• Journal of the Korean Geotechnical Society
• /
• v.16 no.2
• /
• pp.103-113
• /
• 2000

기존의 Terzaghi 압밀이론은 상대적으로 연약토층이 두껍지 않고, 초기함수비가 낮으며 적은 유효응력의 증가가 예상되는 곳에 그 적용이 제한되어 있었다. 그 이유는 Therzaghi 압미이론 자체가 미소변형률과 선형적인 압축성 및 투수성등을 기본적인 가정사항으로 내포하고 있기 때문이다. 이러한 가정사항을 극복하고자 Gibson et al. 은 일차원 비선형 유한 변형률 압밀이론에 관한 엄밀해를 제시하였다. 이 이론은 기존의 많은 가정사항들을 극복하여 실제 현상에 더욱 부합하는 예측을 할 수 있는 장점이 있는 반면, 비선형적인 응력-변형 관계, 변형-투수계수 관계의 도입과 좌표변환 및 현장의 시고이력을 그대로 적용하는데 많은 어려움이 있는 것이 사실이다. 본 연구에서는 이러한 비선형 유한형태를 압밀이론을 이용한 압밀현상 예측을 위하여, 비선형적인 응력-변형 관계, 변형-투수계수 관계에 관한 함수식을 구성하고 이를 포함하는 컴퓨터 프로그램을 개발하였다. 개발 프로그램은 많은 폼과 모듈로 구성되어 있는데, 이러한 각각의 폼과 모듈은 GUI 기능의 극대화를 통해 복잡한 이론에 익숙하지 않은 실무자들이 쉽게 본 이론을 이용할 수 있도록 설계 되었다. 또한 개발프로그램은 다양한 하중단계 및 비선형적인 응력-변형 관계, 변형-투수계수 관계에 관한 회귀분석, 각 유효응력 단계별 상이한 비선형 계수 g와 λ를 적용할 수 있으며, 계산을 위한 전처리과정은 물론 계산된 결과를 위한 다양한 후처리과정이 모두 사용자 위주의 GUI 기능을 충분히 갖도록 설계되었다. 개발 프로그램의 검증을 위하여 실제 현장의 계측자료 및 기존 연구문헌상의 결과와 본 개발 프로그램의 예측결과를 비교.분석하였으며, 다양한 간극비 상태의 비선형 계수가 해석결과에 미치는 영향을 알아보았다.

• The Korean Journal of Applied Statistics
• /
• v.30 no.1
• /
• pp.41-55
• /
• 2017

This study predicts the average scores of top 150 PGA golf players on 132 PGA Tour tournaments (2013-2015) using data mining techniques and statistical analysis. This study also aims to predict the Top 10 and Top 25 best players in 4 different playoffs. Linear and nonlinear regression methods were used to predict average scores. Stepwise regression, all best subset, LASSO, ridge regression and principal component regression were used for the linear regression method. Tree, bagging, gradient boosting, neural network, random forests and KNN were used for nonlinear regression method. We found that the average score increases as fairway firmness or green height or average maximum wind speed increases. We also found that the average score decreases as the number of one-putts or scrambling variable or longest driving distance increases. All 11 different models have low prediction error when predicting the average scores of PGA Tournaments in 2015 which is not included in the training set. However, the performances of Bagging and Random Forest models are the best among all models and these two models have the highest prediction accuracy when predicting the Top 10 and Top 25 best players in 4 different playoffs.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.9 no.4
• /
• pp.337-342
• /
• 2016

In this paper, we studied a modified linear prediction method to estimate target signal correctly. Linear prediction method estimate direction-of-arrival to linear combination for any antenna element and other antenna elements. Modified linear prediction used optimal weight and posterior probability method. Through simulation, we are comparative analysis about the performance of proposed, bartlett and MUSIC method. From simulation, Bartlett and MUSIC method was estimation 3 targets signal, and proposed method estimated 4 targets. We showed the superior performance of the proposed algorithm relative to the classical method in order to estimate of target signals.

• The Korean Journal of Applied Statistics
• /
• v.34 no.5
• /
• pp.697-710
• /
• 2021

Relative error prediction is preferred over ordinary prediction methods when relative/percentile errors are regarded as important, especially in econometrics, software engineering and government official statistics. The relative error prediction techniques have been developed in linear/nonlinear regression, nonparametric regression using kernel regression smoother, and stationary time series models. However, random effect models have not been used in relative error prediction. The purpose of this article is to extend relative error prediction to some of generalized linear mixed model (GLMM) with panel data, which is the random effect models based on gamma, lognormal, or inverse gaussian distribution. For better understanding, the real auto insurance data is used to predict the claim size, and the best predictor and the best relative error predictor are comparatively illustrated.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.38 no.3
• /
• pp.61-67
• /
• 2001

In this paper, a method that apply LP algorithm to image for speech recognition is suggested, using both speech and image information for recogniton of korean numeral speech. The input speech signal is pre-emphasized with parameter value 0.95, analyzed for B th LP coefficients using Hamming window, autocorrelation and Levinson-Durbin algorithm. Also, a gray image signal is analyzed for 2-dimensional LP coefficients using autocorrelation and Levinson-Durbin algorithm like speech. These parameters are used for input parameters of neural network using back-propagation algorithm. The recognition experiment was carried out at each noise level, three numeral speechs, '3','5', and '9' were enhanced. Thus, in case of recognizing speech with 2-dimensional LP parameters, it results in a high recognition rate, a low parameter size, and a simple algorithm with no additional feature extraction algorithm.

• Electronics and Telecommunications Trends
• /
• v.17 no.3 s.75
• /
• pp.80-86
• /
• 2002

본 연구는 현재 통신서비스 산업에서 가장 많이 사용하고 있는 5개 예측모형(단순 성장 모형, 단순 Logistic 모형, Gompertz 모형, 확장 Bass 모형, 시간 변동 Bass 모형)을 이용한 초고속 인터넷 가입자에 대한 예측력을 비교 평가하는 데 있다. 예측모형의 추정 방법으로 비선형 회귀방정식(nonlinear regression)을 사용하여 추정의 효율성을 높였다. 예측력 비교분석 기준은 (i) 포화점에 대한 타당성 (ii) 모수에 대한 통계적 유의성 (iii) 실제치 대비 예측치에 대한 AAD 기준을 통하여 예측모형의 예측력을 비교 평가하였다. 본 연구에서 실시한 방법론에 따라 다섯 가지 통신서비스 예측모형의 예측력을 분석한 결과 가장 작은 AAD를 나타낸 예측모형은 Log-Logistic 모형으로 나타났으며, 가장 큰 AAD를 나타낸 예측모형은 단순 Logistic 모형으로 나타났다. 또한 AAD 기준에서 보면 일반적으로 많이 사용하고 있는 Gompertz 예측모형과 Bass 모형 중에서는 Gompertz 예측모형이 더 우월한 것으로 나타났다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.2
• /
• pp.147-160
• /
• 2020

In this paper, we study an algorithm that automatically determines the orders of past observations and conditional mean values that play an important role in count time series models. Based on the orders of the ARIMA model, the algorithm constitutes the order candidates group for time series generalized linear models and selects the final model based on information criterion among the combinations of the order candidates group. To evaluate the proposed algorithm, we perform small simulations and empirical analysis according to underlying models and time series as well as compare forecasting performances with the ARIMA model. The results of the comparison confirm that the time series generalized linear model offers better performance than the ARIMA model for the count time series analysis. In addition, the empirical analysis shows better performance in mid and long term forecasting than the ARIMA model.

• Journal of the Korea Institute of Building Construction
• /
• v.14 no.6
• /
• pp.631-637
• /
• 2014

Recently, following the application of modular housing techniques to not only residential sector, but also to business sector, the scope of modular housing market b expanding. In the case of other developed countries, such markets are entering into the maturity stage, though the market in Korea is not fully formed yet. Thus, it is difficult to check its trend to estimated mid- to long-term prospects of the market. In this context, the study predicted demand of the modular housing market by using a non-linear prediction model based on time series analysis. To get the prospects for the modular housing market, the quantity of housing supply was estimated based on the estimated quantity of newly built housings, and assumed that a portion of the supplied quantity would be the demand for modular housings. Based on the assumption of demand for modular housings, several scenarios were analyzed and the prospects of the modular housing market was obtained by utilizing the non-linear prediction model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.112-112
• /
• 2018

최근 이상기후로 인한 국부적인 혹은 광역적인 가뭄이 빈번하게 발생하고 있는 추세이며 발생횟수 뿐 아니라 가뭄 심도 및 지속기간이 과거보다 크게 증가하여 그에 따른 피해가 커질 것으로 예측되고 있다. 특히, 2014~2015년도의 유례없는 가뭄으로 인해 저수지 용수공급이 제한되면서 많은 농가들이 피해를 입었다. 본 연구의 목적은 전국 농업용 저수지를 대상으로 기상청 3개월 예보자료를 활용 할 수 있는 농업용 저수지 저수율 다중선형 회귀 모형을 개발하여 저수율 전망정보를 생산하는 것이다. 본 연구에서는 전국에 적용 가능한 저수율 다중선형 회귀 모형개발을 위해 5개의 기상요소(강수량, 최고기온, 최저기온, 평균기온, 평균풍속)와 관측 저수지 저수율을 활용했다. 기상자료는 2002년부터 2017년까지의 기상청 63개 지상관측소로부터 기상관측자료를 수집하였다. 본 연구에서는 저수율 전망 단계를 세 단계로 나누었다. 첫 번째 단계로 농어촌공사에서 전국 511개 용수구역을 대상으로 군집분석 및 의사결정나무 분석을 통해 제시한 65개 대표저수지를 대상으로 기상자료 및 관측 저수율 자료를 이용하여 다중선형 회귀분석을 실시하였다. 수집한 기상요소와 저수율을 독립변수로 하여 월별 회귀식을 산정한 결과 결정계수($R^2$)는 0.51~0.95로 나타났다. 두 번째 단계로 대표저수지의 회귀분석 결과를 전국의 저수지로 확대하기 위해 나이브 베이즈 분류법을 적용하여 전국 3098개의 저수지를 65의 군집으로 분류하고 각각의 군집에 해당되는 월별 회귀식을 산정하였다. 마지막으로 전국 저수지로 산정된 회귀식과 농업 가뭄 예측을 위해 기상청의 GS5(Global Seasonal Forecasting System 5) 3개월 예보자료를 수집하여 회귀식에 적용해 2017년 전국 저수지의 3개월 저수율 전망정보를 생산하였다. 본 연구의 전국 저수지 군집결과 기반의 저수율 전망기술은 2017년도 관측 저수율과 비교한 결과 유의한 상관성을 나타냈으며 이 결과는 추후 농업용 저수지의 물 공급 및 농업가뭄 전망 자료로서 이용이 가능할 것으로 판단된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.195-198
• /
• 2002

고농도오존이 발생되는 원인과 환경적 요인의 상호관계를 모델링하기 위해 신경회로 망과 같은 지능제어 기법들이 많이 적용되어 왔다 분석과 모델링을 위해 유전자 알고리즘과 같은 최적화 방법을 적용하기도 하지만, 고농도 오존이 발생되는 메커니즘이 매우 복잡하고, 비선형적이며, 패턴파악이 어렵기 때문에 고농도 오존의 예측 모델링에는 여전히 문제점이 있다 따라서 본 논문에서는 신뢰수준과 신뢰구간을 이용하여 초농도 오존을 예측할 수 있는 모델링 방법을 서술하였다 예측값의 신뢰수준의 평가는 예측에 대한 실측값을 구하여 신뢰구간내의 데이터의 개수를 파악함으로써 신뢰성을 평가할 수 있다. 또한 이 테스트는 우리가 가지고 있지 않은 데이터에 대한 유효성을 평가하는데 적용될 수 있다 그리고 본 논문에서는 GMDH(Group Method of data handling)의 전형적인 알고리즘에 바탕을 두고 있는 DPNN(Dynamic Polynomial Neural Network)를 이용하여 예측 모델을 구성하였다. DPNN은 데이터 해석이 용이하고 비선형적인 동적 시스템 예측에 유용하게 적용될 수 있는 장점을 가지고 있다.