• The Journal of the Acoustical Society of Korea
• /
• v.42 no.3
• /
• pp.262-269
• /
• 2023

In this paper, we propose a Linear Prediction (LP) analysis-based feature for detecting Snapping Shrimp (SS) Noise (SSN) in underwater acoustic data. SS is a species that creates high amplitude signals in shallow, warm waters, and its frequent and loud sound is a major source of noise. The proposed feature takes advantage of the characteristic of SSN, which is sudden and rapidly disappearing, by using LP analysis to detect the exact noise interval and reduce the effects of SSN. The error between the predicted and measured value is large and results in effective SSN detection. To further improve performance, a constant false alarm rate detector is incorporated into the proposed feature. Our evaluation shows that the proposed methods outperform the state-of-the-art MultiLayer-Wavelet Packet Decomposition (ML-WPD) in terms of receiver operating characteristic curve and Area Under the Curve (AUC), with the LP analysis-based feature achieving a higher AUC by 0.12 on average and lower computational complexity.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.01a
• /
• pp.263-264
• /
• 2012

본 논문은 여러 개의 독립적인 시계열로 구성된 시계열 패널 자료를 이용하여 비선형 모형인 GRCA모형과 신경망을 이용하여 예측값을 구하여 서로 비교 분석하고자 한다. 먼저 GRCA모형에 대하여 연구하고 신경망의 구조와 예측값을 구하기 위한 여러 가지 변환함수를 유도한다. 단기 예측에서는 신경망 방법의 예측값이 더 좋았고, 장기예측에서는 비선형모형을 이용한 예측값이 더 좋은 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1178-1182
• /
• 2004

시계열 자료의 분석과 예측은 수문학분야에서 매우 중요하면, 최근 들어 특정한 수문시계열에서 카오스 특성이 발견되고 있다. 카오스 특성을 갖는 수문시계열의 예측에 있어, 기존의 거의 모든 연구는 시스템의 특성을 파악한 뒤 예측을 실시하는 표준접근법이 채택되어왔다. 그러나 Phoon 등은 시스템의 특성분석에 앞서 예측을 실시하고, 상태공 매개변수가 시스템의 특성분석단계가 아닌 예측단계에서 평가되는 가역접근법을 제안하였다. 본 연구에서는 Phoon 등이 제안한 가역접근법과 기존에 널리 적용되어온 표준접근법을 실제 일유출량 자료에 적용함으로써, 가역접근법의 적용성을 검토하고 카오스 시계열의 특성을 파악하였다. 본 연구에서 사용한 비선형 예측 기법으로는 카오스이론이 적용된 부분근사화 기법을 이용하였다. 카오스 특성분석을 통해, Bear 강 일유출량 시계열 자료에서 카오스 특성이 나타남을 알 수 있었다. 표준접근법과 가역접근법을 이용하여 Bear 강의 일유출량 자료에 대하여 예측을 실시한 결과, 카오스 특성을 갖는 일유출량 시계열 자료의 단기 예측의 우수성을 알 수 있었으면, 가역접근법이 표준접근법에 비해 좋은 결과를 나타내었다. 특히, 가역접근법은 예측단계에서 예측시간(T)에 대하여 예측매개변수를 최적화시킴으로써 보다 정밀한 예측을 할 수 있었으며, 시스템에 대한 정보손실이 발생하였을 경우 예측에 대한 상태공간 매개변수를 다시 추정해야 하는 표준접근법에 비해 실제적 적용성이 매우 우수하였다.

• Communications for Statistical Applications and Methods
• /
• v.5 no.3
• /
• pp.599-605
• /
• 1998

본 연구에서는 단순구조 순환신경망을 이용한 신경망예측과 전통적인 시계열예측 방법을 이용하여, 순환변동이 있는 시계열자료의 단기예측 오차를 비교한다. 순환신경망모형의 입력자료를 변화시키는 개선된 학습방법을 적용하여 시계열자료를 학습하고, 신경망예측의 결과는 선형 AR(9)모형, 비선형 SETAR모형 그리고 이들의 결합모형을 이용한 예측결과와 비교한다. 실증분석에 적용된 시계열자료는 1700년부터 1987년 까지의 태양흑점 자료이며 예측에 이용된 검정자료는 1980년부터 8년 간의 자료이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.367-367
• /
• 2012

기후변화로 인해 기온, 강수량, 습도 등의 기후를 예측하고 변화하는 환경에 적응해가며 생활하고 있다. 또한 여러 가지 외부적인 요인들의 영향을 받아 상수도 시설에서의 에너지 사용량도 영향을 많이 받는다. 하지만 이러한 상수도 시설의 사용량 변화로 인해 상수도 수요량의 변화량을 예측하는데 있어서 국내 연구 및 방법이 많이 부족한 상황이다. 이에 본 연구에서는 다중스케일을 기반으로 하는 비선형 예측 모형을 개발하고자 한다. 다중스케일 분석에서도 가장 우수한 분해 능력을 가지는 Wavelet Transform을 적용하여 시계열을 분해한 후 패턴인식 기반의 비선형 예측모형인 Support Vector Machine(SVM)을 적용하였다. 상수도 수요량의 예측 과정은 다음과 같다. 첫째, 상수도 수요량 자료를 Wavelet Transform 기법을 통하여 단순화 시킨다. 둘째, Global Wavelet Spectrum을 통하여 통계적으로 의미 있는 성분만을 추출하고 이를 해석 대상으로 한다. 셋째, 특정 주기를 갖는 유의한 독립성분들에 대해서 최적 지체시간을 결정한 후 SVM모형을 통해 예측 모형을 구축한다. 넷째, 나머지 성분에 대해서도 SVM 모형을 적용하여 예측을 실시한 후 앞서 예측된 성분과 모두 결합하여 최종적으로 예측시계열을 구성한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.20-20
• /
• 2017

최근 기후변화 영향에 따라 전 세계적으로 인명피해 및 재산피해를 유발하는 자연재난이 지속적으로 증가하고 있으며, 그로 인한 자연재해의 규모가 점점 더 커지고 있다. 실제로 우리나라에서도 지난 1994 년에서 2013 년까지 지난 20 년간 자연재해에 의한 피해액은 12조 3천억 원으로 집계되었으며, 이 중 강우와 태풍에 의한 피해가 85 % 이고, 대설에 의한 피해는 약 13 % 로 자연재해 중 대부분의 피해는 강우 및 태풍에서 발생하지만, 폭설에 의한 피해도 적지 않은 것으로 나타났다. 이에 따라, 정확한 예측을 위해 신뢰도 높은 자료 구축을 통한 대설피해 예측에 관한 연구가 필요한 시점이다. 본 연구에서는 대설피해액 예측을 위해 우리나라의 63개 기상 관측소에서 관측한 적설심 자료 및 기상관측 자료와 사회 경제 자료 총 11개를 대설피해 예측을 위한 입력변수로 선정하고, 이를 기상관측소가 속한 도시의 면적에 따라 3개의 지역으로 구분하였다. 주성분분석을 활용하여 선정된 입력변수들을 4개의 주성분으로 구분하고, 인공신경망 및 다중선형 회귀 모형을 구성하여 각 지역별 대설피해 예측의 오차를 분석하였다. 적용결과, 인공신경망 모형을 이용한 대설피해 예측의 수정결정계수는 22.8 %~48.2 %를 나타냈고, 다중선형회귀 모형의 수정결정 계수는 9.2 %~39.7% 로 나타났다. 그러므로 인공신경망 모형이 다중회귀 모형보다 선택된 입력자료를 활용하여 대설피해를 예측하는 목적으로 조금 더 우수한 결과를 나타내었다. 향후 자료를 보완 및 모형의 고도화를 통해 보다 정확한 대설피해 예측 함수 개발이 가능할 것으로 기대된다.

• The Korean Journal of Applied Statistics
• /
• v.32 no.5
• /
• pp.703-720
• /
• 2019

The influence of temperature on electricity demand is increasing due to extreme weather and climate change, and the climate impacts involves nonlinearity, asymmetry and complexity. Considering changes in government energy policy and the development of the fourth industrial revolution, it is important to assess the climate effect more accurately for stable management of electricity supply and demand. This study aims to analyze the effect of temperature change on electricity demand using the partial linear model. The main results obtained using the time-unit high frequency data for meteorological variables and electricity consumption are as follows. Estimation results show that the relationship between temperature change and electricity demand involves complexity, nonlinearity and asymmetry, which reflects the nonlinear effect of extreme weather. The prediction accuracy of in-sample and out-of-sample electricity forecasting using the partial linear model evidences better predictive accuracy than the conventional model based on the heating and cooling degree days. Diebold-Mariano test confirms significance of the predictive accuracy of the partial linear model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.449-449
• /
• 2022

제주도는 용수의 대부분을 지하수에 의존하므로 지하수위의 예측 및 관리는 매우 중요한 사항이다. 제주도의 지층은 화산활동에 의한 현무암이 겹겹이 쌓여있는 형태를 나타내며 육지의 지층구조와 매우 다른 복잡한 형태를 나타낸다. 이에 따라 제주도 지하수위의 예측은 매우 난해하며, 최근에는 딥러닝 인공지능 모델을 활용하여 지하수위를 예측하는 연구사례가 증가하고 있다. 기존의 연구들은 인공지능 모델들이 지하수위를 적절히 예측한다고 보고하고 있으나 예측의 적절성에 대한 판단기준을 제시하지 못하였으므로 이에 대한 명확한 제시가 필요하다. 본 연구의 목표는 인공지능을 활용한 지하수위 예측오차가 허용 가능한지 판단할 수 있는 기준을 제시함에 있다. 이를 위해 전 세계의 과거 20년 동안 관련 연구결과들을 수집 및 분석하였으며, 분석 결과 인공지능 모델의 지하수위 예측오차는 지하수위 변동성이 큰 지역일수록 증가하는 것을 확인하였다. 이것은 지하수위의 변동형태가 크고 복잡할수록 인공지능 모델의 지하수위 예측성능은 낮아진다는 것을 의미한다. 이 관계를 명확하게 나타내기 위해 지하수위 최대변동폭과 평균제곱근오차 및 최대오차와의 관계를 선형회귀식으로 도출하여 허용가능한 예측오차 기준을 제시하였다. 그리고 기존 연구들에서 제시한 Nash-Sutcliffe 효율성지수와 결정계수를 분석하여 선형회귀식에 의한 기준을 보완할 수 있는 추가적인 기준을 제시하였다. 본 연구에서 제시한 인공지능 모델에 의한 지하수위 예측결과의 적절성 판단기준은 향후 지속적으로 증가하는 인공지능 예측연구에 유용하게 사용될 수 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1998.11a
• /
• pp.562-564
• /
• 1998

보통 음향 신호를 분석을 할 때에 시간영역의 신호를 주파수영역의 신호로 FFT 변환을 해서 분석을 한다. 이렇게 단순히 FFT를 해서 주파수영역의 신호에서 어떤 특징적인 점을 찾기가 매우 어렵다. 그래서 원 신호를 FFT를 하지 않고 선형 예측 분석이라는 방법을 적용하여 신호에 특징적인 피크 점들을 구하면 쉬운 방법이 된다. 본 논문에서는 이러한 음향의 신호를 분석을 할 때에 선형 예측 분석법을 이용하면 신호에서 특징적인 피크들을 구하기가 용이함을 보이고 신호의 특징 피크 점들을 통계적으로 처리하여 분석을 해보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.694-696
• /
• 2002

이 논문에서는 시스템 수준의 전력 소모를 분석하는 방법론을 설명한다. 응용의 시스템 수준 전력 모델을 구하기 위해서, 시스템을 이루는 각 부분들을 선형적으로 모델링하고, 이를 모두 더한다. 선형적으로 모델링된 식의 파라메터들을 구하기 위해서, 회귀분석에 기반한 분석을 한다. 이를 위해서 다양한 벤치마크들을 준비하고, 응용에 대해서 측정을 한 것과 수정된 시뮬레이터에서 필요한 정보를 얻어야 한다. 이렇게 분석한 전력 모델의 예측치는 5% 내의 정확도를 가짐을 확인하였다.