• The Journal of the Acoustical Society of Korea
• /
• v.10 no.1
• /
• pp.20-29
• /
• 1991

A fundamental assumption in conventional linear predictive coding (LPC) analysis procedure is that the input to an all-pole vocal tract filter is white process. In the case of periodic inputs, however, a pitch bias error is introduced into the conventional LP coefficient. Multi-pulse (MP) LP analysis can reduce this bias, provided that an estimate of the excitation is available. Since the prediction error of conventional LP analysis can be modeled as the sum of an MP excitation sequence and a random noise sequence, we can view extracting MP sequences from the prediction error as a classical detection and estimation problem. In this paper, we propose an algorithm in which the locations and amplitudes of the MP sequences are first obtained by applying a likelihood ratio test (LRT) to the prediction error, and LP coefficients free of pitch bias are then obtained from the MP sequences. To verify the performance enhancement, we iterate the above procedure with adaptive threshold at each step.

• The Korean Journal of Financial Management
• /
• v.17 no.1
• /
• pp.161-180
• /
• 2000

본 연구는 주가를 예측하는데 있어서 선형 회귀모형을 이용하는 방법과 비선형 인공신경망 모형을 이용하는 방법을 비교 분석하여, 어떤 모형이 더 우수한 예측성과를 내는지를 검증한다. 자본시장에서 투자자들은 접근하는 정보가 다르고 각기 상이한 예측 변수들을 토대로 나름대로의 예측치를 만들어 낸다. 이렇게 볼 때 개별 투자자들이 이용하는 다양한 정보집합을 결합하여 단일의 뛰어난 정보집합을 만들어내는 것은 매우 어려운 과제이다. 따라서 본 연구에서는 이용 가능한 소수의 예측 변수들을 어떤 방식으로 결합하는 것이 예측오차의 분산을 최소화할 수 있는지에 대한 현실적인 접근방법을 모색하고자 한다. 거시경제변수나 시장자료를 입력변수로 사용한 기존 연구와는 달리 본 연구에서는 재무제표 정보를 입력변수로 사용하였다 즉, 대차대조표의 최종요약치인 주당 지분의 장부가치와 손익계산서의 최종요약치인 주당 순이익을 입력변수로 사용했으며 1991년부터 1995년까지의 추정(학습)결과를 토대로 모형을 선택하여 1996년의 제무제표 정보로 1997년의 주가를 예측하는 것이 본 연구의 과제이다. 연구결과, 대체로 선형회귀모형에 비해 비선형 신경망 모형이 예측오차의 분산을 감소시키는 것으로 나타났다.

• Proceedings of the KIEE Conference
• /
• 2001.11b
• /
• pp.51-53
• /
• 2001

전력 수요 예측은 전력 수급 안정과 양질의 전력을 공급하기 위한 필수 기법이며 경쟁적인 전력시장에서 전력요금과 밀접한 관련이 있다. 그러므로, 경쟁적인 전력시장 구조하의 시장 참여자에게 있어서 전력 수요 예측은 매우 관심 있는 사항이다. 최근의 전력 수요 예측 기법으로 예측한 오차율을 살펴보면 평일과는 다르게 특수일의 전력 수요예측은 평균 5%를 상회하는 수준으로 예측의 정확도가 평일 예측에 비해 크게 낮은데 이유는 특수일이 평일에 비하여 부하의 크기가 다소 낮게 나타나고 특수일 마다 계절적인 차이가 있으며 각각의 특수일 마다 고유한 부하의 특성이 있으므로 과거 데이터를 이용할 때 동일 특수일을 이용하게 되며 따라서 평일과는 다르게 일년 단위로 과거 데이터 값들이 취득되므로 오차율이 커진다. 따라서 데이터들을 퍼지화하여 선형계획법을 수행하여 평균 $2{\sim}3%$ 정도의 우수한 결과를 도출한 바 있다. 본 논문에서는 퍼지 선형회귀분석법을 이용한 예측 기법에 최소자승법을 도입하여 특수일 전력 수요예측의 정확도를 개선하였다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.26 no.1D
• /
• pp.59-66
• /
• 2006

This study was to construct the linear density predictive models on the on-ramp junctions in urban freeway. From the analyses of the real-time traffic characteristic data, and the construction and verification of the linear density predictive models, the models showed a considerable explanatory power with the determination coefficients ($R^2$) of over 0.7 between the density and speed data. Also, they showed a considerably high correlativeness with the correlation coefficients (r) of over 0.8 between the calculated density data and the expected ones estimated by the models.

• Journal of the Korean Geotechnical Society
• /
• v.16 no.3
• /
• pp.163-172
• /
• 2000

최종침하 예측기법들은 분석상 간단명료하고 경제적인 기법이라 현장에서 널리 이용되고 있지만, 현장계측상의 문제들이 다분히 있는 실측치에 크게 의존함으로써 설계단계에서 침하량예측에 분석가의 주관적 판단이 큰 변수로 작용할 수 있으므로 객관성이 결여되는 결점을 안고 있다. 그 중 쌍곡선법(Hypervolic Method)이 가장 널리 쓰이고 있지만, 현장 계측치에 따라 가정 기본식의 선형성이 다소 뚜렷하지 않아 분석가에 따라 해석결과가 다르게 나타날 수 있으므로, 기술 적용상의 어려움과 경제적 비용을 더욱 가중시키는 결과를 초래할 수 있다. 따라서, 본 연구에서는 현장 계측자료 분석에 있어서 대표적으로 널리 적용되고 있는 쌍곡선법의 기본 가정식의 선형성 문제에 주안점을 두어 기본 가정식의 선형성을 확보하고, 그 선형구간을 확장한 새로운 침하예측기법을 제안하였다. 성토완료 직후의 현장 자료를 배수재가 설치된 지역과 배수재가 설치되지 않은 지역으로 구분하여 최종 1차 압밀침하량, 수직압밀계수 등을 기존예측기법 및 현장계측자료와 비교 검토하여 제안된 침하예측기법의 적용성을 검증하였다.

• Journal of Wetlands Research
• /
• v.21 no.3
• /
• pp.236-243
• /
• 2019

Hydrologic time series has been analyzed and forecasted by using classical linear models. However, there is growing evidence of nonlinear structure in natural phenomena and hydrologic time series associated with their patterns and fluctuations. Therefore, the classical linear techniques for time series analysis and forecasting may not be appropriate for nonlinear processes. Daily streamflow series at St. Johns river near Cocoa, Florida, USA showed an interesting result of a low dimensional, nonlinear dynamical system but daily inflow at Soyang reservoir, South Korea showed stochastic property. Based on the chaotic dynamical characteristic, DVS (deterministic versus stochastic) algorithm is used for short-term forecasting, as well as for exploring the properties of the system. In addition to the use of DVS algorithm, a neural network scheme for the forecasting of the daily streamflow series can be used and the two techniques are compared in this study. As a result, the daily streamflow which has chaotic property showed much more accurate result in short term forecasting than stochastic data.

• The Korean Journal of Applied Statistics
• /
• v.24 no.2
• /
• pp.217-225
• /
• 2011

In this paper, a seasonal variable selection method using the spectral analysis accompanied with seasonal linear model is suggested. The suggested method is applied to the prediction of intra-day call arrivals at a large North American commercial bank call center and a signi cant intra-month seasonal variable I detected. This newly detected seasonal factor is included in the seasonal linear model and is compared with the seasonal linear models without this variable to see whether the new variable helps to improve the forecasting performance. The seasonal linear model with the new variable outperformed the models without it in one-day-ahead forecasting.

• Journal of Korean Society of Transportation
• /
• v.21 no.1
• /
• pp.21-40
• /
• 2003

A traffic accident analysis method was developed and tested based on the highway alignment risk indices using geographic information systems(GIS). Impacts of the highway alignment on traffic accidents have been identified by examining accidents occurred on different alignment conditions and by investigating traffic accident risk indices(TARI). Evaluative criteria are suggested using geometric design elements as an independent variable. Traffic accident rates were forecasted more realistically and objectively by considering the interaction between highway alignment factors and the design consistency. And traffic accident risk indices and risk ratings were suggested based on model estimation results and accident data. Finally, forecasting traffic accident rates, evaluating the level of risk and then visualizing information graphically were combined into one system called risk assessment system by means of GIS. This risk assessment system is expected to play a major role in designing four-lane highways and developing remedies for highway sections susceptible to traffic accidents.

• The Korean Journal of Financial Management
• /
• v.15 no.2
• /
• pp.369-399
• /
• 1998

Most of the studies on stock price predictability using the linear model conclude that there are little possibility to predict the future price movement. But some anomalous patterns may be generated by remaining market inefficiency or regulation, market system that is facilitated to prevent the market failure. And these anomalous pattern, if exist, make them difficult to predict the stock price movement with linear model. In this study, I try to find the anomalous pattern using the ANN model. And by comparing the predictability of ANN model with the predictability of correspondent linear model, I want to show the importance of recognitions of anomalous pattern in stock price prediction. I find that ANN model could have the superior performance measured with the accuracy of prediction and investment return to correspondent linear model. This result means that there may exist the anomalous pattern that can't be recognized with linear model, and it is necessary to consider the anomalous pattern to make superior prediction performance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.172-172
• /
• 2022

분산계수는 하천에서 오염물질의 혼합능을 파악할 수 있는 대표적인 인자이다. 특히 하수처리장 방류수 혼합예측과 같이 횡 방향 혼합에 대한 예측이 중요한 경우, 하천의 지형적, 수리학적 특성을 고려한 2차원 횡 분산계수의 결정이 필요하다. 2차원 횡 분산계수의 결정을 위해 기존 연구에서는 추적자실험결과로부터 경험식을 만들어 횡 분산계수 산정에 사용해왔다. 회귀분석을 통한 경험식 산정을 위해서는 충분한 데이터가 필요하지만, 2차원 추적자 실험 건수가 충분치 않아 신뢰성 높은 경험식 산정이 어려운 상황이다. 따라서 본 연구에서는 SMOTE기법을 이용하여 횡분산계수 실험데이터를 증폭시켜 이로부터 횡 분산계수 경험식을 산정하고자 한다. 또한 다중선형회귀분석을 통해 도출된 경험식의 한계를 보완하기 위해 다양한 머신러닝 기법을 적용하고, 횡 분산계수 산정에 적합한 머신러닝 기법을 제안하고자 한다. 기존 추적자실험 데이터로부터 하폭 대 수심비, 유속 대 마찰유속비, 횡 분산계수 데이터 셋을 수집하였으며, SMOTE 알고리즘의 적용을 통해 회귀분석과 머신러닝 기법 적용에 필요한 데이터그룹을 생성했다. 새롭게 생성된 데이터 셋을 포함하여 다중선형회귀분석을 통해 횡 분산계수 경험식을 결정하였으며, 새로 제안한 경험식과 기존 경험식에 대한 정확도를 비교했다. 또한 다중선형회귀분석을 통해 결정된 경험식은 횡 분산계수 예측범위에 한계를 보였기 때문에 머신러닝기법을 적용하여 다중선형회귀분석에 대한 예측성능을 평가했다. 이를 위해 머신러닝 기법으로서 서포트 벡터 머신 회귀(SVR), K근접이웃 회귀(KNN-R), 랜덤 포레스트 회귀(RFR)를 활용했다. 세 가지 머신러닝 기법을 통해 도출된 횡 분산계수와 경험식으로부터 결정된 횡 분산계수를 비교하여 예측 성능을 비교했다. 이를 통해 제한된 실험데이터 셋으로부터 2차원 횡 분산계수 산정을 위한 데이터 전처리 기법 및 횡 분산계수 산정에 적합한 머신러닝 절차와 최적 학습기법을 도출했다.