본문 바로가기
KERD
논문

우리나라 단기 가스 소비량 예측에 있어서 Grey Neural Network 활용 가능성 분석

An Application of Grey Neural Network for Forecasting Short-term Natural Gas Consumption of Korea

김진수|박성준
한국자원공학회 (The Korean Society of Mineral and Energy Resources Engineers)|2016.02|한국자원공학회지 (Journal of the Korean Society of Mineral and Energy Resources Engineers)|제53권 제1호|pp. 78-87

2

조회

0

다운로드

0

인용

0

참고문헌

키워드

한국Korea예측ForecastingGas consumption가스 소비Grey 신경망Grey neural network
주제분류자원공학

초록

최근 셰일가스 개발로 인하여 천연가스 공급이 증가한 반면 수요는 침체되어 가격이 많이 하락한상황이다. 따라서 에너지 시장 변화와 지정학적 영향, 기후변화 대비 전략을 고려하여 보다 안정적으로 가스수급 전략을 재편할 필요가 있으며, 이를 위하여 보다 정확한 가스 소비량 예측이 중요하다. 이에 본 연구에서는한국의 단기 가스 소비량 예측을 위하여 Grey 신경망(GNN)을 구성하였다. 1997년 1월～2014년 6월의 월별가스 소비량 자료로 실증 분석을 수행하였으며, 인공신경망, Grey 모형, GNN, hybrid GM-ANN의 평균제곱근오차를 비교하였다. 분석 결과 가스 소비량 예측 시 GNN의 설명력이 가장 높은 것으로 나타났다.

Abstract

Due to recent shale gas boom and recession, natural gas prices are placed at low level. It is thus necessary to establishing new strategy for stable natural gas demand and supply considering changes in energy markets, geopolitical situation, and actions for a climate change. In the light of this, a more accurate forecasting of natural gas consumption is important. Therefore, we setup a Grey Neural Network (GNN) model to forecast Korean natural gas consumption. For empirical analysis, gas consumption data from January 1997 to June 2014 was gathered and a root mean squared error of artificial neural network (ANN), Grey model (GM), hybrid GM-ANN, and GNN models were compared. As a result, the GNN model showed the best forecasting power.

참고문헌 (32)

  1. BP, "Bp energy outlook 2035", BP p.l.c. 2015, ~ (2015)
  2. Brown, R.H, "Development of artificial neural network models to predict daily gas consumption, Industrial Electronics, Control, and Instrumentation, 1995", Proceedings of the 1995 IEEE IECON 21st International Conference on, pp.1389~1394 (1995)
  3. Brown, R.H, "Development of feed-forward network models to predict gas consumption", Neural Networks, 1994. IEEE World Congress on Computational Intelligence., 1994IEEE International Conference on, pp.802~805 (1994)
  4. Cooper, J.C.B, "Artificial neural networks versus multivariate statistics: An application from economics", Journal of Applied Statistics, 26(8), pp.909~921 (1999)
  5. Dahai, Z, "Power load forecasting based on grey neural network", Industrial Electronics, 2008. ISIE 2008. IEEE International Symposium on, pp.1885~1889 (2008)
  6. Deng, J.L, "Introduction to grey system theory", J. Grey Syst, 1(1), pp.1~24 (1989)
  7. Dombaycı, Ö.A, "The prediction of heating energy consumption in a model house by using artificial neural networks in denizli–turkey", Advances in Engineering Software, 41(2), pp.141~147 (2010)
  8. Dutta, S, "Bond rating: A nonconservative application of neural networks", Neural Networks, 1988., IEEE International Conference on, pp.443~450 (1988)
  9. Korea, south, international energy data and analysis, "EIA", The U.S. Energy Information Administration, ~ (2014)
  10. Gorucu, F.B, "Artificial neural network modeling for forecasting gas consumption", Energy Sources, 26(3), pp.299~307 (2004)
  11. Hongwei, M, "Grey predictive on natural gas consumption and production in china", Web Mining and Web-based Application, 2009. WMWA '09. Second Pacific-Asia Conference on, pp.91~94 (2009)
  12. Hsu, C.-C, "Applications of improved grey prediction model for power demand forecasting", Energy Conversion and Management, 44(14), pp.2241~2249 (2003)
  13. IEA, "Natural gas information 2013" (2013), International Energy Agency
  14. Jin, J, "Forecasting and event matching of natural gas price using wavelet decomposition", 38th IAEE International Conference, pp.1~ (2015)
  15. Karimi, H, "Artificial neural networkbased genetic algorithm to predict natural gas consumption", Energy Systems, 5(3), pp.571~581 (2014)
  16. Khotanzad, A, "Natural gas load forecasting with combination of adaptive neural networks", Neural Networks, 1999. IJCNN '99. International Joint Conference on, pp.4069~4072 (1999)
  17. Khotanzad, A, "Combination of artificial neural-network forecasters for prediction of natural gas consumption", Neural Networks, IEEE Transactions on, 11(2), pp.464~473 (2000)
  18. Kim, D.S, "Neural networks theory and applications" (2005), Jinhan M＆B
  19. Kim, T, "Box office forecasting using machine learning algorithms based on sns data", International Journal of Forecasting, 31(2), pp.364~390 (2015)
  20. The rise of shale gas and russia's countermeasures, "Lee, K.H", KIEP, ~ (2013)
  21. 박성준, "단기 천연가스 가격 예측에 있어서 인공신경망의 활용에 대한 연구", 한국자원공학회지, 51(6), pp.761~770 (2014), 한국자원공학회[DOI]
  22. Park, S, "Forecasting of natural gas consumption using hybrid grey-ann method", 38th IAEE International Conference, pp.1~ (2015)
  23. Salchenberger, L.M, "Neural networks: A new tool for predicting thrift failures*", Decision Sciences, 23(4), pp.899~916 (1992)
  24. Shin, Y, "The impacts of shale gas on energy market and industry", KIET Industrial Economic Review 2013, pp.58~66 (2013)
  25. The impacts of shale gas revolution on korea industries and implications, "Shin, Y", KIET, ~, pp.KIET Research Report 2013 (2013)
  26. Suykens, J, "Modelling the belgian gas consumption using neural networks", Neural Processing Letters, 4(3), pp.157~166 (1996)
  27. Tonković, Z, "Predicting natural gas consumption by neural networks", Tehnički vjesnik, 16(3), pp.51~61 (2009)
  28. Viet, N.H, "Neural and fuzzy neural networks in prediction of natural gas consumption", Neural, Parallel & Scientific Computations, 13(3), pp.265~286 (2005)
  29. Yidan, H.Y.B, "Grey-markov forecasting model and its application", Systems Engineering-theory & Practice, 4, pp.12~ (1992)
  30. South korea's 11th long-term natural gas supply, "demand plan", Yoon, J, 2013
  31. Yu, F, "A short-term load forecasting model of natural gas based on optimized genetic algorithm and improved bp neural network", Applied Energy, 134, pp.102~113 (2014)
  32. Zhang, G, "Forecasting with artificial neural networks:: The state of the art", International Journal of Forecasting, 14(1), pp.35~62 (1998)

관련 논문AI추천

단기 천연가스 가격 예측에 있어서 인공신경망의 활용에 대한 연구김진수, 박성준한국자원공학회 · 한국자원공학회지2014 · 제51권 제6호데이터 기반 인천항 LNG 수요예측 모형 개발: 시계열분석 및 인공신경망 모형 비교연구김범수, 신광섭사)한국빅데이터학회 · 한국빅데이터학회 학회지2023 · 제8권 제2호인공신경망을 활용한 LNG 운임예측안영중, 임상섭한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2022 · 제27권 제7호비선형 모형을 이용한 천연가스 수요 전망김진수, 진정환한국자원공학회 · 한국자원공학회지2013 · 제50권 제3호천연가스 수요의 변동성 예측 모형 －가정용 수요를 중심으로－배유진, 정재우한국산업경영학회 · 경영연구2017 · 제32권 제3호인공 신경망 기반의 고시간 해상도를 갖는 전력수요 예측기법문지훈, 박진웅, 황인준한국정보처리학회 · 정보처리학회 논문지2017 · 제6권 제11호

이 간행물의 다른 논문 (7건)

공정 시뮬레이터를 이용한 광산배수 중화침전 공정 평가서의영, 임길재, 정영욱, 지상우, 허원pp. 1-9GCAM을 이용한 건물부문 실내온도 규제의 효과 분석ZULFIKAR YURNAIDI, 백민호, 김수덕, 오재익pp. 10-18중동국가의 경제성장과 석유소비 및 석유수출 간의 관계에 대한 실증분석허은녕, Zaid Yahya Abdulkader, 최고봉pp. 19-35울릉도 복합전력시스템 보급타당성 분석김수덕, 백민호pp. 36-43석면 오염 토양의 위해성평가 방법 연구차종문, 배나영, 정명채pp. 44-52
원문 보기