KR100566438B1 - 용수 처리 시스템의 수요예측 장치 및 방법 - Google Patents

Abstract

본 발명은 배수지, 정수지 등에 설치된 용수 처리 시스템에서 용수량의 단위 시간당 수요를 예측하는 기술에 관한 것이다. 이러한 본 발명은, 예측파라미터 결정용 시뮬레이터부(22)에서 사용될 실적 유량치와 시간별 영향 요인 데이터를 저장 및 관리하는 실적데이터부(21)와; 수집된 데이터로 시뮬레이션을 수행하여 예측 모델기(26)의 예측 파라미터를 결정하는 예측파라미터 결정용 시뮬레이터부(22)와; 용수의 수요예측을 위한 연산 및 데이터 처리 기능을 수행하는 중앙처리장치(23) 및, 예측파라미터 결정용 시뮬레이터부(22)에서 필요로 하는 데이터의 입/출력값을 표시하고 입출력하는 입/출력장치(24)와; 실적데이터부(25)를 통해 유량에 관련된 과거의 실적 데이터, 영향요인 데이터를 입력받고, 상기 예측파라미터 결정용 시뮬레이터부(22)에서 결정된 예측 파라미터를 활용하여 용수의 단위 시간별 수요량을 예측하는 예측 모델기(26)에 의해 달성된다.

Description

용수 처리 시스템의 수요예측 장치 및 방법{DEMAND PREDICTION APPARATUS AND METHOD IN A WATER PROCESSING SYSTEM}

도 1은 본 발명에 의한 수요예측 장치가 적용되는 용수 처리 시스템의 전체 블록도.

도 2는 본 발명에 의한 용수 처리 시스템의 수요예측 장치의 블록도.

도 3은 도 2에서 예측파라미터결정용 시뮬레이터부의 상세 블록도.

도 4는 본 발명에 의한 시뮬레이터의 동작 과정을 나타낸 신호 흐름도.

도 5는 본 발명에 의한 예측 모델기의 동작 과정을 나타낸 신호 흐름도.

***도면의 주요 부분에 대한 부호의 설명***

11 : 수요예측 시뮬레이터부 12 : 데이터베이스 처리장치

13A-13N : 하위제어 시스템 21 : 실적데이터부

22 : 예측파라미터결정용 시뮬레이터부 23 : 중앙처리장치

24 : 입/출력장치 25 : 예측용 실적 데이터부

26 : 예측 모델기 27 : 시간별 수요 예측기

본 발명은 배수지, 정수지 등에 설치된 용수 처리 시스템에서 용수량의 수요를 예측하는 기술에 관한 것으로, 특히 주기성분과 편차성분을 이용하여 시간별 수요량을 예측하고, 시뮬레이터를 이용하여 최적의 예측 파라미터를 구하여 수요량을 예측할 수 있도록 한 용수 처리 시스템의 수요예측 장치 및 방법에 관한 것이다.

배수지, 정수지 등에 설치된 용수 처리 시스템에서, 용수의 수요량을 정확하게 예측하는 것은 용수 운영에 있어서 가장 중요시 되는 1차적인 요소로서, 이 예측 결과에 따라, 기타 용수 운영 계획(예: 지운영, 수량배분, 취송수 제어 등)이 수립된다.

그런데, 종래 용수 처리 시스템의 수요량 예측 기술에 있어서는 일별 수요예측을 수립한 후 시간 당 수요량 패턴을 적용하여 수요량을 예측하게 되어 있었다. 이때, 예측 모델의 파라미터를 시스템에서 직접 계산하여 사용하였다.

이와 같은 종래 용수 처리 시스템의 수요 예측 기술은 비교적 용수의 수요 변동이 적은 시스템에서 어느 정도 성능을 발휘할 수 있으나, 용수의 수요 변동이 많은 시스템에서는 제대로 성능을 발휘할 수 없는 결함이 있었다.

또한, 예측 모델의 파라미터를 시스템에서 직접 계산하여 사용하였기 때문에, 예측 과정에 사용자의 개입이 어려운 문제점이 있었다. 더욱이, 현장에서 실제 시스템을 운영할 때 다양한 경우에 대하여 대처하는데 어려움이 있었다.

따라서, 본 발명의 목적은 용수 처리 시스템에서 시간별 용수 수요량을 정확하게 예측하여 수량 제어의 효율을 극대화할 수 있도록 하는데 있다.

본 발명의 다른 목적은 시계열의 통계적 예측 모델 기법을 이용하여 용수량 수요예측의 정확도를 향상시킬 수 있도록 하는데 있다.

본 발명의 또 다른 목적은 기존의 실적 데이터를 이용하여 사용자가 편리하게 시뮬레이션을 수행할 수 있도록 함으로써, 시계열 예측 모델 기반의 유량 예측량을 효과적으로 산출할 수 있도록 하는데 있다.

본 발명은, 용수 공급 공정에서 발생되는 유량 실적 데이터와 관련된 영향 요인 데이터를 활용하여 주기 분석 및 편차 분석을 수행하는 시스템에서 여러 조건 데이터를 입력하여 예측 모델기의 예측 파라미터를 결정하고, 온라인에서 실적 유량 데이터와 영향 요인 데이터를 활용하여 예측 모델기에서 시간별 용수 수요량을 예측하는 것을 특징으로 한다.

도 1은 본 발명에 의한 수요예측 장치가 적용되는 용수 처리 시스템의 전체 블록도로서 이에 도시한 바와 같이, 소정 기간의 용수량 데이터, 영향요인 데이터를 바탕으로 주기성분 및 편차성분 분석을 위해 시뮬레이션한 후, 최적의 예측 파라미터를 계산하고 유량 실적 및 영향요인 데이터를 근거로 시간별 용수량의 수요를 예측 연산하여 하위 제어 시스템에 제공하는 수요예측 시뮬레이터부(11)와; 랜통신망(LAN)을 통해 상기 하위제어 시스템(13A-13N)로부터 상기 실시간 데이터를 수집하여 이력 처리를 통해 실적 데이터로 저장하는 데이터베이스 처리장치(12)와; 상기 수요예측 시뮬레이터부(11)에서 계산되어진 예측 정보 및 예측 관련 정보를 활용하여 하위 제어 시스템(DCS,TM/TC)의 설정치로 사용하게 되는 하위제어 시스템(13A-13N)으로 구성하였다.

도 2는 본 발명에 의한 용수 처리 시스템의 수요예측 장치의 일실시 구현예를 보인 블록도로서 이에 도시한 바와 같이, 예측파라미터 결정용 시뮬레이터부(22)에서 사용될 실적 유량치와 시간별 영향 요인 데이터를 저장 및 관리하는 실적데이터부(21)와; 상기 실적데이터부(21)를 통해 필요시 또는 주기적으로 데이터를 수집하여 시뮬레이션을 수행한 후 그 결과로 예측 모델기(26)의 예측 파라미터를 결정하는 예측파라미터 결정용 시뮬레이터부(22)와; 시스템 각부의 구동을 총괄 제어함과 아울러, 용수의 수요예측을 위한 연산 및 데이터 처리 기능을 수행하는 중앙처리장치(23)와; 상기 예측파라미터 결정용 시뮬레이터부(22)에서 필요로 하는 데이터의 입/출력값을 표시하고 입출력하는 입/출력장치(24)와; 유량에 관련된 과거의 실적 데이터, 영향요인 데이터를 저장 및 관리하는 예측용 실적데이터부(25)와; 상기 예측파라미터 결정용 시뮬레이터부(22)에서 결정된 예측 파라미터 데이터를 수집하고, 예측용 실적데이터부(25)를 통해 필요한 실적 유량과 영향 요인 데이터를 수집하여 용수의 단위 시간별 수요량을 예측하는 예측 모델기(26)와; 상기 예측 모델기(26)에서 계산된 결과를 다음 과정에서 사용할 수 있도록 저장 및 관리하는 시간별 수요예측부(27)로 구성한 것으로, 이와 같이 구성한 본 발명의 작용을 첨부한 도 3 내지 도 5를 참조하여 상세히 설명하면 다음과 같다.

본 발명에서는 도 1에서와 같이 용수 공급계통의 주 계장 시스템인 분산제어시스템(DCS: Distributed Control System)을 하위제어 시스템(13A-13N)으로 하여 시스템을 구축하였다.

즉, 상기 하위제어 시스템(13A-13N)은 전체 용수 공급계통의 주 위치에 RCS(RCS: Remote Control Station)나 TM/TC(TM/TC: Tele Monitoring/Tele Control station)의 형태로 접속되어 각 유량 데이터를 실시간으로 수집한다.

그리고, 데이터베이스 처리장치(12)는 랜통신망(LAN)을 통해 상기 하위제어 시스템(13A-13N)로부터 상기 실시간 데이터를 수집하여 이력 처리를 통해 실적 데이터로 저장하고, 이 중에서 필요한 데이터는 상위 시스템인 수요예측 시뮬레이터부(11)에 디스플레이하거나, 재처리한다. 상기 수요예측 시뮬레이터부(11)에는 본 발명에 의한 용수 처리 시스템의 수요예측 방법을 실행하는 장치가 탑재된다.

도 2는 상기 수요예측 시뮬레이터부(11)의 상세 블록도이다.

실적데이터부(21)에서는 예측파라미터 결정용 시뮬레이터부(22)에서 사용될 실적 유량치와 시간별 영향 요인 데이터를 저장 및 관리한다. 또한, 상기 예측파라미터 결정용 시뮬레이터부(22)에서는 실적 데이터가 필요한 경우에 또는 주기적으로 데이터를 수집한 후 시뮬레이션을 수행하여 그 결과를 예측 모델기(26)의 예측 파라미터를 결정하는데 사용하도록 한다.

또한, 중앙처리장치(23)는 용수의 수요예측을 위한 연산 및 데이터 처리 기능을 수행하고, 입/출력장치(24)는 예측파라미터 결정용 시뮬레이터부(22)에서 필요로 하는 데이터의 입/출력값을 표시하고 입력하는 역할을 수행한다.

예측 모델기(26)는 상기 예측파라미터 결정용 시뮬레이터부(22)에서 결정된 예측 파라미터를 이용하여 용수의 단위 시간별 수요량을 계산한다. 이때, 사용되는 데이터는 예측용 실적데이터부(25)에서 저장, 관리되는 영향 요인 데이터, 과거 실적 데이터이다.

상기 예측 모델기(26)에서 계산된 결과는 시간별 수요예측부(27)에 저장 및 관리하여 다음 과정에서 사용되도록 한다.

한편, 도 3은 상기 예측파라미터 결정용 시뮬레이터부(22)에 대한 상세 블록도이다.

데이터 입력부(31)에서는 시뮬레이션을 수행하기 위한 영향요인 데이터, 단위 시간당 유량실적 데이터를 선택하여 입력하게 되는데, 데이터의 최대/최소값, 예측 대상 지역 등을 선정할 때 입력 파라미터를 근거로 한다.

임의의 시계열인 단위 시간당 유량 실적 데이터에서 매일 반복되는 규칙적인 주기변동 패턴을 형성하는 성분을 "주기성분"이라 하고, 이 주기 성분에 부가되는 불확정적으로 변동하는 성분(예: 변동으로부터의 편차분)을 "편차성분"이라고 정의한다. 그리고, 상기 두 성분의 합으로써 시간 변동 모델은 다음의 [수학식1]로 표현된다.

여기서,

는 시간 t 시점에서의 시간변동 모델의 예측치를 의미하고,

는 시간 t 시점에서의 주기성분 모델 예측치를 의미하며,

는 시간 t 시점에서의 편차성분 모델 예측치를 의미한다.

주기성분 예측 분석부(32)에서는 입력된 단위 시간당 유량 실적 데이터를 근거로 모델 예측치 계수를 결정하고, 주기 성분을 예측하기 위해 푸리에(Fourier) 급수를 사용한다. 여기서, 푸리에 급수는 복잡한 순환변동을 단순한 주기변동 성분으로 분해하여 어떤 주기에 속하는 변동성분이 탁월한지를 분석하기 위해 사용된 것이다.

즉, t라는 등간격을 갖는 N개의 표본값이

(t=1,2,3, CDOTS )인 푸리에 함수의 형태는 주기함수인 sin과 cos으로 표현된다.

여기서,

는 평균값이고, sin, cos 함수는 다음의 [수학식3]과 같이 합성되어 정리될 수 있다.

이와 같이, 간격이 1인 표본값 자료 N개 즉,

(t=1,2,3, CDOTS, N )가 상기 [수학식2],[수학식3]과 같이 각각의 주기를 갖는 푸리에 급수로 표현된다. 각각의 주기가 함수에 미치는 영향은 진폭의 크기에 따라 다르며, 이것은 푸리에 스펙트럼 분석에 의해 주기

에 대한 진폭

의 크기를 막대 그래프로 표시한 푸리에 스펙터클(spectacle)로 나타난다.

이후, 푸리에 스펙터클에 나타난 주기도의 영향을 고려하여 크기에 의한 분류를 행하고, 영향이 큰 탁월한 성분만을 선택한 후 이를 단순화하여 안정된 모델을 만든다. 선택된 주기들로 함수를 구성한 최종적인 급수는 다음의 [수학식4]로 표현된다.

상기와 같은 푸리에 급수를 이용하여 용수의 수요량 변동에 따른 순환적 요인과 주기적 변동의 패턴의 분석이 가능하게 되며, 사용자는 푸리에 급수 분석을 통해 획득된 평균값(

), 주기(

), 진폭(

), 위상각(

)을 선택하여 저장하게 된다.

또한, 편차성분 예측 분석부(33)에서는 입력된 단위 시간당 영향요인 실적 데이터를 이용하여 편차성분 모델 예측치 계수를 결정한다. 여기서, 단위 시간당 영향요인 실적 데이터로써 예측된 24시간의 기상 데이터를 활용한다. 즉, 기온, 강수량, 일사량, 전운량 데이터와 예측 가능한 데이터군을 활용한다. 또한, 사회적 요인인 요일 인자(예: 평일, 토요일, 휴일-일요일 및 공휴일 등)를 구분하여 입력 데이터로 활용한다. 편차 성분을 분석하기 위해 본 발명에서는 전이함수 ARIMA(ARIMA: Auto Regressive Intergrated Moving Average) 모델을 사용하였다.

상기 전이함수 ARIMA 모델은 여러개의 입력자료를 받아 그 중에서 하나의 출력결과를 얻기 위한 시스템으로, 이는 중회귀 모델을 확장한 형태로도 볼 수 있다. 상기 중회귀 모델과의 차이는 시차에 의해 지체되는 영향이나 선정된 영향요인 이외의 요인들을 간접적으로 모델화 시킬 수 있다는 것인데, 이 중회기 모델은 다음의 [수학식5]로 표현된다.

여기서,

는 t 시점에서의 출력이고,

는 요인의 t 시점 입력값이며,

는 t시점에서의 랜덤오차를 나타낸다. 또한,

는 전이함수(Transfer Function) 분자, 분모연산자이며, 다음의 [수학식6]과 같이 정의한다.

또한, 상기 [수학식5]에서

는 자기회기(Auto-regression) 연산자이고,

는 이동평균(Moving-average) 연산자로서 이들은 다음의 [수학식7]과 같이 정의된다.

또한, 상기 [수학식5]에서 전이함수항의 분자는 영향요인의 직접적인 요인을, 분모는 간접적인 요인을 나타낸다. 그리고, 상기 [수학식6]에서 자기회기-이동평균항은 영향요인 이외의 영향과 출력계열 고유의 변동을 나타낸다.

상기 편차성분 예측 분석부(33)에서는 상기 [수학식5],[수학식6]에서 전이함수 분모, 분자 연산자의 차수와 계수들, ARMA 함수 자기회귀, 이동평균 연산자의 차수와 계수들을 결정하게 된다.

편차성분 예측 분석부(33)의 상호상관 분석부(33A)에서는 다음의 [수학식8]의 자기상관계수

와 [수학식9]의 교차상관계수

를 구하여, 편차 유량에 대하여 유의한 영향 요인 인자들을 선택하도록 한다.

여기서,

는 t 시점의 출력인자이고,

는

값의 평균값이며,

는 t시점 의 영향인자를 나타낸다. 또한,

는

값의 평균값이고, k는 지체시간을 나타낸다.

상기 자기상관 분석과 교차상관분석 결과 유의하다고 판정된 후, 모델차수 결정부(33B)에서는 전이함수항과 ARIMA항의 분모, 분자 차수를 결정하는 최적 모델을 결정한다. 이때, 최적 모델의 선정 기준으로는 AIC(AIC: Akaike Information Criterion)와 SBC(SBC: Schwartz's Bayesian Criterion), 카이제곱 검정 등이 있다. 이 중에서 카이제곱 검정은 잔차가 모델에서 가정한 백색잡음을 따르는가를 판단하기 위한 것으로, 이때 다음의 [수학식10]으로 표현되는 포트만토 검정값을 판단 근거로 한다.

여기서, Q:포토만토 검정값, n:자료의 개수,

:자기상관계수, k:시간지체상수

상기 포토만토 검정값이 자유도의 카이제곱 검정량에 근사한다는 것을 근거로, 그 포토만토 검정값 Q를 이용하여 카이제곱 검정을 행한다. 상기 AIC와 SBC는 두 부분으로 이루어지는데, 그 중에서 한 부분은 최대로그우도로서 모델의 정확성을 나타내며 음의 값을 갖는다. 다른 하나는 적합모수의 수로서 양의 값을 갖도록 되어 있다. 이는 모델이 최소의 적합모수로 정확한 예측값을 갖도록 절충시킨 것으 로, 이 값이 작을수록 우수한 모델이다.

이후, 모델계수 추정부(33C)에서는 이전 단계에서 결정된 전이함수 및 ARIMA 항의 분모, 분자 차수를 이용하여 최소자승법으로 계수를 추정한다.

종합예측 검증부(34)에서는 상기 [수학식1]을 이용하여 상기 주기성분 예측 분석부(32)에서 결정된 모델과 편차 성분 예측 분석부(33)에서 결정된 모델의 예측 오차를 결정하기 위해 실적 유량 데이터와 영향 요인 데이터를 이용하여 예측을 수행하고, 이에 대하여 지정된 MSE(MSE: Mean Squared Error)와 MAE(MAE: Mean Absolute Error)를 사용하여 검증을 수행하고 그 결과가 만족되면 추정된 예측 모델 파라미터들을 예측 파라미터 데이터부(35)에 저장한다.

한편, 도 4를 참조하여 본 발명에 의한 시뮬레이터의 동작 과정을 좀더 상세히 설명하면 다음과 같다.

데이터 입력부(31)에서 임의의 단위 시간(예: 1시간)에 대한 유량 실적치 데이터와 영향요인 데이터를 수집하여 시뮬레이터의 입력 데이터로 사용한다.(SA1)

상기 주기성분 예측 분석부(32)에서는 유량 실적 정보를 근거로 주기 성분을 분석하여 표시하고, 예측 모델의 주기 성분 파라미터를 결정한다.(SA2,SA3)

상기 상호상관 분석부(33A)를 이용하여 영향 요인 데이터에 대한 상호상관 관계를 분석하여 그 결과를 표시하고, 모델차수 결정부(33B)를 이용하여 모델 차수를 분석하여 그 결과를 표시하며, 모델계수 추정부(33C)를 이용하여 모델 계수를 추정하여 표시한다(SA4).

이후, 상기 각 분석된 결과치를 사용자가 선택하여, 예측 모델의 편차 성분 파라미터를 결정한다(SA5).

상기 종합예측 검증부(34)에서 이루어지는 종합 예측 평가과정에서는 종합된 예측 모델에 의해 실적 유량 데이터와 영향 요인 데이터를 이용하여 평가한 후, 지정된 평가지수(예: MSE, MAE,R)에 따라 만족하지 않는 경우에는 이전 과정으로 복귀하여 다시 수행하도록 한다.(SA6)

또한, 최적의 예측 모델 파라미터가 결정되었다고 판단될 경우에는 예측 파라미터를 저장하도록 한다(SA7,SA8).

한편, 도 5를 참조하여 상기 예측 모델기(26)의 동작 과정을 설명하면 다음과 같다.

예측 모델기(26)는 상기 예측파라미터 결정용 시뮬레이터부(22)로부터 결정된 예측 모델기(26)의 파라미터 데이터를 수집하고, 예측용 실적데이터부(25)를 통해 필요한 실적 유량과 영향 요인 데이터를 수집하여, 단위 시간당 예측유량을 계산하게 된다.(SB1-SB3)

이렇게 계산된 값은 소정의 저장영역에 저장된다(SB4).

즉, 상기 [수학식5]에서와 같이 추정 및 계산된 전이함수 및 ARMA 함수의 파라미터에 따라 차분 방정식을 계산함으로써, 예측되는 단위 시간당 유량값을 예측할 수 있게 된다.

이상에서 상세히 설명한 바와 같이 본 발명은 주기성분과 편차성분을 이용한 시간별 수요예측을 수행하고, 시뮬레이터를 이용하여 최적의 예측 파라미터를 구하고 예측할 수 있는 시스템을 구성함으로써, 용수 처리 시스템의 물 수요량을 정확하게 예측하여 효율적인 수 운영 스케쥴 시스템을 구축할 수 있게 되고, 이로 인하여 수량제어의 극대화 및 에너지 절감 효과를 가져올 수 있게 된다.

Claims (5)

1. 예측파라미터 결정용 시뮬레이터부(22)에서 사용될 실적 유량치와 시간별 영향 요인 데이터를 저장 및 관리하는 실적데이터부(21)와; 입력된 단위 시간당 유량 실적 데이터를 근거로 결정되는 매일 반복적이고 규칙적인 주기성분 예측치 계수와, 예측되는 24시간의 기상 데이터와 요일인자를 근거로 하여 변동적인 편차성분 예측치 계수의 합으로 예측 파라미터를 결정하는 예측파라미터 결정용 시뮬레이터부(22)와; 용수의 수요예측을 위한 연산 및 데이터 처리 기능을 수행하는 중앙처리장치(23) 및, 상기 예측파라미터 결정용 시뮬레이터부(22)에서 필요로 하는 데이터의 입/출력값을 표시하고 입출력하는 입/출력장치(24)와; 실적데이터부(25)를 통해 유량에 관련된 과거의 실적 데이터, 영향요인 데이터를 입력받고, 상기 예측파라미터 결정용 시뮬레이터부(22)에서 결정된 예측 파라미터를 활용하여 용수의 단위 시간별 수요량을 예측하는 예측 모델기(26)로 구성한 것을 특징으로 하는 용수 처리 시스템의 수요예측 장치.
2. 제1항에 있어서, 예측파라미터 결정용 시뮬레이터부(22)는 시뮬레이션을 수행하기 위한 영향요인 데이터, 단위 시간당 유량실적 데이터를 입력하는 데이터 입력부(31)와; 유량 데이터의 주기성분을 푸리에 급수로 스펙트럴 분석하여 분석 데이터의 평균값, 주기, 진폭, 위상각 등을 계산하는 주기성분 예측 분석부(32)와; 입력된 단위 시간당 영향요인 실적 데이터를 이용하여 편차성분 모델 예측치 계수를 결정하는 편차성분 예측 분석부(33)와; 주기성분 예측 파라미터와 편차성분 예측 파라미터를 근거로 종합예측을 수행하고 그 결과를 예측 성분 파라미터로 사용 할 것인지를 결정하는 종합예측 검증부(34)로 구성된 것을 특징으로 하는 용수 처리 시스템의 수요예측 장치.
3. 제2항에 있어서, 편차성분 예측 분석부(33)는 유량 분석 데이터의 상호 상관성을 분석하기 위하여 자기 상관계수와 교차 상관계수를 사용하여 데이터의 유의성에 따라 관련 데이터를 분석하는 상호상관 분석부(33A)와; 상기 상호상관 분석부(33A)의 분석 결과로부터, 전이함수 항과 ARIMA항의 분모, 분자 차수를 결정하기 위해, AIC 및 SBC, 카이 제곱 검정에 따라 포트만토 검정값을 활용하는 모델차수 결정부(33B)와; 결정된 전이함수 모델, ARIMA 모델 차수에 따라 해당 계수를 최소 자승법으로 계산하는 모델계수 추정부(33C)로 구성된 것을 특징으로 하는 용수 처리 시스템의 수요예측 장치.
4. 제2항에 있어서, 종합예측 검증부(34)는 평가기준(MAE,MSE)에 따라, 상기 종합예측 결과를 예측 성분 파라미터로 사용할 것인지를 결정하도록 구성된 것을 특징으로 하는 용수 처리 시스템의 수요예측 장치.
5. 용수 처리 시스템에서 수량에 대한 단위 시간당 수요 예측 파라미터를 결정하는 방법에 있어서, 임의의 단위 시간에 대한 유량 실적치 데이터와 영향요인 데이터를 수집하여 분석하고, 그 분석 결과를 근거로 주기성분을 결정하는 제1과정과; 영향 요인 데이터에 대한 상호상관 관계를 분석한 후, 그 결과를 이용하여 모 델 차수를 분석하고, 그 결과를 근거로 모델 계수를 추정하는 제2과정과; 종합된 예측 모델에 의해 실적 유량 데이터와 영향 요인 데이터를 이용하여 평가한 후, 그 평가 결과가 지정된 평가지수를 만족시키면 예측 모델기의 파라미터로 사용하기 위해 저장하는 제3과정을 포함하여 이루어지는 것을 특징으로 하는 용수 처리 시스템의 수요예측 방법.

Images