수도시설 통합감시제어에 있어 수요예측율 향상을 위한 데이터 보정기법 연구

Alternative Title
Reserch for repair methods of water demand data in integrated control system of waterworks
Author(s)
임상희
Alternative Author(s)
Lim, Sang-Heui
Advisor
金榮吉
Department
산업대학원 정보전자공학과
Publisher
The Graduate School, Ajou University
Publication Year
2011-02
Language
kor
Keyword
데이터 보정기법
Abstract
본 논문에서는 수도시설 통합운영시스템의 수요예측 알고리즘에서 사용되는 인자 데이터의 검정 및 보정 기법을 연구하고 최적의 모델을 도출하기 위해 수도권광역상수도 수지정수장의 2010년도 유출유량 실적데이터를 사용해 시간대별 오차의 표준편차를 이용하여 이상치를 판정하고, 오결측이 발생하였을 때 과거의 데이터를 이용하여 이동평균, 신경망, 다항식 회귀식 등을 활용하여 오결측 데이터를 보정할 수 있도록 하였다. 시뮬레이션 결과 이상치 판정은 유출유량 실적값의 3배 표준편차를 적용했을 때 운영범위를 벗어난 데이터와 하루 동안 변하지 않은 데이터를 이상적으로 검출하고, 이에 따라 이상치로 검출된 오결측 데이터의 보정은 시간별 결측치로 다중회귀 알고리즘을 활용한 보정 기법 및 신경망 알고리즘을 활용한 보정 기법이 예측율이 높게 나타났으며, 시간별 누적 결측치로 다중회귀 알고리즘을 활용한 보정 기법 및 3일 실적 평균값을 활용한 보정 기법의 예측율이 높게 나타났다. 또한 1시간 결측시 다중회귀 보정방식이 7.503%, 실적치 데이터가 7.456%, 오결측 발생이 12.965%의 수요예측 오차가 발생함으로 본 논문에서 제시한 다중회귀 알고리즘을 활용한 보정 기법을 적용한 경우 5.462% 정도의 수요예측율을 개선하여 수도시설의 효율적 운영에 기여할 수 있을 것으로 기대한다.
Alternative Abstract
In this thesis, methods for verification and repair of all the data used in the demand forecasting algorithm of the water service integrated operating system are proposed. In order to derive the optimal model, outflow real data in 2010 of Su-ji purification plant among regional waterworks in the capital area are used. In this thesis, the abnormal data are judged by using mean and standard deviation for each time zone and various methods such as the moving average, neural network, and multiple regression model are proposed to correct the abnormal/missing data. Simulation results show that the abnormal judgment is well performed in predefining the minimal and maximal regions as around three times of standard deviation from the average for each time zone. As a same manner,simulation results also show that repair methods employing neural network and multiple regression models are better than any other repair methods in terms of success rate of next demand prediction for the same day. The repair methods employing multiple regression model and average for three past days provide better performance in terms of success rate of demand prediction for the next day. Besides, if it assumes that the missing data occurs for each I hour, the repair method with multiple regression models provides the demand forecasting error rate of 7.503 %, whereas the demand forecasting error rate is 7.456 % without missing data and 12.965 % with missing data. Repair method with multiple regression model proposed in this thesis improve forecasting accuracy about 5.462 %. Consequently, it is expected that the proposed abnormal judgment methods and repair methods are enable to be applied for efficient management of waterworks.
URI
https://dspace.ajou.ac.kr/handle/2018.oak/10289
Fulltext

Appears in Collections:
Special Graduate Schools > Graduate School of Science and Technology > Department of Information and Electronics Engineering > 3. Theses(Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse