• The Journal of Bigdata
• /
• v.7 no.2
• /
• pp.195-204
• /
• 2022

The tourism industry is facing a crisis due to the recent COVID-19 pandemic, and it is vital to improving profitability to overcome it. In situations such as COVID-19, it would be more efficient to sell additional products other than guest rooms to customers who have visited to increase the unit price rather than adopting an aggressive sales strategy to increase room occupancy to increase profits. Previous tourism studies have used machine learning techniques for demand forecasting, but there have been few studies on cross-selling forecasting. Also, in a broader sense, a resort is the same accommodation industry as a hotel. However, there is no study specialized in the resort industry, which is operated based on a membership system and has facilities suitable for lodging and cooking. Therefore, in this study, we propose a cross-selling prediction model using various machine learning techniques with an actual resort company's accommodation data. In addition, by applying the explainable artificial intelligence XAI(eXplainable AI) technique, we intend to interpret what factors affect cross-selling and confirm how they affect cross-selling through empirical analysis.

• Journal of Korea Water Resources Association
• /
• v.48 no.12
• /
• pp.1051-1064
• /
• 2015

Currently, the H purification plant determines the hourly water intake amount based on operator experience and skill. Therefore, inevitably, there are deviations among operators. While meeting time-varying demand and maintaining the proper water level in the clean water reservoir, the methodology for minimizing electricity cost, when dealing with different electricity rate time zones, is a very complicated problem, which is beyond an operator's capability. To solve this problem, a linear programming (LP) model is proposed, which can determine the optimal hourly water intake amount for minimizing the daily electricity cost. It is shown that an inaccurate estimate for the hourly water usage in the demand areas causes the water level constraint to be violated, which is the weak point of the proposed LP method. However, several examples with real-field data show that we can practically and safely solve this problem with safety margins. It is also shown that the safety margin method still works effectively whether the estimate is accurate or not. The operators need not attend the site at all times under the proposed LP method, and we can additionally expect reductions in labor costs.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.401-403
• /
• 2016

최근 태양광 발전사업의 투자 수요가 증가하고 있으며, 이에 따른 태양광 발전시스템 (PV시스템)의 신뢰성 및 발전 효율 향상 등을 확보할 수 있는 모니터링 시스템의 중요성이 부각되고 있다. 본 논문에서는 데이터를 앙상블 기법으로 분석하여 알려진 자동 분류 기법과 앙상블 기법을 비교해보고, 이를 바탕으로 PV시스템 고장 예측의 정확도를 향상 시키고자 한다.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.13 no.5
• /
• pp.29-40
• /
• 2009

Pneumatic system is widely applied to ground facility and launcher on-board system. One of the important aspects of pneumatic system is to meet pressure and flow rate requirements of gas consumers. In this paper, a systematic analytical approach for pneumatic system is proposed, which uses and systematically combines previous studies. The proposed analytical method is that pressure/flow calculation using conservation equations are combined with sonic limit check at vena contracta of the components of pneumatic system, which checks the installed components whether they are merely pressure loss elements or flow limiting element of the system. In this paper, gas consumers are categorized and simulated using the proposed method. The results reveal that the feeding performance of general pneumatic system can be properly estimated using the proposed approach.

• Journal of Korean Society of Transportation
• /
• v.24 no.3 s.89
• /
• pp.197-205
• /
• 2006

The study suggested a demand forecasting method which explicitly reflects transfer between various transport modes especially related light rail transit project with multi-modal transit system. The suggested method classifies several groups depending on characteristic of trips and applies different demand model for each group to explain travel pattern more realistically More specifically. the trips was classified by trips within the LRT route, trips between inside and outside of the LRT route. and through trips via the LRT route. The study also suggested a evaluation measurement of time saving due to the LRT construction, which are consistent along with the do-case and the do-nothing-case even though some mode shift could be happen after introducing the LRT.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.21 no.10
• /
• pp.126-133
• /
• 2007

This paper proposes information technology based data mining to forecast short term power demand. A time-series analyses have been applied to power demand forecasting, but this method needs not only heavy computational calculation but also large amount of coefficient data. Therefore, it is hard to analyze data in fast way. To overcome time consuming process, the author take advantage of universally easily available information technology based data-mining technique to analyze patterns of days and special days(holidays, etc.). This technique consists of two steps, one is constructing decision tree, the other is estimating and forecasting power flow using decision tree analysis. To validate the efficiency, the author compares the estimated demand with real demand from the Korea Power Exchange.

• Proceedings of the Safety Management and Science Conference
• /
• 2007.04a
• /
• pp.61-71
• /
• 2007

최적의 효율적이고 경쟁력 있는 물류시설을 조성하기 위해 수요업체(화주)를 대상으로 입지, 임대면적, 임대조건, 임대가격, 건물의 배치, 건물의 구조, 교통처리계획, 부대시설 등에 관한 다양한 의견을 사전에 수렴, 물류시설 건립에 반영할 필요성이 대두되고 있다. 조사를 위한 시간과 비용이 과대하게 발생하는데 이러한 비효율적인 조사를 보다 효율적으로 정리하고 더 나아가 투자자의 신속하고 정확한 의사결정을 지원하기 위해서 간단하게 몇 가지의 요소만으로 사전에 진단하고 정확한 의사결정을 할 수 있는 도구의 필요성이 대두된다. 즉, 기존에는 상기에서 언급한 '수요자 접근법'을 이용하여 진행하여 왔는데, 거점적인 측면과 시설적인 측면의 요소를 반영한 새로운 "요인비교법"을 도출하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.39-39
• /
• 2020

Low-flow 하천에서의 최저수위를 나타내는 지표이다. 일반적으로 유황곡선의 갈수량(Q355)를 대표적으로 사용한다. Low-flow는 물 공급 관리 및 계획, 관개용수, 생태계등 다양한 분야에 영향을 미친다. 이러한 Low-flow를 산정하기 위해서는 충분한 기간의 유량자료가 필요하다. 하지만 국토의 70%가 산지지형으로 구성되어 있는 우리나라의 경우 국가하천과 1급하천을 제외한 산지유역은 수위관측소가 부재하거나 결측으로 인해 자료가 충분하지 않아 Low-flow분석에 한계가 있다. 이에 과거에는 미계측지역의 갈수량을 예측하기 위해서 다중회귀분석, ARIMA 모형 등 다양한 기법을 사용하였지만, 최근들어 머신러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 새로운 패러다임에 맞는 머신러닝 기법인 DNN기법을 사용하고자 한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 머신러닝 기법인 DNN기법을 통해 미계측지역에 적용 가능한 지역화 Low-flow indices를 산정하고자 한다. 먼저, Low-flow에 영향을 미치는 인자들을 수집하고 인자들간의 상관분석, 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 또한 기존의 갈수량 예측기법인 다중회귀분석 결과와 비교하여 머신러닝 기법의 효용성을 검토하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.845-848
• /
• 2021

최근 화석연료의 급격한 사용에 따른 자원고갈이나 환경오염과 같은 문제들이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 높아지고 있다. 태양광 에너지는 다른 에너지원에 비해 고갈의 우려가 없고, 부지 선정의 제약이 크지 않아 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효과적으로 사용하기 위해서는 태양광 발전량에 대한 정확한 예측 모델이 필요하다. 이를 위한 다양한 딥러닝 기반의 예측 모델들이 제안되었지만, 이러한 모델들은 모델 내부에서 일어나는 의사결정 과정을 들여다보기가 어렵다. 의사결정에 대한 설명이 없다면 예측 모델의 결과를 완전히 신뢰하고 사용하는 데 제약이 따른다. 이런 문제를 위해서 최근 주목을 받는 설명 가능한 인공지능 기술을 사용한다면, 예측 모델의 결과 도출에 대한 해석을 제공할 수 있어 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 모델의 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 Long Short-Term Memory(LSTM)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHapley Additive exPlanation(SHAP)을 통하여 설명하는 태양광 발전량 예측 기법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.200-203
• /
• 2008

최근 전력산업에서의 에너지 가격 및 공급과 수요의 변동, 그리고 기후의 변화에 의해서 부하 예측은 전력회사 경영방침 계획에 있어 중요한 요소가 되었다. 이 논문에서 전력계통의 최적 운용 계획을 위하여 우리가 제안한 기법은 다차원 분석이 가능한 3D 큐브 마이닝과 시간의 변화에 따른 패턴 예측이 가능한 캘린더 기반 시간 데이터 마이닝 기법이다. 이를 통하여 무선 부하 감시 시스템의 부하 데이터의 다차원 분석이 가능하고, 시간 변화에 따른 서로 다른 부하 패턴의 예측이 가능하도록 한다.