• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.330-333
• /
• 2019

본 연구는 기존 관중 수 예측에 주로 사용되는 ARIMA 모형과 다른 GKFN(Network with Gaussian kernel functions) 모델을 시계열 모델로 제안하고 여러 변수 간의 상관관계를 분석한 MLP(Multilayer Perceptron) 모델을 각각 따로 만들어 두 가지 RMSE값의 가중치를 결합한 새로운 모델을 최종적으로 제안한다. GKFN 모델은 phase space 분석을 위해 smoothness measure를 측정하고 커널 개수를 늘려가며 학습시키는 방법이다. 또한, MLP 모델은 관중 수에 영향을 주는 여러 변수(날짜, 날씨 등 팀과 관련된 특징들)의 상관관계를 correlation coefficient 값을 이용해 분석하고 높은 상관관계를 가지는 변수들을 이용해 MLP 모델을 만들어 학습하는 것이다. 이를 통해 프로야구팀 기아 타이거즈의 일일 단위 관중 수를 예측하고자 하였다. 관중 수 예측을 통해 구단과 관객 모두 긍정적인 활용이 가능할 것이다. 훈련 자료는 2010년부터 2018년까지 9년 동안 기아 타이거즈의 일별 관중 수를 자료로 하였다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1243-1249
• /
• 2019

특정한 이벤트나 콘텐츠를 즐기기 위해 모인 사람들을 관중 또는 관객이라고 하고, 모임의 특성에 따라 다양한 성향을 나타낸다. 그러한 차이점은 있지만, 일반적으로 관중 수는 경영적인 측면과 직결되는 요소로써, 관람료부터 다른 시설의 이용료 등 다양한 수입을 통해 콘텐츠 판매를 위한 안정적인 재정 운영을 가능케 한다. 따라서 관중 수에 대한 예측은 마케팅과 예산 전략 수립에 주요한 요소로 활용될 수 있다. 본 연구에서는 관중 수에 대한 예측을 위한 여러 가지 기존 모델을 검토하고, 그 중에서 효율적인 머신러닝 모델을 제안하고자 한다. 또한 딥러닝과 랜덤포레스트 모델을 혼용하여 일별 관중 수 예측과 비정상적 관중 수 예측에 대한 연구를 진행하였다.

• 문화기술의 융합
• /
• 제10권3호
• /
• pp.131-135
• /
• 2024

한국에서 야구는 프로 스포츠 종목 중 가장 많은 관중 수를 동원하고 있다. 특히 수입 대부분이 입장 수입이기 때문에 관중 수가 무엇보다 중요하다. 기존 연구는 타 종목이나 모든 구장을 동시에 고려하고 있어 구장 별 관중수를 예측이 쉽지 않다는 한계가 존재한다. 예를 들어 기아 타이거즈는 국내 구단 중 가장 높은 원정 수입을 보이는데에 반해 낮은 홈 수입을 보인다. 따라서, 본 연구에서는 딥러닝(Deep Learning)을 사용하여 기아 타이거즈의 광주 - 기아 챔피언스 필드의 일별 관중 수를 예측하고자 한다. 2018년~2023년의 광주 - 기아 챔피언스 필드의 일별 관중 수와 날짜, 날씨, 팀과 관련된 변수를 수집하고 전처리한다. 전처리 한 데이터를 활용하여 일별 관중 수를 예측하는 딥러닝기반 선형 회귀모델을 제안한다. 본 연구를 통해 구단의 수익 증대를 위한 기초 자료로 활용할 수 있을 것으로 기대한다.

• 한국콘텐츠학회논문지
• /
• 제8권10호
• /
• pp.278-286
• /
• 2008

본 연구는 프로축구 관중의 라이프스타일이 관람유인요인에 미치는 영향을 규명하기 위하여 프로축구 관중의 라이프스타일이 충성도 및 관람유인요인에 미치는 영향을 규명하고자 하였다. 이러한 연구 목적을 달성하기 위하여 성남종합운동장에서 열린 2007 K-리그 챔피언 결정전 관중 500명을 대상으로 유층집락무선 표집법을 이용하여 표본을 추출하였다. 자료처리는 회수된 설문자료 중에서 기재 내용이 부족하거나 자료검색 과정에서 응답 내용의 신뢰성이 없다고 판단된 것은 분석에서 제외시키고 최종 486명의 자료를 SPSS Win. 12.0 프로그램을 이용하여 개별 통계 처리하였다. 구체적인 통계처리 방법은 조사대상의 일반적 특성을 알아보기 위하여 빈도분석을 실시하였고 라이프스타일, 관람유인요인의 영향을 알아보기 위하여 상관관계분석, 중다회귀분석을 실시하였다. 이상의 연구 방법과 절차를 통해 통하여 프로 축구 관중의 라이프스타일이 관람유인요인에 미치는 영향에 관하여 다음과 같은 결론을 도출하였다. 첫째, 프로축구 관중의 라이프스타일은 충성도(행동적, 태도적)에 영향을 미친다. 둘째, 프로축구 관중의 라이프스타일(레저활동형, 유행추구형, 신세대의식형, 출세지향형)은 관람유인요인(경기장요인, 경기상황요인, 관람비용요인, 관람촉진요인, 위락성요인, 선수요인)에 영향을 미친다.

• 한국식품위생안전성학회지
• /
• 제15권1호
• /
• pp.36-40
• /
• 2000

관중의 추출분획물별과 Bacillus subtilis에 강한 항균활성을 보였던 가자, 정향, 단삼, 관중의 추출 용매별 (ethanol과 물)로 식품 부패성 미생물인 Staphylococcus aureus, Escherichia coli, Bacillus subtilis, Pseudomonase fluorescence에 대한 항균활성을 조사하였던 바 다음과 같은 결론을 얻었다. 1. 가자는 물추출물이, 정향, 단삼 및 관중은 ethanol 추출물이 각각 강한 항균활성을 나타내었으며, 그 중 관중의 ethanol 추출물이 가장 강한 활성을 보였고 그 활성정 도는 인공합성보존류인 안식향산나트륨 (sodium benzoate)보다 실험한 모든 미생물에 대하여 강했다. 2. 관중의 ethanol 추출물의 각분획물에 대한 항균활성은 CHCI$_3$분획물>EtOAc 분획물>BuOH 분획물>물 분획물 순이었다. 3. 관중의 각분획물은 농도 의존적으로 미생물의 성장 억제효과가 있었으며, 그 억제효과에 대한 기작은 살균작용에 의한 것이라기보다는 정균작용에 의한 것으로 사료된다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권6호
• /
• pp.1041-1049
• /
• 2010

한국프로야구에서 관중수는 프로야구 발전을 위한 가장 큰 수입원이며 프로야구팀의 관심사이므로 수요예측 모형이 있다면 프로야구구단들은 관중유치 전략을 세우는데 도움이 될 것이다. 이러한 이유로 본 연구에서는 한국프로야구 관중수를 예측하는 모형을 제안하고자 하며 제한된 여건 속에서 관중수에 영향을 미치는 이용 가능한 대부분의 변수들을 고려하였다. 종속변수는 로그관중수로 두고 다양한 독립변수와 오차항의 분산을 등분산, 조건부 이분산을 가정한 여러 가지 일반화 자기회귀 모형, 오차항의 분포가 t분포를 따른다는 가정을 이용한 일반화 자기회귀 조건부 이분산 모형들을 서로 비교하였는데, 그 결과 고려된 모형 중에서는 t분포를 가정한 일반화 자기회귀 조건부 이분산 모형이 가장 예측력이 뛰어났다.

• 전기산업
• /
• 제8권2호
• /
• pp.58-74
• /
• 1997

• 전기산업
• /
• 제8권3호
• /
• pp.68-77
• /
• 1997

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.657-659
• /
• 2010

관중의 근경, 감초의 뿌리, 고삼의 뿌리, 진피의 과피로 부터 에탄올로 추출물을 분리하였다. 이들 4종류의 에탄올 추출물을 이용하여 Streptococcus mutans에 대한 항균활성을 조사하였다. 그 결과 관중의 근경, 감초의 뿌리, 고삼의 뿌리는 Streptococcus mutans에 대하여 항균활성을 나타냈다. 그 중 관중과 고삼의 추출물 300ug/disk 농도는 Streptococcus mutans에 대한 뚜렷한 항균활성을 나타냈다.l 이 결과 관중의 추출물은 Streptococcus mutans에 대한 황균 활성물질로 잠재성이 있음을 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.920-923
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 분석에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial Neural Network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 인공신경망의 가장 기본적인 종류인 전방향 신경망(Feedforward Neural Network)의 초모수(Hyperparameter) 선정에 그리드 탐색(Grid Search)을 적용하여 최적의 모형을 찾고자 하였다. 훈련 자료로는 2015년 3월부터 8월까지의 일별 KBO 관중 수 자료를 대상으로 하였고, 예측력 검증을 위해 2015년 9월 관중 수를 예측하여 실제 관측값과 비교하였다. 그 결과, 그리드 탐색법에서 최적 모형이라고 판단한 모형의 예측력은, 평균 절대 백분율 오차(MAPE) 기준으로 평균 27.14% 였다. 또한, 앙상블 기법에서 착안하여 오차율이 낮은 모형 5개의 예측값 평균의 MAPE는 평균 28.58% 였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 14%, 13.6% 높은 예측력을 보이고 있다.