[논문]MLR 및 SVR 기반 선형과 비선형회귀분석의 비교 - 풍속 예측 보정

김준봉; 오승철; 서기성

doi:10.5370/kiee.2016.65.5.851

MLR 및 SVR 기반 선형과 비선형회귀분석의 비교 - 풍속 예측 보정
Comparison of MLR and SVR Based Linear and Nonlinear Regressions - Compensation for Wind Speed Prediction 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.65 no.5, 2016년, pp.851 - 856

김준봉 (Electronics Engineering, Seokyeong University) , 오승철 (Omron Korea) , 서기성 (Dept. of Electronics Engineering, Seokyeong University)

Abstract ▼ AI-Helper

Wind speed is heavily fluctuated and quite local than other weather elements. It is difficult to improve the accuracy of prediction only in a numerical prediction model. An MOS (Model Output Statistics) technique is used to correct the systematic errors of the model using a statistical data analysis. The Most of previous MOS has used a linear regression model for weather prediction, but it is hard to manage an irregular nature of prediction of wind speed. In order to solve the problem, a nonlinear regression method using SVR (Support Vector Regression) is introduced for a development of MOS for wind speed prediction. Experiments are performed for KLAPS (Korea Local Analysis and Prediction System) re-analysis data from 2007 to 2013 year for Jeju Island and Busan area in South Korea. The MLR and SVR based linear and nonlinear methods are compared to each other for prediction accuracy of wind speed. Also, the comparison experiments are executed for the variation in the number of UM elements.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 풍속 예측을 위하여 SVR 기반의 선형, 비선형보정기법을 수행하고 선형회귀분석 기반의 보정 기법과 비교하였다. KLAPS 데이터에 대한 서울, 부산, 제주지역 163개 격자점을 대상으로 UM의 64개 인자를 모두 사용한 실험한 결과에서,MLR 기반의 보정 기법의 경우 RMSE가 약 1.

제안 방법

본 논문에서는 이전의 유전 프로그래밍을 이용한 비선형 보정식 접근 대신에 커널 함수를 통해 차원을 높여서 비선형으로 특징 벡터들을 분리하는 SVM(Support Vector Machine)[6] 기반의 SVR(Support Vector Regression)[7] 접근법을 적용한다. 이것은 SVR을 적용한 초기 연구[8]를 확장한 것이다.

대상 데이터

SVR 기반 풍속 예측 실험은 KLAPS(실황자료)[10] 데이터에 대해서 총 163개 격자점을 대상으로 수행하였으며, 예보구간, 발표시각 그리고 사용된 실험 데이터 년도, 기상인자 개수는 다음과 같다.

데이터처리

서울, 부산, 제주지역에 대해서 2007년~2013년의 UM과KLAPS 데이터를 대상으로 SVR의 선형과 비선형 커널함수를 사용하여 풍속 예측의 보정 실험을 수행하고, MLR 기반의 선형 MOS 방식과 비교한다.

성능/효과

본 논문에서는 풍속 예측을 위하여 SVR 기반의 선형, 비선형보정기법을 수행하고 선형회귀분석 기반의 보정 기법과 비교하였다. KLAPS 데이터에 대한 서울, 부산, 제주지역 163개 격자점을 대상으로 UM의 64개 인자를 모두 사용한 실험한 결과에서,MLR 기반의 보정 기법의 경우 RMSE가 약 1.980인 반면, SVR 기반의 비선형(polynomial 커널) 보정기법은 1.796으로 약 0.184(9.3%)정도 향상되었다. 전체적으로 선형에 비해서 비선형 방법인 SVR PLM과 RBF이 우수한 성능을 보였다.
전체적으로 선형에 비해서 비선형 방법인 SVR PLM과 RBF이 우수한 성능을 보였다. 또한, 선형 방법 중에서 SVR linear가 MLR에 비해서 성능이 우수했고, 같은 SVR 군내의 비선형인 PLM, RBF과도 성능이 약간 더 떨어질 뿐 큰 차이를 보이지 않았다.
인자수의 변화 실험에서는 MLR이 인자수 증가에 따라 오차가 감소함을 뚜렷하게 보였으나, SVR linear, PLM, RBF 세 커널은 모두 인자수의 증가에 별 영향을 받지 않거나 오히려 오차가 약간 증가하는 경향을 나타냈다.
3%)정도 향상되었다. 전체적으로 선형에 비해서 비선형 방법인 SVR PLM과 RBF이 우수한 성능을 보였다. 또한, 선형 방법 중에서 SVR linear가 MLR에 비해서 성능이 우수했고, 같은 SVR 군내의 비선형인 PLM, RBF과도 성능이 약간 더 떨어질 뿐 큰 차이를 보이지 않았다.

후속연구

향후, 더 많은 지역에 대한 확장 실험을 통해, 결과의 신뢰성을 높이는 것과, 같은 선형 접근법인 MLR과 SVR linear의 차이가 상당히 나는 현상에 대한 분석이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	회귀분석은 어떻게 사용되는가?	회귀분석은 주어진 데이터 집합으로부터 독립변수와 종속변수 사이의 상관관계를 나타내는 관계식을 구하고, 현재 데이터 집합에 존재하지 않는 새로운 값을 추정하거나 예측하는 데 사용된다. 회귀분석에서 선형과 비선형의 비교는 흥미로운 문제이다.
	MOS란?	MOS(Model Output Statistics)[9]는 수치예보모델의 오차를 줄이는 예보기술로서, 수치예보모델의 계통오차를 설명할 뿐만 아니라, 기상 인자들과 모델 변수들 사이의 통계적 관계를 결정한다. 즉, 식 (1)과 같이 기존 모델에 의한 예측값에 보정값을 합하여 최종 예측값을 구하는 방식이다.
	대부분의 회귀분석에서 선형회귀분석법을 사용하는 이유는?	주요 이유는 다음과 같다. 1) 시스템에 부분적으로는 비선형성이 존재하더라도, 전체적으로는 선형에 가까운 특성을 가진다. 2) 다중 변수의 개수가 많아질 경우, 이들의 선형 결합은 어느 정도 비선형 효과를 포함할 수 있다. 3) 비선형 특성을 가진 시스템을 정확히 표현할 수 있는 비선형회귀분석법을 발견하기 어렵다. 일반적인 비선형회귀 분석은 최고 차수나 회귀식의 구조가 고정되어 있으며, 이러한 제한된 범위 내에서 계수 추정을 통해 오차를 최소화한다.

참고문헌 (11)

S. Weisberg, Applied Linear Regression, 3rd Edition, Wiley, New York, USA, 2003
B. Hyeon, K. Seo, Y. Lee, "Evolutionary Nonlinear Regression Based Compensation Technique for Shortrange Prediction of Wind Speed using Automatic Weather Station", The Transactions of the Korean Institute of Electrical Engineers, vol. 64, No.1, pp. 107-112, 2015

원문보기 상세보기
J, Yi, "A Study on an Estimation of Probable Flood Flow using Ridge Regression", Journal of Korean Society of Civil Engineers, vol. 20, No.1-B, pp.35-43, 2000
C. Park, "Simple Principal component analysis using Lasso", Journal of the Korean data & Information Science Society, vol.24, No.3, pp.533-541, 2013

원문보기 상세보기
D. Kim, and K. Seo, "Comparison of Linear and Nonlinear Regressions and Elements Analysis for Wind Speed Prediction", Journal of Korean Institute of Intelligent Systems, Vol. 25, No. 5, pp. 477-482, 2015

원문보기 상세보기
V. Vapnik, Statistical Learning Theory, Wiley, New York, USA, 1998
V. Vapnik, Three remarks on the support vector method of function estimation, Advances in kernel methods, pp. 25-41, MIT Press, Cambridge, MA, USA, 1999
J. Kim, S. Oh, K. Seo, "Comparison of SVR Based Linear and Nonlinear Regressions for Multiple Elements Model", Proceedings of KIIS Autumn Conference 2015 Vol. 25, No. 2., pp. 69-70, 2015. 10.
H. R. Glahn, D. A. Lowry, "The use of model output statistics (MOS) in objective weather forecasting", J. Appl. Meteor., 11, pp. 1203-1211, 1972
Korea Meteorological Administration, http://www.kma.go.kr.
T. Joachims, SVM-light, svmlight.joachims.org

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

MLR 및 SVR 기반 선형과 비선형회귀분석의 비교 - 풍속 예측 보정
Comparison of MLR and SVR Based Linear and Nonlinear Regressions - Compensation for Wind Speed Prediction 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

MLR 및 SVR 기반 선형과 비선형회귀분석의 비교 - 풍속 예측 보정 Comparison of MLR and SVR Based Linear and Nonlinear Regressions - Compensation for Wind Speed Prediction 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

서기성 (57)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

MLR 및 SVR 기반 선형과 비선형회귀분석의 비교 - 풍속 예측 보정
Comparison of MLR and SVR Based Linear and Nonlinear Regressions - Compensation for Wind Speed Prediction 원문보기

AI 본문요약
AI-Helper