메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이형로 (아주대학교) 신현정 (아주대학교)
저널정보
대한산업공학회 산업공학 (IE interfaces) 산업공학 (IE interfaces) 제24권 제4호
발행연도
2011.12
수록면
351 - 361 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Forecasting of electricity demand have difficulty in adapting to abrupt weather changes along with a radical shift in major regional and global climates. This has lead to increasing attention to research on the immediate and accurate forecasting model. Technically, this implies that a model requires only a few input variables all of which are easily obtainable, and its predictive performance is comparable with other competing models. To meet the ends, this paper presents an energy demand forecasting model that uses the variable selection or extraction methods of data mining to select only relevant input variables, and employs support vector regression method for accurate prediction. Also, it proposes a novel performance measure for time-series prediction, shift index, followed by description on preprocessing procedure. A comparative evaluation of the proposed method with other representative data mining models such as an auto-regression model, an artificial neural network model, an ordinary support vector regression model was carried out for obtaining the forecast of monthly electricity demand from 2000 to 2008 based on data provided by Korea Energy Economics Institute. Among the models tested, the proposed method was shown promising results than others.
#artificial neural network #energy #electricity demand forecasting #feature extraction #variable selection #support vector regression

목차

1. 서론
2. 기존 연구
3. 방법론
4. 실험 및 결과
5. 결론
참고문헌

참고문헌 (29)

참고문헌 신청
1. [단행본] - Bishop, C. M / 2006 / Pattern recognition and machine learning / Springer google schola 2. [학술지(정기간행물)] - Choi, N. H / 2001 / Daily peak load forecasting considering the load trend and temperature / Journal of the Korean Institute of Illuminating and Electrical Installation Engineers 6 (6) : 35 ~ 42 google schola 3. [단행본] - Cristianini, N / 2000 / An Introduction to support vector machines and other kernel based learning methods / Cambridge University Press google schola 4. [단행본] - Hall, M. A / 1999 / Correlation-based Feature Selection for Machine Learning / The University of Waikato Press google schola 5. [학술지(정기간행물)] - 한창희 / 2009 / 전력 수요 예측 관련 의사결정에 있어서기온예보의 정보 가치 분석 / 경영과학 26 (1) : 77 ~ 91 dbpia

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Support Vector Regression에서 분리학습을 이용한 고객의 구매액 예측모형
홍태호 ,  김은미 지능정보연구 2010 .12
단기 전력수요예측 정확도 개선을 위한 수요예측 오차분석
이종욱 ,  위영민 ,  주성관 외 4명 대한전기학회 학술대회 논문집 2010 .11
Lyapunov 지수를 이용한 전력 수요 시계열 예측
박재현 ,  김영일 ,  추연규 한국정보통신학회논문지 2009 .08
주거에서 가전기기 사용에 따른 장기 수요전력 전망 연구
정영선 대한건축학회 논문집 - 계획계 2013 .09
센서스 정보 및 전력 부하를 활용한 전력 수요 예측
이헌규 ,  신용호 한국산업정보학회논문지 2013 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2013-530-003634646