• Proceedings of the KIEE Conference
• /
• 2001.05a
• /
• pp.52-54
• /
• 2001

전력 수요 예측은 전력 수급 안정과 양질의 전력을 공급하기 위한 필수 기법이며 경쟁적인 전력 시장에서 전력요금과 밀접한 관련이 있다. 그러므로, 경쟁적인 전력시장 구조하의 시장 참여자에게 있어서 전력수요 예측은 매우 관심 있는 사항이다. 최근의 전력 수요 예측 기법으로 예측한 오차율을 살펴보면 특수일의 전력 수요 예측의 정확도가 평일 예측에 비해 낮으며 특히, 토요일 또는 월요일에 특수일이 오는 경우 예측의 정확도가 낮아지는 경향이 있다. 따라서, 찬 논문은 퍼지 선형회귀 분석법과 상대계수법을 병행하여 예측함으로써 특수일 수요 예측의 정확도를 개선하는 방법을 제시한다.

• The Journal of the Acoustical Society of Korea
• /
• v.21 no.6
• /
• pp.522-530
• /
• 2002

This paper introduces a neural network (NN) -based nonlinear predictor for the LP (Linear Prediction) residual. To evaluate the effectiveness of the NN-based nonlinear predictor for LP-residual, we first compared the average prediction gain of the linear long-term predictor with that of the NN-based nonlinear long-term predictor. Then, the effects on the quantization noise of the nonlinear prediction residuals were investigated for the NN-based nonlinear predictor A new NN predictor takes into consideration not only prediction error but also quantization effects. To increase robustness against the quantization noise of the nonlinear prediction residual, a constrained back propagation learning algorithm, which satisfies a Kuhn-Tucker inequality condition is proposed. Experimental results indicate that the prediction gain of the proposed NN predictor was not seriously decreased even when the constrained optimization algorithm was employed.

• The Korean Journal of Applied Statistics
• /
• v.20 no.2
• /
• pp.219-227
• /
• 2007

The time series models have been used to analyze and predict the network traffic. In this paper, we compare the performance of the time series models for prediction of network traffic. The feasibility study showed that a class of nonlinear time series models can be outperformed than the linear time series models to predict the network traffic.

• The Journal of the Acoustical Society of Korea
• /
• v.3 no.2
• /
• pp.35-45
• /
• 1984

본 연구는 한국어의 발음상의 특징과 구조에 의해서 한국어를 음소별로 분리할 수 있음에 착안 하여, 자음과 모음으로 구성된 한국어 단음을 자음의 음소와 모음의 음소로 각각 분리하여 인식하는 새 로운 방법에 관한 연구이다. 특정 화자 2명에 대하여 한국어 단음 84자를 모음의 음소와 자음의 음소로 각각 분리하여 인삭한 실험결과 모음을 인식한 경우에는 선형 예측 계수를 이용하면 인식률이 95.2%이 고, 편자기 상관계수로 92.5%, 폴만트로 97.6%의 인식률을 얻었고, 자음을 인식한 경우에는 선형 예측 계수로 88.7%, 편자기 상관계수로 92.9%의 인식률을 얻었다. 또, 자음의 음소와 모음의 음소를 결합시킨 단음을 인식한 경우에는 선형 예측 계수로 83.9%, 편자기 상관계수로 86.3%의 인식률을 얻었다. 이 때, 각 음소들의 데이터의 수는 256개이고, 선형 예측 계수와 편자기 상관 계수와의 예측차는 15차이다. 이 와 같이 한국어를 자음의 음소와 모음의 음소로 분리하면 작은 데이터 양으로 처리 시간을 단축 시켜 한국어의 모든 단음, 단어, 연속음, 문장 등을 분석하고 인식할 수 있고, 또한 각 음소들을 원칙적으로 결합시켜 모든 한국어의 합성이 가능함을 알 수 있다.

• Journal of the Korea Concrete Institute
• /
• v.18 no.4 s.94
• /
• pp.507-515
• /
• 2006

The purpose of the paper is to propose a method to give a more accurate prediction of prestress changes in prestressed concrete(PSC) bridges. The statistical approach of the method is using the measurement data of the structural system to develop a nonlinear regression analysis. Long-term prediction of prestress is achieved using nonlinear regression analysis. The proposed method is applied to the prediction of prestress of an actual prestressed concrete box girder bridge. The present study represents that confidence interval of long-term prediction becomes progressively narrower with the increase of in-situ measurement data. Therefore, the numerical results prove that a more realistic long-term prediction of prestress changes in PSC structures can be achieved by employing the proposed method. The prediction results can be efficiently used to evaluate prestress during the service life of structure so that the remaining prestress exceeds the control criteria.

• Journal of Korea Multimedia Society
• /
• v.13 no.5
• /
• pp.722-729
• /
• 2010

Prediction problems are widely used in medical domains. For example, computer aided diagnosis or prognosis is a key component in a CDSS (Clinical Decision Support System). SVMs with nonlinear kernels like RBF kernels, have shown superior accuracy in prediction problems. However, they are not preferred by physicians for medical prediction problems because nonlinear SVMs are difficult to visualize, thus it is hard to provide intuitive interpretation of prediction results to physicians. Nomogram was proposed to visualize SVM classification models. However, it cannot visualize nonlinear SVM models. Localized Radial Basis Function (LRBF) was proposed which shows comparable accuracy as the RBF kernel while the LRBF kernel is easier to interpret since it can be linearly decomposed. This paper presents a new tool named VRIFA, which integrates the nomogram and LRBF kernel to provide users with an interactive visualization of nonlinear SVM models, VRIFA visualizes the internal structure of nonlinear SVM models showing the effect of each feature, the magnitude of the effect, and the change at the prediction output. VRIFA also performs nomogram-based feature selection while training a model in order to remove noise or redundant features and improve the prediction accuracy. The area under the ROC curve (AUC) can be used to evaluate the prediction result when the data set is highly imbalanced. The tool can be used by biomedical researchers for computer-aided diagnosis and risk factor analysis for diseases.

• The Korean Journal of Financial Studies
• /
• v.13 no.1
• /
• pp.77-92
• /
• 2007

한국증권시장을 포함한 대부분의 지역증권시장이 미국 뉴욕증권시장의 움직임에 반응하거나 동조현상을 보인다는 사실은 이미 경험적으로 혹은 통계적으로 널리 수용되고 있다. 본 연구는 그러한 반응에 비선형성이 존재하는가를 일별 주가수익률을 데이터로 활용하여 우선적으로 검정한다. 그러한 검정결과에 입각하여 비선형성을 내재화시킨 계량분석모형이 주가수익률을 설명하고 예측하는데 도움을 줄 수 있는가를 확인한다. 본 연구에서는 이러한 비선형성에 관련된 정보를 유도하기 위하여 평활전이(자기)회귀분석모형(STR)을 이용한다. STR모형은 국면전환을 야기하는 전이변수를 명시적으로 확인할 수 있고 다양한 국면전환형태를 모형에 수용할 수 있는 장점을 가지고 있다. KOSPI수익률의 비선형성에 대한 검정결과는 귀무가설인 선형성이 기각되는 것으로 나타났으며, 그러한 비선형성의 형태는 미국증권시장이 하강기에 처한 경우에 상승기에 처한 상태보다 민감한 동조현상을 보이는 것으로 나타났다. 하지만 추정된 STR모형이 주가의 변동을 설명하거나 예측하는데 여타의 모형보다 나은 능력을 가지는가에 대해서는 긍정적인 결과를 얻지 못하였다.

• Journal of Korean Society of Transportation
• /
• v.28 no.5
• /
• pp.141-153
• /
• 2010

The study is about the development of operating speed prediction models aimed for an evaluation of design consistency of four lane rural roads. The main differences of this study relative to previous research are the method of data collection and classification of road alignments. The previous studies collected speed data at several points in the horizontal curve and approaching tangent. This method of collection is based on the assumption that acceleration and deceleration only occurs at horizontal tangents and the speed is kept constant at horizontal curves. However, this assumption leads to an unreliable speed estimation, so drivers' behavior is not well represented. Contrary to the previous approach, speed data were collected with one and data analysis using a speed profile is made for data selection before building final models. A total of six speed prediction models were made according to the combination of horizontal and vertical alignments. The study predicts that the speed data analysis and selection for model building employed in this study can improve the prediction accuracy of models and be useful to analyze drivers' speed behavior in a more detailed way. Furthermore, it is expected that the operating speed prediction models can help complement the current design-speed-based guidelines, so more benefits to drivers as real road users, rather than engineers or decision makers, can be achieved.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.357-357
• /
• 2021

홍수로 인한 침수피해 발생을 최소화하기 위해 정확한 하천의 수위 예측과 리드타임 확보가 매우 중요하다. 특히 조석현상의 영향을 받는 감조하천의 경우 기존의 물리적 수문모형의 적용이 제한되어 하천수위 예측의 정확도가 떨어지기도 한다. 따라서 본 연구에서는 이러한 감조하천 수위 예측의 정확도를 높이기 위해 조석현상을 분리하고 인공신경망을 활용하는 하이브리드 모델을 제안 하였으며 다중 선형회귀분석과 비교 분석하였다. 감조하천에 위치한 교량의 수위데이터에서 Stationary Wavelet Transform으로 조석현상을 분리하였으며, 이외의 수위에 영향을 주는 time series data와 인공신경망(ANN)을 활용하여 1시간, 2시간, 3시간 후의 수위를 예측하였다. 하이브리드 모델은 96% 이상의 정확도를 보였으며 다중 선형회귀 분석과 비교하여도 높은 정확성을 보여주었다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2001.11a
• /
• pp.95-97
• /
• 2001

공간자료의 예측문제에 있어 전통적 예측방법인 크리깅방법과 최근 통계적문제 적용되기 시작한 신경망분석방법 간의 비교를 사례연구를 통해 행하였다. 일반적으로 크리깅에 의한 선형예측은 공간자료에 대한 일반적 통계모형으로서 간주되어 왔다. 한편 예측문제에 있어 뉴럴네트워크에 기초한 비모수적 방법이 관심의 대상이 되고 있으며 특히 대용량 자료의 경우 데이터마이닝 기법의 한 분야로 널리 사용되고 있는 실정이다. 본 연구에서는 공간 자료의 예측에 있어 유전자 알고리즘을 신경망분석 모형을 결합하여 기존의 크리깅방법과의 예측력을 비교한다.