• 전자공학회논문지
• /
• 제53권1호
• /
• pp.71-78
• /
• 2016

본 논문은 인공 신경망에 기반을 둔 새로운 전력 수요 예측 모델을 제시한다. 인공 신경망 입력 변수로 시간과 날씨요소를 고려하였다. 시간 요소는 하절기와 동절기 전력수요 데이터의 자기 상관계수를 측정하여 선정하였고, 날씨요소는 피어슨 상관계수를 이용하여 선정하였다. 중요한 날씨요소로는 온도와 이슬점으로 이들은 전력수요와 밀접한 상관관계를 가지고 있다. 반면에 습도, 기압, 풍속 등과 같은 날씨요소는 전력수요와의 상관관계가 높지 않게 나타나 신경망의 입력 변수에서 제외하였다. 실험결과 새로이 제안한 인공 신경망을 이용한 전력수요 모델은 시간요소 및 날씨요소와 이에 대한 가중치를 피크 전력율과 계절에 따라 차등 적용하여 높은 적중률을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.394-396
• /
• 2017

본 논문에서는 최근이슈가 되고 있는 인공지능에 대한 많은 기술 가운데 인공신경망을 활용하여 자신이 가고자 하는곳의 여행정보를 스케줄링 하는 시스템을 제안한다. 인공신경망 중에서도 비지도 학습(unsupervised learning)방식을 이용하며 이용자의 가중치에 따라 여행의 나이, 기간, 장소, 종류, 날씨, 계절, 인원 등으로 여행에서의 요소들을 히든레이어로 구성하여 여행지의 스케줄을 구성하여 이용자에게 제공하는 형태이다. 가중치에 따른 여행지의 분류작업이 완료가 되면 기간과 장소의 위치정보에 따라 스케줄링 작업을 완료하게 된다. 기존의 여행지에 대한 정보를 검색에 의해서 이루어지던 환경에서 인공신경망을 활용하여 원하는 여행정보를 추출함으로써 이용자에게 여행정보에 대한 체계화된 정보를 제공할 수 있다.

• Journal of the Korean Data Analysis Society
• /
• 제20권6호
• /
• pp.2933-2940
• /
• 2018

과일의 경우 다른 작물보다 날씨의 영향을 많이 받으므로, 농업인의 고부가가치 창출을 위해서는 날씨를 고려한 작물모형개발이 필요하다. 본 연구에서는 과실류 중에서 비교적 제한된 조건에서 생산되는 복숭아를 연구대상으로 선정하였으며, 옥답 4.0에서 제공하는 2015년부터 2017년까지 대구에서 거래된 복숭아자료를 사용하였다. 분석에 사용되는 기상자료는 재배면적에 대한 가중치를 부여하여 생성하였으며, 1일 전부터 7일 전까지 날씨자료 중 상관성이 높은 변수를 사용하였다. 분석 방법으로는 기계학습법에 해당하는 랜덤포레스트와 그래디언트부스팅(gradient boosting machine), XGboost을 사용하였다. 분석결과, XGboost의 성능이 가장 우수하게 나타났으며, 경락가격 예측은 비교적 잘 예측할 수 있었지만, 거래량 예측의 정확성은 그리 높지 않았다. 복숭아 거래량 예측에 영향을 미치는 상위 3개의 기상변수로는 최저온도, 평균최대온도, 강수량으로 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.708-711
• /
• 2017

최근 의류업계에서는 데이터마이닝을 이용하여 의상을 추천하는 시스템에 대한 연구가 활발하게 진행되고 있다. 하지만 기존 연구들은, 의상구매가 온 오프라인 모두에서 활발함에도 불구하고 온라인 쇼핑몰에서 얻을 수 있는 데이터에 국한되어 연구가 진행되고 있다. 본 논문에서는 온라인 데이터 위주의 기존 의상 추천 시스템을 스마트 홈 미러의 가상 착의시스템을 사용하여 온 오프라인 데이터를 모두 반영한 추천시스템을 구현했다. 또한 사용자에게 적합한 추천시스템을 제공하기 위해 지역별 인구분포와 사용자 기본DB를 단계별로 그룹화 했다. 정확도와 사용자 만족도를 향상 시키고자 단계별로 가중치를 부여해 협업 필터링과 날씨, 종류, 색상을 속성으로 한 내용기반 필터링을 결합하는 시스템을 제시했다.

• 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.

• Journal of the Korean Data and Information Science Society
• /
• 제28권5호
• /
• pp.1125-1132
• /
• 2017

가뭄의 심도와 빈도가 강해지는 상황에서 가뭄예측을 위한 연구가 지속적으로 이루어지고 있으나 가뭄현상의 시간적 변동이 비선형적이며 복잡하여 단일 모형만으로 예측하기에는 한계가 있다. 이 연구에서는 기상가뭄지수인 표준강수지수 (SPI)와 세계기후지수, 날씨 관련 변수 등과 같은 다양한 설명변수들 사이의 관계를 설명할 선행 모형과 가법 모형을 먼저 구축한 후 앙상블 기법 중 확률 기울기 하강 (stochastic gradient descent; SGD) 방법을 이용하여 가중치를 설정하는 결합모형을 구축하였다. 우리나라 14개 지역에 대한 1954년 ~ 2013년 자료를 이용하여 모형을 구축하고 2014년 ~ 2015년 자료를 이용하여 모형의 성능을 비교하였다. 그 결과 14개 지역 중 8개 지역에 대하여 개별 모형에 비해 결합모형의 성능이 좋았으며 가뭄 예측이 개선되었다.

• 융합신호처리학회논문지
• /
• 제20권3호
• /
• pp.138-144
• /
• 2019

현대 사회에서 사람들은 시간적인 여유, 경제적인 문제 등에 따라 여행지에 대해 심각한 고민을 한다. 따라서 본 논문에서는 상황 지식을 이용한 비계층적 군집 기반 하이브리드 추천을 제안한다. 제안하는 방법은 사용자의 위치, 장소, 날씨 등의 상황에 따라 선호하는 여행지에 대한 지식을 추천받을 수 있는 개인화된 방법이다. 설문조사를 통해 수집된 데이터로부터 14개의 속성을 기반으로 유사한 특성을 가진 사용자들을 비계층적 군집 기반 하이브리드 추천을 이용하여 군집한다. 이는 암묵적 데이터와 명시적 데이터에 가중치를 부여하여 보다 정확한 추천을 한다. 이를 통해 사용자는 불필요한 시간을 소모하지 않고 선호하는 여행지를 추천받을 수 있다. 성능평가는 정확도, 재현율, F-measure를 이용한다. 평가 결과 정확도는 0.636, 재현율은 0.723, F-measure는 0.676으로 평가되었다.

• 한국측량학회지
• /
• 제33권4호
• /
• pp.287-296
• /
• 2015

최근 내비게이션에서는 실시간 교통정보와 과거의 교통정보를 가공하여 미래의 교통정보를 예측하는 패턴 교통정보를 같이 활용하여 빠른 길을 안내해주고 있다. 그러나 현재 사용되는 패턴 교통정보는 과거의 정보를 가공하여 교통정보를 예측하기 때문에 특별한 상황(유고, 날씨 등)에서는 예측이 정확하지 않는 문제점을 가지고 있다. 그래서 본 연구에서는 빠른 길을 찾기 위해 실시간으로 운전자들이 요청하는 경로탐색 데이터를 분석하여 가까운 미래 운전자들이 위치할 도로의 교통 혼잡도를 미리 파악하여 패턴 교통정보 보다 정확한 예측 교통정보를 제시하였다. 연구결과 첫째, 연구지역의 정체경로인 양재에서 마포간 차량속도 비교에서는 기존 상습정체 도로의 속도가중치 정확도가 3km/h에서 18km/h의 오차율이 발생하였지만, 본 연구의 Real 예측 교통 정보를 적용한 결과는 1km/h에서 5km/h의 오차율이 발생하였다. 둘째, 경로 품질에서 기존의 경로보다 최대 약 9분, 평균 약 3분 일찍 목적지에 도착하여 예측 교통정보 결과의 신뢰성을 입증할 수 있었다. 셋째, 기존의 경로탐색 결과 보다 혼잡도를 미리 예측하여 혼잡이 발생할 도로에 대해 회피되는 경로탐색 결과를 도출할 수 있었다. 따라서 본 연구결과의 경로탐색 비교를 통해 교통량에 대한 예측정보를 획득할 수 있었으며 이를 활용하여 실시간 빠른 길 탐색이 가능하고, 향후 교통 흐름을 분산 시키는데도 도움이 될 것으로 판단된다.