• 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.

• Communications for Statistical Applications and Methods
• /
• v.3 no.1
• /
• pp.29-37
• /
• 1996

계절성을 갖는 승법 계절 혼합 시계열 모형들의 동질성 검정을 위하여 Wald 검정 통계량을 구하고 그 극한 분포가 ${\chi}^2$-분포함을 보였으며 시뮬레이션 연구를 통하여 뒷받침하였다. 도시 규모가 비슷한 우리나라 지역별 평균 온도자료를 가지고 이 동질성 검정을 수행하여 시계열을 지역별로 모형화하여 예측한 것과 동질성이 있는 것을 묶고 모형화하여 예측한 것에 대한 예측 오차를 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.73-73
• /
• 2021

가뭄의 계절적 예측성을 개선하기 위해서는 대기-지면-해양의 상호 작용이 현실적으로 모의할 수 있는 지구 기후 예보 모델의 개선이 필수적이다. 제한적인 기후 예보 모델의 예측성으로 인하여 다중 기후 모델들의 다중 앙상블 계절 예보 시스템이 제안되었다. 2008년에 제안된 북미 다중 모델 다중 앙상블 시스템(North American Multimodel Multiensemble System; NMME)은 다양한 모델 개발팀의 참여로 현재까지 운영되면서 계절적 예측성 연구에 큰 이바지를 하였다. 본 연구에서는 NMME 프로젝트에 참여하는 기후 예보 모델들의 북방 여름철 근지표면 온도과 강우량의 예측성을 진단하고 이들의 상관 관계의 강도를 관측데이터와 비교 분석하였다. 대부분의 NMME 모델들에서는 관측데이터에서 보다 강한 음의 상관 관계를 보였다. 이런 근지표면 온도와 강우량의 강한 상관 관계로 우수한 근지 표면 온도 예보는 각각의 해마다 그 역할이 다른 것을 발견되었다. 예를 들어 가문 여름에는 우수한 근지표면 온도 예보가 강우량 예보에 도움이 되고 강우량이 많은 여름에는 우수한 근지표면 온도 예보는 오히려 강우량 예측성을 제한하게 된다. 따라서 기존의 기후 예보 모델들에서 근지표면 온도와 강우량의 상관관계를 사실적으로 나타낼 수 있도록 모델 개선이 요구된다. 마지막으로 관측데이터와 기후 모델데이터에서 태평양과 대서양의 해수면 온도와 미국의 북방 여름철 날씨의 관계를 비교하였다. 근지표면 온도과 강우량에 대한 제한적 예측성에 비해, 대부분의 NMME 기후 예보 모델들에서 해수면 온도의 예측기술은 우수함을 발견하였고 몇몇 모델들에서는 미국의 북방 여름철 기후에 영향력을 주는 대서양과 태평양의 지역까지 잘 모사하는 것을 발견하였다. 따라서 본 연구는 보다 우수한 기후 예보 기술을 위해 앙상블 평균 예보값만이 아닌 NMME의 계절적 예보를 선택적인 사용이 필요함을 제안하였고 앞으로 북미 대륙 뿐만이 아니라 유럽-아시아의 계절적 이상 기후 예측성에 대한 연구 필요성을 강조하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.4-4
• /
• 2022

낙동강 하구 환경/생태 복원을 위하여 "해수유입"으로 하구환경을 조성하는 사업이 추진되고 있으며, 해수 유입 규모와 빈도에 따른 생태환경변화를 예측하는 연구수요가 증가하고 있는 상황이다. 보다 구체적으로는 단기간의 해수유입에 의한 흐름 및 염분 확산범위 예측과 더불어 보다 장기간의 지형변화, 수질환경 변화, 생태환경 변화 등에 대한 예측이 필요한 상황이다. 그리고 그 예측의 대부분을 수치모델에 크게 의존하고 있는 상황이다. 그러나, 수치모형을 이용한 단기 예측은 가까운 미래에 대한 입력조건을 사용하여야 하기 때문에 입력조건에 대한 불확실성이 포함되고, 환경생태모형의 불확실성에 따른 예측 한계 등으로 인하여 오차가 누적되기 때문에 직접적인 활용에 크게 제한이 따를 수 있다. 또한 운영과정에서 어떤 분산, 편향 오차 등이 지속적으로 발생하는 경우, 모델 예측 결과에 대한 신뢰수준이 크게 감소하기 때문에 모델의 적절한 운영기법이 요구된다. 모델은 관심을 가지는 자연현상에 대한 근사(approximation)이고, 예상하지 못한 오차가 발생할 수 있기 때문에 관측 자료를 이용한 자료동화(data assimilation) 과정이 운영모델에서는 필수적인 부분이다. 이론적인 기반이 탄탄한 유체역학 기반 기상예측의 경우에도, 가용한 모든 지점의 관측 자료를 이용한 자료 동화과정을 통하여 모델 예측 결과를 개선하여 나가는 과정을 포함하여 운영하고 있다. 이 과정이 포함하는 중요한 개념은 수치모델이 가지고 있는 (예측 수준의) 한계를 인정하고, 수치모델에 전적으로 의존하는 것이 아니라 관측 자료를 이용하여 그 한계를 저감하여 나가는 과정이다. 모니터링은 모델의 한계를 알려주는 지표이다. 모델링과 모니터링의 불가피한 상호의존 관계를 의미하는 이 개념은 단기간의 흐름, 염분 확산 예측으로 한정되지 않고, 장기적인 변화가 예상되는 생태환경변화 모델에도 적용이 된다. 즉각적인 변화보다는 장기적인 관점에서 파악하여야 하는 생태학적인 변화는 보다 다양한 인자가 관여하기 때문에 어떤 측면에서는 모델보다는 적절한 빈도와 항목에 대한 관측계획 수립(monitoring design)이 더 중요하다고 할 수 있다. 이론적인 질량보존(mass conservation) 방정식을 기반으로 하는 모델은 다양한 현실적인 인자의 영향을 받기 때문에 모델의 한계를 인정하고, 모니터링 자료를 적극적으로 활용하여 불확실성을 저감하는 접근방식이 요구된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.245-247
• /
• 1999

본 논문은 MPEG-2 TM 5 비디오 부호기의 움직임 예측(motion estimation) 처리과정을 소개한다. 비디오에는 공간의 중복성보다 시간의 중복성이 훨씬 많다. 따라서 시간의 중복성을 찾아내는 것이 압축의 효율을 높이는 중요한 척도가 된다. MPEG-2 부호기는 움직임 예측 알고리즘을 사용하여 시간의 중복성을 줄여 압축 효율을 높인다. 움직임 예측은 참조 블록의 위치로부터 원래 블록의 위치를 추정하여 최적의 움직임 벡터를 찾는 과정이다. PMEG-2에서의 움직임 예측은 full search 알고리즘을 사용하여 마지막으로 hlaf pel로 산출한다. 본 논문에서는 MPEG-2 움직임 예측 과정을 frame estimation, field estimation, picture 타입에 따른 estimation, 움직임 예측을 위한 블록 매칭 알고리즘, full search 방법 및 움직임 벡터에 대하여 소개한다.

• Journal of Intelligence and Information Systems
• /
• v.1 no.1
• /
• pp.123-134
• /
• 1995

인공신경망을 이용한 기업도예측에 관한 연구는 일반적으로 대기업을 대상으로 수행되고 있으며, 분석자료로는주로 재무제표에서 얻어지는 재무정보를 사용하고 있다. 이들 대기업의 재무정보들은 비교적양이 풍부하고 신뢰성이 높기 때문에 인공신경망을 이용한 도산예측의 적중률이 80%∼85%의 높은 수준을 보이고 있다. 하지만, 중소기업이 재무정보는 불충분할 뿐만 아니라 신뢰성이 낮을 가능성이 높기 때문에, 중소기업의 도산예측에 있어서 재무정보만을 사용하게 되면 그 정확도가 떨어지게 된다. 본 연구에서는 인공신경망을 이용한 중소기업의 도산예측에 있어서, 재무정보를 보완할 수 있는 비재무정보의 유용성을 검증하였다. 연구결과 본 연구에서 사용한 비재무정보가 획득가능한 비재무정보중 극히 일부에 지나지 않았음에도 불고하고, 재무정보만을 사용하였을 때보다 예측력이 10%정도나 향상되었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.357-358
• /
• 2021

본 논문에서는 VVC(Versatile Video Coding)의 색차 채널을 위한 화면 내 예측 모드 중 하나인 CCLM (Cross-Component Linear Model) 모드의 부호화 성능을 향상시킬 수 있는 방법을 제안하였다. 기존의 CCLM 모드는 예측과정에서 대응 휘도 영역의 화소로만 색차 블록의 예측자를 생성하기 때문에 현재 색차 블록과 그 주변의 참조 화소와의 연관성을 고려하지 않는 문제점이 있다. 본 논문에서는 참조 화소를 사용하는 예측 모드를 유도하여 예측자를 생성한 후 기존 CCLM 을 통해 생성된 예측자와 가중 결합하는 방법을 제안함으로써 문제점을 극복하고 부호화 성능의 향상을 가져오고자 한다. 실험 결과 제안 방법은 기존 VVC 방법 대비 BDBR 측면에서 Y(0.10%), Cb(-0.22%), Cr(-0.22%)의 결과를 얻을 수 있었다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.26 no.4
• /
• pp.472-487
• /
• 1999

본 논문에서는 효율적인 이동성 관리를 위한 이동성 예측 기법을 소개한다. 이동 컴퓨팅 환경에서는 사용자가 지리적 위치의 제약없이 언제, 어디서나 다른 네트워크 시스템과 메시지를 주고 받을수 있다. 그러나, 통신자원의 부족, 잦은 접속단절 , 사용자의 움직임 등과같은 이동 컴퓨팅 시스템의 특징 때문에, 지능적이고 효율적인 이동성관리가 요구된다. 이동 컴퓨팅 시스템이 지능적이고 효율적인 이동성관리를 통하여 높은 질의 서비스를 제공하기 위해서는 이동 사용자의 움직임 패턴들을 능동적으로 고려하는 것이 바람직하다. 본 논문에서는 이동 사용자의 과거수일, 수개월동안의 움직임 패턴 즉, 이동사용자의 위치연혁으로부터 미래 위치를 예측하는 지능적 이동성 예측기법(intelligent mobility prediction scheme)을 제안한다. 모델링 방법으로서 뉴로-퍼지 추론시스템(neuro-fuzzy inference system)을 이용한다. 뉴로-퍼지 추론 시스템이 이동 사용자가 움직이게 되는 미래 위치를 예측하기 때문에 , 본 논문에서의 이동성 예측 기법은 통신채널의 사전 배당, 부족한 자원의 사전 할당등을 위해서 사용될 수 있다. 게다가, 본 논문의 시뮬레이션 결과는 제안하는 기법이 다양한 이동 환경에 대해서 높은 예측 정확도를 갖음을 보여준다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2019.05a
• /
• pp.83-86
• /
• 2019

This study proposes a methodology for predicting co-authorship of contributors to a highly anticipated paper through link analysis and learning, taking into account the result of collaborative research. Previous studies predict the co-authorship with high accuracy, but this shows limitations in that the quality of the predicted relationship is not considered. Therefore, to solve the above problem, we propose three steps to predict the co-authorship that will help with the expected performance: (1) Construct a heterogeneous graph to measure results of collaborative research. (2) Analyze and learn links based on results of collaborative research. (3) Predict links that are anticipated to have high expectation. It is expected to be useful for increasing confidence in the predicted co-authorship.