LSTM2 순환 신경망(LSTM)과 CNN을 활용한 고급 시계열 예측 이전 포스팅에서는 Dense 레이어를 기반으로 한 선형 모델과 DNN을 다루었다. 이 모델들은 입력 데이터를 하나의 덩어리로 보고 각 특징에 가중치를 부여해 예측값을 계산했다. 하지만 DNN은 시계열 데이터의 가장 중요한 특징인 순서 정보를 잘 활용하기에는 구조적 한계가 있다. 1번 시점의 데이터가 2번 시점에 영향을 미치고, 이 정보가 3번 시점까지 이어지는 흐름과 맥락을 Dense 레이어는 명시적으로 학습하기 어렵다. 이번 포스팅에서 다룰 순환 신경망(RNN, Recurrent Neural Network)은 바로 이 순서와 흐름을 기억하기 위해 설계된 모델이다. 1. 순서와 맥락을 기억하는 모델: RNN과 LSTMRNN의 기본 개념 - 순환하는 메모리 RNN의 핵심 아이디어는 루프(loop)이다. 모.. 2025. 12. 17. 운영발전계획 예측(2/2) - KSLF와 LSTM 기반 전력 수요 예측 모델 소개이전 글인 운영발전계획 예측(1) - 전력수요 예측에 필요한 변수에서 이어진다.이번 글에서는 일일 전력수요 예측 모델은 어떤 식으로 되어 있는가에 대해서 알아본다. 개인적으로 실제 전력수요보다도 전력거래소의 예측치가 궁금하기 때문에 이 주제는 중요하다.수요예측시스템지금까지 알아본 기온 등의 변수들을 가지고 어떻게 수요예측을 하는가?일단, '수요예측시스템' 이라는 것을 사용하라고 전력시장운영규칙에 명시가 되어 있다. 전력수요예측은 수요예측시스템을 이용하고,수요 예측 담당자는 시스템의 예측기법을 선택, 적용하여 가격결정발전계획용수요를 예측한다.단, 운영발전계획용 수요예측은 기상, 사회적 요인등을 고려하여 보정할 수있다. 그렇다면 수요예측시스템이란 또 무엇인가?이에 대해 전력거래소 강의에서 대략적으로 소.. 2025. 5. 18. 이전 1 다음
