른 첨두유량과 유출체적의 감소가 발생하였으나, 첨두시간은 비교적 일치하는 것으로 분석되었다. 레이더 예측 강우 적용을 통한 도시유출 분석결과, 관측 자료와의 오차가 발생하나 이는 여러 가지 외부적인 요인으로 판단되며, 추후 강수 에코의 급격한 생성과 소멸현상 모의, 국지성 강우 예측 성능 향상 등 지속적인 알고리즘 개선과 강우-유출 모형 매개변수 검․보정이 필요할 것으로 사료된다. 본 연구의 결과는 도시하천 유역뿐만 아니라 관측이 어려운 미계측 지역의 수문자료 확보 및 실시간 홍수 예․경보시스템 구축에 확장이 가능하며, 다양한 관측자료 기반 Multi-Sensor 초단기 강우예측 기반기술로의 활용이 가능하다.

최근 이상기상현상과 기후변화로 인하여 도시유역의 내수 침수 피해가 날로 증가하고 있는 실정이며, 이로 인한 대책의 일환으로 내·외수를 고려한 홍수 예보 시스템 구축이 고려되고 있다. 본 연구에서는 도시유역의 관측자료 기반 강우의 초단기(1~2hr) 예측을 위하여 위성영상자료와 레이더 자료를 사용하였으며, 시뮬레이션 기반 강우의 단기(1~2day) 예측을 위하여 기후역학모형을 사용하였다. 향후 도시유역의 최적 강우예측 시스템구축을 통한 내·외수를 고려한 실시간 홍수 예·경보시스템의 강우예측 입력으로 활용될 예정이다. 현재, 초단기 강우예측을 위한 레이더 자료 전처리 및 CAPPI(Constant Altitude Plan Position Indicator) 산정프로그램을 개발하였으며, 천리안 위성(Communication, Ocean and Meteorological Satellite, COMS)과 TRMM(Tropical Rainfall Measuring Mission) 위성을 이용한 극치 강우 추정 알고리즘을 개발하였다. 또한 레이더 자료와 위성영상자료를 이용하여 집중호우와 태풍 사상을 대상으로 강우의 최적 이동양상 분석(Quantitative Precipitation Forecasting, QPF)을 실시하였다. 레이더와 천리안 위성, TRMM자료의 초단기 강우예측 정확성 검증을 위하여 지상기상자동관측시스템(Automatic Weather System, AWS)의 분단위 강우측정 결과를 비교·분석 하였으며, 그 적용가능성을 검증하였다. 다음으로 강우의 단기예측을 위하여 GRIMs(Global Regional Integrated Model System)와 WRF(Weather Research and Forecasting) 연계 모형을 사용하였으며, 한반도(Big Domain)와 서울(Small Domain) 지역을 포함하는 시뮬레이션 영역을 대상으로 집중호우의 모의 성능 평가를 실시하였고 기후역학 모형의 단기 강우예측 능력을 검증하였다. 도시유역 초단기 및 단기 강우예측 분석 결과 관측자료와의 오차가 발생하나, 추후 여러 통계적 후처리 과정을 통하여 그 성능이 개선될 것으로 보인다. 이러한 오차 발생의 원인은 여러 가지 외부적인 요인이 있는 것으로 판단되며, 보다 정확한 극치강우량 예측을 위해서는 지속적인 알고리즘 개선 및 모형의 검·보정이 필요할 것으로 사료된다.

기후변화로 인해 태풍과 집중호우의 빈도 및 규모가 증가하고 있으며, 이로 인한 피해 역시 증가하고 있다. 태풍과 집중호우로 인한 피해를 줄이기 위한 홍수 예 경보 시스템에는 단시간 강우예측모델과 레이더 자료를 이용하여 산정된 예측강우가 필요하다. 이를 위하여 외국의 경우 단시간 강우예측 모델을 개발하여 레이더 자료를 이용한 강우예측을 수행하고 이를 수문모형과 연계하여 그 적용성을 분석하거나 홍수예보의 활용성을 평가하는 연구를 활발히 진행하고 있다. 이에

최근 몇 년간 전 세계에 걸쳐 폭풍우와 관련한 자연재해는 그 규모와 빈도에 있어서 상당히 증가하고 있는 추세다. 특히, 우리나라는 강수의 대부분이 여름철에 집중되어 있어 이러한 태풍, 폭우 그리고 국지성 집중호우 등과 같은 자연재해로 인한 피해가 더욱 심각하다. 이러한 현상은 대기 중 이산화탄소 농도의 증가로 인한 지구온난화와 엘리뇨 등으로 인하여 앞으로도 더욱 빈번해질 것으로 전망된다. 따라서 이와 같은 폭풍우로 인한 피해를 줄이기 위하여 본 연구에서

본 연구에서는 홍수시 다목적댐의 효율적 운영을 위하여 상류로부터 유입되는 홍수유입량을 실시간으로 예측하기 위해 역전파 신경망 모형을 사용하여 댐유입량 예측모형(Neural Dam Inflow Forecasting Model; NDIFM)을 개발하였다. NDIFM은 다목적댐에 의한 하류의 홍수조절 비중이 큰 낙동강의 남강댐 유역에 적용하였으며, 입력자료로는 댐유역 평균강우량, 실측 댐유입량, 예측 댐유입량 통을 사용하여 실시간 댐유입량 예측의 가능성을 검