KR20060093079A - 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템 - Google Patents
지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템 Download PDFInfo
- Publication number
- KR20060093079A KR20060093079A KR1020060055532A KR20060055532A KR20060093079A KR 20060093079 A KR20060093079 A KR 20060093079A KR 1020060055532 A KR1020060055532 A KR 1020060055532A KR 20060055532 A KR20060055532 A KR 20060055532A KR 20060093079 A KR20060093079 A KR 20060093079A
- Authority
- KR
- South Korea
- Prior art keywords
- term
- long
- demand
- model
- water supply
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000007774 longterm Effects 0.000 claims abstract description 59
- 239000008399 tap water Substances 0.000 claims abstract description 27
- 235000020679 tap water Nutrition 0.000 claims abstract description 27
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000013277 forecasting method Methods 0.000 claims abstract description 10
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 5
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 abstract 1
- 239000006260 foam Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 1
- 238000001772 Wald test Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 광역 상수도 시스템의 장기 계획 수립을 위한 지역별 장기 상수도 수요예측 방법에 관한 것으로, 특히 시간변동계수를 갖는 공적분 모형을 이용함으로써, 상수도 시스템의 장기 상수도 수요량을 효과적으로 예측하는 방법에 관한 것이다. 종래에는, 단기 혹은 장기 수요량을 예측하는 기법들 중에 시간변동 계수를 갖는 공적분 모형을 이용한 수요 예측 기법들에 대한 연구는 있었지만, 장기 상수도 수요의 변화에 영향을 미치는 기술의 진보, 경제 구조 변화, 상수도 정책 변화, 상수도 소비 성향 변화의 효과를 정확히 추정하는 방법이 발명되지 않아 종래의 방법을 통한 예측에는 오차가 많았었다. 따라서 상기 장기 상수도 수요의 변화의 효과를 정확히 추정할 수 있는 방법의 개발이 절실히 요구된다. 또한, 종래에는 장기 상수도 수요를 예측하는 시스템 소프트웨어가 기존재하지 않아 장기 상수도 계획 수립에 어려움이 있었다. 따라서 장기 상수도 수요 예측에서 높은 정확성을 갖는, 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 예측 방법 및 시스템의 개발이 필요하다. 본 발명 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요예측방법에 의하면, 시계열 모형식을 구현하여 이로부터 장기 상수도 수요량 예측을 수행하고, 상수도 수요에 영향을 미치는 주요 성분을 정의하며, 낮은 오차범위 내에서 정확하게 예측을 수행 할 수 있는 효과가 있다.
상수도 수요예측, 푸리에 플렉서블 폼, 공적분
Description
도 1은 본 발명에 따른 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요 예측 방법의 흐름도이다.
도 2는 본 발명에 따른 공적분 라이브러리와 시간변동계수 모듈의 작동원리를 개략적으로 나타낸 흐름도이다.
도 3은 본 발명에 따른 장기 상수도 수요예측 시스템의 운용 과정을 나타낸 흐름도이다.
본 발명은 광역 상수도 시스템의 장기 계획 수립을 위한 지역별 장기 상수도 수요예측 방법에 관한 것으로, 특히 시간변동계수를 갖는 공적분 모형을 이용함으로써 지역별 장기 상수도 수요량을 효과적으로 예측하는 장기 상수도 수요 예측 방법에 관한 것이다.
일반적으로 상수도 시설은 도시의 제반활동을 유지하는데 필수적이며, 도시 의 인구집중, 생활수준의 향상, 경제성장 등의 사회 경제학적 요소에 따라 영향을 받는 기반시설로써, 양질의 물을 안정적으로 공급하도록 요구된다. 이를 위해서는 상수도의 총괄적인 유지관리 계획이 필요하며, 향후 도시의 인구발전의 추이, 생활수준의 변화 양상, 경제 성장 등의 요소를 고려한 지역별 장기 상수도 수요의 효과적인 예측이 필요하다.
종래에는, 단기 수요를 예측하는 방법으로 데이터 Granulization 기법, 중회귀, ARIMA, 칼만필터 모델 기법 등이 다양하게 사용되고 있다. 장기 수요를 예측하는 방법으로는 AR모형, Fixed Effect모형, SUR모형에 대한 연구가 이루어지고 있지만 실무적으로는 원단위 분석 방법이 보편적으로 사용되고 있다. 또한 일반적으로 장기 예측과 단기 예측은 예측 모델에 있어서 상이하다. 장기 수요에 영향을 주는 변수와 단기 수요에 영향을 주는 변수가 서로 다르고, 변수들의 영향력도 서로 다르게 나타나므로 본질적으로 단기 예측과 장기 예측은 구분된다. 예를 들어, 장기예측 모형으로 단기 예측을 시행하거나 단기 예측 모형으로 장기 예측을 하는 경우와 마찬가지로, 각기 다른 목적을 가진 두 모형이 혼용되어 사용될 수 없으며 예측 시에는 목적에 부합하는 모형을 상정하여야 한다.
상기와 같이, 종래에는 단기 수요 예측 기법과 장기 수요 예측 기법 중, 시간 변동 계수를 갖는 공적분 모형을 이용하여 장기 상수도 수요량을 예측하는 기법에 대한 연구는 있었지만, 장기 상수도 수요의 변화에 영향을 미치는 기술의 진보, 경제 구조 변화, 상수도 정책 변화, 상수도 소비 성향 변화의 효과를 정확히 추정하는 방법이 발명되지 않아 종래의 방법을 통한 예측에는 오차가 많았었다. 따라서 상기 장기 상수도 수요의 변화의 효과를 정확히 추정할 수 있는 방법의 개발이 절실히 요구된다.
또한 종래에는 지역별 장기 상수도 수요를 예측하는 시스템 소프트웨어가 기존재하지 않았다. 이에 따라 종래에는 상수도 시스템의 장기 계획 수립 시에 장기 수요 예측이 주로 수작업을 통한 원단위 분석법이 사용되었으며, 많은 인력과 시간이 소요되었다. 따라서 지역별 장기 상수도 수요 예측에서 높은 정확성을 갖는, 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 예측 방법 및 시스템의 개발이 절실히 요구되고 있는 실정이다.
따라서 본 발명의 목적은 상수도의 총괄적인 유지 관리 계획을 수립하기 위하여 지역별 장기 상수도 수요량을 효과적으로 예측하기 위해 시간변동계수를 갖는 공적분 모형을 이용한 지역별 장기 상수도 수요 예측 방법을 제공하는 것을 목적으로 한다.
본 발명의 상기 및 그 밖의 다른 목적과 새로운 특징에 대해서는 아래의 발명에 대한 상세한 설명과 아래의 도면을 참조하면 보다 명백해질 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요 예측 방법은, 예측지역의 자료를 취합하고 분석하는 단계(S1), 상기 데이터를 이용하여 공적분 모형의 각 파라미터를 계산하는 단계(S2) 및 예측 모형을 생성하는 단계(S3), 그리고 상기 계산한 각 파 라미터를 아용하여 분석을 위한 출력 데이터를 생성하는 단계(S5)를 포함하여 이루어진다.
또한, 예측 모형의 정확도를 높이기 위하여 모형간의 비교를 통해 최적의 파라미터를 선택할 수 있도록 예측 실험을 반복적으로 시행하여 예측력을 사전에 확인해 보는 반복 예측 실험 단계(S4)를 포함한다.
단계 S2는 실적치를 토대로 상수도 수요를 인구변수, GDP, 경제변수 등의 적절한 설명변수를 통하여 시간변동 계수를 갖는 공적분 모형으로 적합하는 과정이다. 본 발명에서는 단위근을 갖는 시계열 사이의 관계를 다음과 같은 시간변동계수를 갖는 다음과 같은 공적분 회귀모형(cointegrating regression with time varying coefficients)으로 설정하고 추정한다.
여기서 y t 는 상수도 수요 변수를 x t 는 상수도 수요를 설명하기 위한 경제 변수를 나타내며, u t 는 정상 시계열이 된다. 이렇게 추정된 공적분 관계는 상수도 수요와 다른 변수들 사이의 장기 균형 관계(longrun equilibrium)를 나타낸다. 일반적으로 많은 경제 시계열들은 단위근(unit root)을 갖는 것으로 알려져 있으며, 상수도 수요 시계열도 이와 매우 비슷한 모습을 보이고 있다. 단위근을 갖는 시계열은 정상 시계열과는 다른 성질을 가지고 있기 때문에 보통의 회귀 모형으로 분석하게 되면 잘못된 결과가 나오게 된다. 따라서 단위근을 갖는 상수도 시계열의 경우 공적분 모형을 이용하여 시계열 모형을 설정하고 분석하는 것이 타당하다.
특히, 본 발명에서는 공적분회귀식의 효율적인 추정을 위해서 정준공적분회귀(Canonical Cointegrating Regression : CCR) 모형을 사용한다. 정준공적분회귀(CCR) 모형은 변환된 시계열로 이루어진 다음과 같은 공적분회귀식에 근거하고 있다.
상기의 변환식에서 볼 수 있는 바와 같이 y t 의 변환식에는 두 가지 항이 포함되어 있다. 처음 항은 공적분 오차항과 설명변수 간의 확률적 관계를 점근적으로 독립이 되게 만들며, 시계열 변환 전의 공적분회귀식을 최소자승법으로 추정하는 경우에 발생하는 점근적 편의(asymptotic bias)를 두 번째 항이 제거하게 된다.
이제 식 [1.2]로부터
로 주어지는 CCR 오차항 u * t 를 구할 수 있는데, 이는 변환 전 공적분회귀식의 오차항과 크게 다르다. CCR 오차항의 장기분산은 식 [1.4]이 된다.
이제 식 [1.2]로 주어진 정준공적분회귀식(CCR)의 OLS 추정량을 CCR추정량이라 하고 로 표기하면, 이 추정량은 최우추정량과 동일한 극한 분포를 가진다는 점에서 효율적인 추정량이 된다. 최우추정량과 동일한 극한 분포를 가진다는 것 은 이므로 쉽게 알 수 있다. 즉, CCR 오차항 u * t 는 식 [1.3]에서 알 수 있듯이 x * t 와 점근적으로 독립이다. 따라서 CCR 변환도니 공적분 회귀식의 OLS 추정은 점근적 우도 (asymptotic likelihood)를 극대화하게 되며, 이러한 이유에서 최소자승추정량이 최우추정량이 된다.
CCR 추정량의 극한 분포는 분산이 식 [1.4]의 ω 2 *인 혼합정규분포(mixed normal distribution)로 주어지며, 이로 인해 통상적인 t-검정통계량을 사용하는 것이 유효하게 된다. 또한 Rβ = r 로 주어진 귀무가설에 대한 통상적인 왈드(Wald) 검정 통계량의 극한 분포는 CCR 추정량과 ω 2 *를 사용하는 경우 역시 점근적으로 χ2분포가 된다. 장기균형관계를 나타내는 일반적인 최소자승 추정량(OLS)은 초일치성(super-consistency)의 통계적 성질을 갖는다는 것이 알려져 있으므로, 이 추정량으로부터 장,단기 분산들의 일치추정량을 구하는 것은 문제가 없다. 그러나 장기모수 CCR 추정량이 OLS추정량에 비해 점근적으로 불편추정량이고 효율적이므로 이러한 CCR 추정치를 가지고 CCR 변환을 한 번 더 해서 공적분 벡터를 추정하는 것이 소표본에서 더 나은 결과를 가져다 준다.
본 발명 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요 예측 방법에서는 상기 설명한 정준공적분회귀(CCR) 모형을 사용하며, 도 2의 공적분 라 이브러리(S6)에서 상기 정준공적분회귀(CCR)모형을 연산하게 된다. 본 발명에서는 공적분 라이브러리(S6)를 통해 장기모수 CCR 추정량을 추정함으로서 장기 상수도 수요량을 낮은 오차율에서 정확하게 예측할 수 있다.
또한, 본 발명에서는 보다 엄밀하게 지역별 시간변동계수를 추정하기 위하여 기저함수를 푸리에 플렉서블 폼(fourier flexible form) 으로 놓고 지역별 시간변동계수를 추정한다. 상수도 수요와 사회 경제학적인 변수 사이에 장기적으로 안정적인 관계가 있다고 상정할 수 있으므로, 그들을 공적분 관계로 모형화한다. 공적분 모형에서의 파라미터는 상수도 수요와 입력 변수간의 장기적 균형관계를 의미한다. 일반적으로 주어진 변수들 사이의 관계를 매우 긴 기간동안 분석하고자 할 때 이들 사이의 관계가 고정된 것으로 보기보다는 시간에 따라서 변화하는 것으로 보는 것이 타당하다. 예측력에 있어서도 이를 고정계수로 두는 것 보다 시간에 따라 변화하는 시간변동계수(time varying coefficient)를 사용하는 것이 예측력이 높다. 따라서 본 발명에서는 시간변동계수를 사용하여 장기 상수도 수요량을 예측한다.
시간변동계수는 상기의 공적분 모형에서 볼 수 있듯이, 식[1.1]의 β t 가 이에 해당한다. 종래에는 예측 모형에서 다음 수학식 2와 같이 고정 계수(fixed coefficients)를 갖는 모형을 이용하였다.
이러한 모형에서는 고려하는 기간동안 탄력성이 고정되어 있다는 가정 하에 상수도 수요와 경제변수의 관계를 분석한다. 이러한 모형으로는 탄력성이 변하는 것을 반영할 수 없으며, 따라서 예측 정확도도 떨어질 수밖에 없다.
본 발명에서는 보다 정확한 값을 갖는 시간변동계수를 추정하기 위해서 식 [1.5] 와 같이 고정계수 β 로 두는 것이 아니라 시간에 따라 변하는 시간변동계수 β t 로 놓고 다음과 같은 식으로 추정한다.
본 발명에서는 시간변동계수 β t 를 추정하기 위하여 시리즈 추정법을 이용하고 있다. 시리즈 추정법은 함수를 여러 개의 기저 함수(basis function)로 추정하는 것이다. 적절한 가정 하에서 임의의 함수는 여러 개의 기저함수로 추정될 수 있다는 사실을 이용한 것이다.
특히, 본 발명에서는 기저함수를 fourier flexible form으로 놓고 시간변동계수를 추정한다. fourier flexible form은 선형 함수(linear function)와 사인 코사인 등의 삼각함수(trigometric function)로 구성된다.
시간에 따라서 변하는 시간변동계수 β t 는
와 같이 쓸 수 있다. 여기서 T는 자료 수를 의미하며, β 는 [0,1]에서 정의된 부드러운 함수(smooth function)이다. β 가 충분히 부드럽고(sufficiently smooth) 자료 수가 충분히 크다면, β 는 다항식함수와 삼각함수의 합으로 잘 근사 될 수 있다. 상수도 예측 모형에서는 선형 추세함수와 주기가 T인 삼각함수 한 쌍을 이용하여 시간변동계수를 추정하고 있다. 구체적으로 상수도 예측 모형에서는 공적분 회귀모형식을 추정한 뒤에 β 1 ,β 2 ,β 3 ,β 4 의 추정치를 얻고, 이를 이용하여 시간변동계수 를
로 추정한다.
본 발명에서 상수도 수요 예측 모형은
와 같은 공적분 모형으로 상수도 수요와 전국 총 판매량 간의 장기 균형관계를 설정한다. 여기서 WATERt 는 상수도 수요를, PRICEt 는 상수도 가격이다. POP t 는 인구변수를, GDP t 는 GDP변수를 나타내며, DUM t 는 시계열 상의 구조변화를 반영하기 위한 연도별 더미변수이다.
이러한 본 발명 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요 예측 방법에서는 상기 설명한 푸리에 플렉서블 폼을 이용한 시간 변동 계수 추정 방법을 사용한다. 상기 추정방법은 도 2의 시간변동계수 모듈(S7)에서 연산이 이루어지게 된다. 또한 본 발명에서의 시간 변동 계수 추정 방법을 통해 상수도 수요와 사회 경제학적 변수 간의 탄력성(elasticity)을 지역별로 비선형적으 로 추정함으로서 지역별 장기 상수도 수요의 변화에 영향을 미치는 기술의 진보, 경제 구조 변화, 상수도 정책 변화, 상수도 소비 성향 변화의 효과가 시간에 따라 변화하는(time varying) 사실을 잘 반영할 수 있으며, 따라서 상수도 수요와 경제변수간의 장기적 관계를 바르게 나타내게 되고, 보다 정확한 예측을 가능하게 한다.
본 발명 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요 예측 방법에서, 공적분 라이브러리와 시간변동계수 모듈을 탑재한 상수도 수요예측 엔진의 구성도는 도 2와 같다. 먼저 데이터 매니저 단계에서 데이터 웨어하우스(S8)에 저장되어 있는 기 축적된 상수도 및 경제자료를 불러오면, 논리연산 시스템이 상기 변수들을 이용하여 공적분 라이브러리(S6)와 시간변동계수 모듈(S7)을 논리 연산 시스템 내부로 불러들여와 공적분 모형의 파라미터를 계산한다. 논리 연산 시스템에 의해 계산된 공적분 파라미터들은 사용자 커스토마이징 단계(S9)로 진행한다.
특히, 사용자 커스토마이징 단계에서는 예측치와 실적치의 차이를 구하여 오차율을 계산하고, 최적이 아닌 경우에 다시 파라미터 계산 부분으로 진행 단계가 회귀하여 계수를 조정함으로서 가장 최적의 모형을 선택하고, 이를 반복적으로 진행하여 예측오차가 작은 모형을 선택한다. 수요예측 단계(S10)에서는 상기 단계에서 사용자가 선택한 모형으로 시간변동계수를 갖는 공적분 파라미터를 계산하고 최종적으로 결과값을 출력함으로써 정확한 상수도 수요 예측값을 연산한다.
본 발명 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수 요 예측 방법에서, 상수도 수요 예측 시스템의 운용과정은 도 3에서와 같다. 사용자가 선택한 지역의 급수 실적 및 경제 데이터를 입력하는 단계(S11)에서 예측지역의 데이터를 취합하고, 데이터 베이스 단계(S12)에서 상기 입력된 데이터를 분석한다. 상기 단계에서 입력 및 분석된 데이터는 데이터 웨어하우스 서버에서 받아들여 지역 수요 실적을 구성하며, 상수도 수요예측 시스템으로 보내지게 되어 지역별 시간변동계수를 갖는 공적분 모형을 이용한 상수도 수요 예측을 실시한다. 상기에서 설명한 도 2의 수요 예측과정에서 연산된 최종 결과값은 시스템 운영자와 분석 사용자, 데이터 관리자의 서버로 보낸다.
상술한 바와 같이 본 발명 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기 상수도 수요예측 방법에 의하면, 시계열 모형식을 구현하여 이로부터 장기 상수도 수요량 예측을 수행하고, 상수도 수요에 영향을 미치는 주요 성분을 정의하며, 낮은 오차범위 내에서 정확하게 예측을 수행 할 수 있는 효과가 있다. 또한 반복적으로 진행되는 반복 예측 실험과정을 통하여 오차율이 가장 작은 모형식을 구함으로서 최적의 예측 모형을 구할 수 있다.
사용자는 예측하고자 하는 지역의 현재 수요와 미래 수요의 예측치를 비교하여 상수도 시설 공급 계획의 안정성을 높일 수 있으며, 자동화된 예측시스템으로 설계된 편리한 사용자 환경을 제공함으로서 종래 수작업으로 예측함으로써 발생될 수 있는 오류를 줄이고, 예측하는 데에 소요되는 시간과 인력 자원을 크게 줄일 수 있다.
Claims (3)
- 고정 계수가아닌 시간 변동계수를 주어 공적분 파라미터를 구하고, 특히 지역별 시간변동계수를 추정하는 방법에 있어, 선형 함수(linear function)와 사인 코사인 등의 삼각함수(trigometric function)로 구성되는 푸리에 플렉서블 폼(fourier flexible form)을 기저함수로 두고 공적분 회귀모형식을 추정한 뒤에 β 1 ,β 2 ,β 3 ,β 4 의 추정치를 얻고, 이를 이용하여 시간변동계수 를상기와 같이 지역별 시간변동계수를 추정함으로서 장기 상수도 수요의 변화에 영향을 미치는 기술의 진보, 경제 구조 변화, 상수도 정책 변화, 상수도 소비 성향 변화의 효과를 지역별로 정확히 추정하고, 상기 방법을 통해 장기 상수도 수요와 경제 변수 간의 비선형적 탄력성(elasticity)을 추정하는 것을 특징으로 하는 지역별 장기 상수도 수요 예측방법.
- 공적분회귀식의 효율적인 추정을 위해서 변환된 시계열로 이루어진 다음과 같은 공적분회귀식에 근거하여,처음 항은 공적분 오차항과 설명변수 간의 확률적 관계를 점근적으로 독립이 되게 만들며, 시계열 변환 전의 공적분회귀식을 최소자승법으로 추정하는 경우에 발생하는 점근적 편의(asymptotic bias)를 두 번째 항이 제거하며, CCR 오차항 u * t 를 으로 갖고, CCR 오차항의 장기분산을 상기와 같이 가지며, 정준공적분회귀식(CCR)의 OLS 추정량을 CCR추정량{}이 최우추정량과 동일한 극한 분포를 가진다는 점에서 효율적인 추정량을 가지는, 정준공적분 회귀(Canonical Cointegrating Regression) 모형을 사용하고, 이에 따라 상수도 수요를 단위근을 갖는 비정상(non-stationary) 시계열로 적합함으로써, 모형의 설명력과 예측력을 향상시키는 것을 특징으로 하는 지역별 장기 상수도 예측 방법.
- 공적분 라이브러리와 시간변동계수 모듈을 탑재한 상수도 수요예측 엔진에 따라 데이터 웨어하우스에 저장되어 있는 기 축적된 상수도 및 경제자료를 불러들여와, 논리연산 시스템이 상기 변수들을 이용하여 자동적으로 공적분 라이브러리와 시간변동계수 모듈을 논리연산 시스템 내부로 불러들여와 공적분 모형의 파라미터를 계산하며, 사용자 커스토마이징 단계를 통해 예측치와 실적치의 차이를 구하는 예측실험을 반복적으로 행하여 오차율을 계산하고, 최적이 아닌 경우에 다시 파라미터 계수를 조정함으로서 가장 최적의 모형을 선택하고, 최종적으로 구해진 최적 모형으로 시간변동계수를 갖는 공적분 파라미터를 계산하고 최종적으로 결과값을 출력함으로써 정확한 상수도 수요 예측값을 자동적으로 연산하여 시스템 운영자와 분석 사용자, 데이터 관리자의 서버와 연동하는 것을 특징으로 하는 상수도 시스템 의 장기 계획 수립을 위한 지역별 장기 상수도 수요 예측 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020060055532A KR20060093079A (ko) | 2006-06-20 | 2006-06-20 | 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020060055532A KR20060093079A (ko) | 2006-06-20 | 2006-06-20 | 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20060093079A true KR20060093079A (ko) | 2006-08-23 |
Family
ID=37594147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020060055532A KR20060093079A (ko) | 2006-06-20 | 2006-06-20 | 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20060093079A (ko) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341346A (zh) * | 2017-06-26 | 2017-11-10 | 华中科技大学 | 一种水文预报方法 |
CN113313317A (zh) * | 2021-06-11 | 2021-08-27 | 哈尔滨工业大学 | 一种基于inla算法的共享单车使用需求预测方法及预测系统 |
CN113837497A (zh) * | 2021-11-04 | 2021-12-24 | 云南电网有限责任公司电力科学研究院 | 一种基于时间序列的电力消费预测方法及系统 |
CN114021294A (zh) * | 2021-11-01 | 2022-02-08 | 武汉荣方科技有限公司 | 一种能源运行负荷预测及预警方法 |
CN116757876A (zh) * | 2023-08-21 | 2023-09-15 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
-
2006
- 2006-06-20 KR KR1020060055532A patent/KR20060093079A/ko not_active Application Discontinuation
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341346A (zh) * | 2017-06-26 | 2017-11-10 | 华中科技大学 | 一种水文预报方法 |
CN113313317A (zh) * | 2021-06-11 | 2021-08-27 | 哈尔滨工业大学 | 一种基于inla算法的共享单车使用需求预测方法及预测系统 |
CN113313317B (zh) * | 2021-06-11 | 2024-04-12 | 哈尔滨工业大学 | 一种基于inla算法的共享单车使用需求预测方法及预测系统 |
CN114021294A (zh) * | 2021-11-01 | 2022-02-08 | 武汉荣方科技有限公司 | 一种能源运行负荷预测及预警方法 |
CN113837497A (zh) * | 2021-11-04 | 2021-12-24 | 云南电网有限责任公司电力科学研究院 | 一种基于时间序列的电力消费预测方法及系统 |
CN116757876A (zh) * | 2023-08-21 | 2023-09-15 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
CN116757876B (zh) * | 2023-08-21 | 2023-11-14 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huerta et al. | Time-varying models for extreme values | |
Chakhchoukh et al. | Electric load forecasting based on statistical robust methods | |
Bańbura et al. | Now-casting and the real-time data flow | |
Nesi et al. | Effort estimation and prediction of object-oriented systems | |
JP5226746B2 (ja) | 変数スコアリングを使用するモデル最適化システム | |
US20160105327A9 (en) | Automated upgrading method for capacity of it system resources | |
CN111310981B (zh) | 一种基于时间序列的水库水位趋势预测方法 | |
US20060218074A1 (en) | Automated trading platform | |
Grimaldi | Linear parametric models applied to daily hydrological series | |
US20170114617A1 (en) | Methods for statistical prediction of well production and reserves | |
Liu et al. | Forecasting the value-at-risk of Chinese stock market using the HARQ model and extreme value theory | |
KR20060093079A (ko) | 지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템 | |
CN112668238B (zh) | 一种降雨量处理方法、装置、设备和存储介质 | |
Silalahi | Forecasting of Poverty Data Using Seasonal ARIMA Modeling in West Java Province | |
CN114222974B (zh) | 使用状态空间模型估计用户界面更改的处理影响 | |
CN116992265B (zh) | 碳排放量估算方法、装置、设备和存储介质 | |
Reggiani et al. | Probabilistic quantitative precipitation forecast for flood prediction: An application | |
Garratt et al. | Real time representation of the UK output gap in the presence of model uncertainty | |
Nieto | A coincident index for the state of the economy | |
CN114564487B (zh) | 预报预测相结合的气象栅格数据更新方法 | |
Schumacher | Forecasting with factor models estimated on large datasets: A review of the recent literature and evidence for German GDP | |
Bortot et al. | Extremes of Markov chains with tail switching potential | |
KR100566438B1 (ko) | 용수 처리 시스템의 수요예측 장치 및 방법 | |
Brito et al. | Estimating flow data in urban drainage using partial least squares regression | |
CN112182864A (zh) | 一种基于氢原子钟漂移情况选择钟差预报的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |