• Journal of the Korea Society of Computer and Information
• /
• v.28 no.8
• /
• pp.59-66
• /
• 2023

The Golden Cross is commonly seen as a buy signal in financial markets, but its reliability for predicting stock price movements is limited due to market volatility. This paper introduces a time-invariant approach that considers the Golden Cross as a singular event. Utilizing LSTM neural networks, we forecast significant stock price changes following a Golden Cross occurrence. By comparing our approach with traditional time series analysis and using a confusion matrix for classification, we demonstrate its effectiveness in predicting post-event stock price trends. To conclude, this study proposes a model with a precision of 83%. By utilizing the model, investors can alleviate potential losses, rather than making buy decisions under all circumstances following a Golden Cross event.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.219-219
• /
• 2020

하천의 수질을 나타내는 환경지표 중 국가 TMS(Tele Monitoring system)의 수질측정망을 통해 관리되고 있는 지표로는 DO, BOD, COD, SS, TN, TP 등 여러 인자들이 있다. 이러한 수질인자는 하천의 자정작용에 있어 많은 영향을 나타내고 있다. 이를 활용한 경제적이고 합리적인 수질관리를 위해 하천의 자정작용을 활용하는 것이 중요하다. 생물학적 작용을 가장 효과적으로 활용하기 위해서는 수질오염 데이터에 기초한 수질예측을 채택하여 적절한 대책이 필요하다. 이를 위해서는 수질인자의 데이터를 측정하고 축적해 수질오염을 예측하는 것이 필수적인데, 실제적으로 수질인자의 일일 측정은 비용 관점에서 쉽게 접근할 수 없다. 본 연구에서는 시계열 학습으로 알려진 RNN-LSTM(Recurrent Neural Network-Long Term Memory) 알고리즘을 활용하여 기존에 측정된 수질인자의 데이터를 통해 시간당 및 일일 수질인자를 예측하려고 했다. 연구에 앞서, 기존에 시간단위로 측정된 수질인자 데이터의 이상 유무를 확인 후, 에러값은 제거하고 12시간 이하 데이터가 누락되었을 때는 선형 보간하여 데이터를 사용하고, 1일 데이터도 10일 이하 데이터가 누락되었을 때 선형 보간하여 데이터를 활용하여 수질인자를 예측하였다. 수질인자를 예측하기 위해 구글이 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하였고, 연구지역으로는 대한민국 부산에 위치한 온천천의 유역을 선정하였다. 수질인자 데이터 수집은 부산광역시에서 운영하는 보건환경정보 공개시스템의 자료를 활용하였다. 모델의 연구를 위해 하천의 수질인자, 기상자료 데이터를 입력자료로 활용하였다. 분석에서는 입력자료와, 반복횟수, 시계열의 길이 등을 조절해 수질 요인을 예측했고, 모델의 정확도도 분석하였다.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.26 no.4
• /
• pp.382-391
• /
• 2020

In this study, we used artificial intelligence algorithms for the prediction of dissolved oxygen in Jindong Bay. To determine missing values in the observational data, we used the Bidirectional Recurrent Imputation for Time Series (BRITS) deep learning algorithm, Auto-Regressive Integrated Moving Average (ARIMA), a widely used time series analysis method, and the Long Short-Term Memory (LSTM) deep learning method were used to predict the dissolved oxygen. We also compared accuracy of ARIMA and LSTM. The missing values were determined with high accuracy by BRITS in the surface layer; however, the accuracy was low in the lower layers. The accuracy of BRITS was unstable due to the experimental conditions in the middle layer. In the middle and bottom layers, the LSTM model showed higher accuracy than the ARIMA model, whereas the ARIMA model showed superior performance in the surface layer.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.35-37
• /
• 2021

Analyzing and predicting foreign tourists' demand is a crucial research topic in the tourism industry because it profoundly influences establishing and planning tourism policies. Since foreign tourist data is influenced by various external factors, it has a characteristic that there are many subtle changes over time. Therefore, in recent years, research is being conducted to design a prediction model by reflecting various external factors such as economic variables to predict the demand for tourists inbound. However, the regression analysis model and the recurrent neural network model, mainly used for time series prediction, did not show good performance in time series prediction reflecting various variables. Therefore, we design a foreign tourist demand prediction model that complements these limitations using a convolutional neural network. In this paper, we propose a model that predicts foreign tourists' demand by designing a one-dimensional convolutional neural network that reflects foreign tourist data for the past ten years provided by the Korea Tourism Organization and additionally collected external factors as input variables.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_3
• /
• pp.1707-1720
• /
• 2023

With the increase in satellite time series data, the utility of remote sensing data is growing. In the analysis of time series data, the relative positional accuracy between images has a significant impact on the results, making image registration essential for correction. In recent years, research on image registration has been increasing by applying deep learning, which outperforms existing image registration algorithms. To train deep learning-based registration models, a large number of image pairs are required. Additionally, creating a correlation map between the data of existing deep learning models and applying additional computations to extract registration points is inefficient. To overcome these drawbacks, this study developed a data augmentation technique for training image registration models and applied it to OffsetNet, a registration model that predicts the offset amount itself, to perform image registration for KOMSAT-2, -3, and -3A. The results of the model training showed that OffsetNet accurately predicted the offset amount for the test data, enabling effective registration of the master and slave images.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1996.11a
• /
• pp.69-73
• /
• 1996

Tool wear monitoring is very important aspect in metal cutting because tool wear effects quarity and precision of workpiece, tool life etc. In this study we detected force signal through tool dynamometer in turning and using it we conducted 6th AR modeling and fractal analysis. Finally the back-propagation model of the neural network is utilized to monitor tool wear and features are extracted through AR model and fractal analysis.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1218-1221
• /
• 2022

최근 전세계의 탄소중립 요구에 따른 에너지 효율 증대를 통한 에너지 절감을 위한 효율성 관련 연구가 확대되고 있다. 방송과 미디어 분야에는 에너지 효율이 더욱 시급하다. 이에 본 연구에서는 효율적인 에너지 시스템 구축을 위해 난방 에너지 시계열 데이터를 기반으로 한 수요 예측 모델을 선정하고, 설명하는 인공지능 모델을 도입하여 수요 예측에 영향을 미치는 원인을 파악하는 프레임워크를 제안한다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.170-170
• /
• 2017

기후변화 따른 스마트팜 돈사 외부 환경의 변화에 대응하고, 사육 환경을 능동적으로 개선하기 위한 연구가 수행 중이다. 돈사 내 열전달 요소 간 상호 역학성 분석을 위해서 고려해야할 사항은 입기구, 보온 등, 열풍기, 단열제, 위치, 방향, 돈사의 연평균 온도, 습도, 연중 일사량, 가축의 열복사 등 상호 복잡하게 연관되어 있는 물리량이다. 돈사 전체 열손실, 자연발생 에너지량, 강제발생 에너지량, 난방용량 등을 고려한 순간 열부하 산정을 위한 여러 방법 중 우선적으로 CFD(Computational Fluid Dynamics)를 이용하였다. 순간 열부하 산정을 위한 해석 도구 선정에 있어서 다양한 유체 및 기체 전산 유체역학 Solver(Fluent, Open-FOAM, Blender)를 고려하였다. 공간 Mech를 수행하기 위한 도구로는 공개 소프트웨어 인 FreeFem++ 3.51-4 (http://www.freefem.org)를 이용하였다. 이 과정에서 일부 기체 (암모니아)의 농도를 난수로 변화시키는 기법을 적용하여 가상적으로 돈사의 환경을 Pseudo 시뮬레이션 하였다. 결과적으로 Fluent에 비하여 OpenFOAM을 이용하여 얻은 열유동의 방향(속도)과 크기 백터가 상대적으로 크게 나타났다. Fluent가 시계열 상에서 혼합 기체 물리량 변화를 무시할 수 있는 안정되고 균일한 환경에 적합하기 때문인 것으로 판단되었다. Blender의 경우 Lattice Boltzmann methods 과 Smoothed-particle hydrodynamics 방법을 이용한 유체/입자 동력학 모델링을 제공함에 있어 시각적 효과를 강조하는 기능에 중점을 두었다. Fluent와 Blender에서 제공하는 해석 연산 모듈의 정확성 검증을 위해선 공간 분해능을 높인 정밀 계측 시스템을 이용하여 검증할 필요가 있다. Open-FOAM를 이용한 열부하 분석 수행이 상대적으로 높은 절대값을 보이는 특성은 열부하 제어 시스템의 Overshoot를 유발할 가능성이 있으므로 이에 대한 해석 모델의 보정이 추가적으로 필요할 것이다. CFD의 한계인 시간 복잡도를 낮추고 상대적으로 높은 시계열 분해능을 확보할 경우 돈사 내 환기시스템에 맞는 소요 환기량 실시간 산정이 가능해지고 외부기상 및 돈사내부 복사열을 활용함과 동시에 돈군 순환에 상응하는 실시간 열부하 관리 시스템 도출이 가능할 것이다.

• Journal of Korea Water Resources Association
• /
• v.30 no.1
• /
• pp.45-54
• /
• 1997

The correct estimation of the daily or hourly urban water demand is required for the efficient management and operation of the water supply facilities. The prediction of water supply demand are regression model and time series method, the optimum ARIMA (Auto Regressive Integrated Moving Average) model was sought for the daily urban water demand estimation in this paper. The data used for this study were obtained from the city of Kwangju Korea. The raw data used in this study were rearranged 15, 30, 60, 90 days for the purpose of analysis. The statistical analysis was applied to the data to obtain the ARIMA model. As a result, the parameters determining the ARIMA model was obtained. The accuracy of the model was 2% of water supply. The developed model was found to be useful for the practical operation and management of the water supply facilities.

• Journal of Korea Water Resources Association
• /
• v.52 no.12
• /
• pp.1075-1086
• /
• 2019

Recently, as the incidence of climate warming and abnormal climate increases, the forecasting of hydrological factors such as precipitation and river flow is getting more complicated, and the risk of water shortage is also increasing. Therefore, this study aims to develop a model for predicting the amount of water intake in mid-term. To this end, the correlation between water intake and meteorological factors, including temperature and precipitation, was used to select input factors. In addition, the amount of water intake increased with time series and seasonal characteristics were clearly shown. Thus, the preprocessing process was performed using the time series decomposition method, and the support vector machine (SVM) was applied to the residual to develop the river intake prediction model. This model has an error of 4.1% on average, which is higher accuracy than the SVM model without preprocessing. In particular, this model has an advantage in mid-term prediction for one to two months. It is expected that the water intake forecasting model developed in this study is useful to be applied for water allocation computation in the permission of river water use, water quality management, and drought measurement for sustainable and efficient management of water resources.