• Journal of the Korean Data and Information Science Society
• /
• 제22권3호
• /
• pp.401-412
• /
• 2011

본 연구는 벡터오차수정모형을 이용하여 유럽 탄소배출권 현물가격의 일간 시계열자료를 분석한다. 내생변수로는 탄소배출권가격 이외에 오일가격, 천연가스가격, 전력가격, 석탄가격 등 모두 5개 변수를 고려하며, 분석기간은 유럽 배출권가격의 왜곡이 발생한 제1단계 기간 (2005~2007년)을 피해 제2단계 기간 (2008년 4월 21일~2010년 3월 31일)을 대상으로 하였다. 시계열변수의 안정성 및 공적분 검정 결과, 모든 변수들이 단위근을 갖으며 또한 공적분 벡터가 존재하는 것으로 나타나서 분석모형으로서 벡터자기회귀모형 대신에 벡터오차수정모형을 채택하였다. 분석결과, (1) 오일, 천연가스, 전력 등의 가격이 배출권가격에 대해 원인으로 작용하는 그랜저인과관계가 존재하였다. (2) 충격 반응분석에서 배출권가격은 오일가격의 외생적 충격에 대해 가장 크게 반응하였고, 석탄가격의 충격에 대해서는 초기 상승 후 하락, 전력가격과 천연가스가격의 충격에 대해서는 초기 상승 후 음 (-)으로 감소하는 반응을 보였다. (3) 예측오차 분산분해 분석에서 배출권가격에 대해 가장 큰 영향을 주는 요인은 초기 (3기)에는 오일가격>석탄가격>천연가스가격>전력가격의 순이었으나 이후 (20기)에는 전력가격>오일가격>석탄가격>천연가스가격의 순으로 나타났다.

• 품질경영학회지
• /
• 제48권3호
• /
• pp.511-520
• /
• 2020

Purpose: The purpose of this study was to devise an accurate machine learning model for predicting silica concentrations following the addition of impurities, through time series analysis of mining data. Methods: The mining data were preprocessed and subjected to time series analysis using the machine learning model. Through correlation analysis, valid variables were selected and meaningless variables were excluded. To reflect changes over time, dependent variables at baseline were treated as independent variables at later time points. The relationship between independent variables and the dependent variable after n point was subjected to Pearson correlation analysis. Results: The correlation (R2) was strongest after 3 hours, which was adopted as a dependent variable. According to root mean square error (RMSE) data, the proposed method was superior to the other machine learning methods. The XGboost algorithm showed the best predictive performance. Conclusion: This study is important given the current lack of machine learning studies pertaining to the domestic mining industry. In addition, using time series analysis in mining data will show further improvement. Before establishing a predictive model for the proposed method, predictions should be made using data with time series characteristics. After doing this work, it should also improve prediction accuracy in other domains.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.126-134
• /
• 2009

본 논문은 움직이는 차 안에서 교통 표지판을 추적하는 영상 기반 시스템을 기술한다. 제안된 시스템은 복잡한 환경에서 강인한 추적의 성능을 위해 파티클 필터를 기반으로 하는 기본 구조를 가진다. 실제 환경에서 표지판을 실시간으로 추적하는 경우, 장애물에 의한 겹침 현상과 빠르게 변하는 도로 상황 때문에 시계열 데이터인 상태 정보를 예측하는 것은 많은 어려움이 있다. 따라서 본 논문에서는 이러한 단점을 해결하기 위하여 어파인 변환의 파라미터를 상태 정보로 사용한 자기 회귀 모델을 파티클 필터의 상태 전이 모델로써 사용하고, 강인 통계를 사용하여 장애물에 의한 겹침 현상을 판단하여 추적 성능을 향상시키는 알고리즘을 제안한다. 본 논문의 실험 결과에서는 본 논문에서 제안된 방법이 주행 중 실시간 추적을 위하여 효과적이며, 장애물에 의해 표지판이 겹치는 경우에도 추적이 잘 수행됨을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.457-457
• /
• 2012

말라리아는 매개체에 의한 전염병으로써 국내에서는 이미 1970년대에 사라진 것으로 알려져 있다. 하지만 1990년대에 재발생하여 2000년대 초반까지 경기도와 강원도 북부지역에서 환자가 증가하는 양상을 보였다. 사람에게서 발병하는 말라리아는 4종으로 알려져 있으나 우리나라의 경우 이 중 오로지 삼일열 원충감염에 의한 것으로 밝혀졌다(질병관리 본부, 2010). 기후변화는 질병의 발생에 영향을 미칠 수 있는 중요한 요인 중 하나로써 매개체에 의한 질병의 경우 기후요소는 매개체의 번식과 활동에 적지않은 영향을 미친다. 특히 말라리아의 경우 병원균을 가진 개체수와 모기에 물리는 횟수, 감염된 모기의 수, 그 모기에 사람이 물리는 횟수와 관계가 있으나 기온과 강수량, 습도의 변화 등 기후 및 수문학적 요소와도 밀접한 관계를 가지는 것으로 밝혀졌다(Lindsay & Birley, 1996; 박윤형 외, 2006; 신호성, 2011 재인용). 본 연구의 목적은 한반도 기후-수문학적 환경특성 및 변화를 파악하고 지역적 말라리아 발생과의 상관관계를 도출하며 이를 기반으로 하여 말라리아 발생의 변동을 예측하는 것이다. 분석에 사용된 데이터는 말라리아 발생자료의 경우, 질병관리 본부에서 제공하는 2001년 1월~2011년 12월 까지의 약 16000건의 발병자료가 포함 되었고 분석의 시간 단위는 2WEEKS 이며 전국 251개의 시군구에서 발생한 전염병을 합산하였다. 기상자료의 경우 기상청 기후자료 관리 시스템에서 제공하는 동일 기간대의 평균기온, 최고(최저)기온, 강수량, 신적설, 평균 해면기압, 평균 이슬점 온도, 평균 상대습도, 평균풍속, 평균운량, 일조시간 자료를 활용하였다. 본 연구에 사용된 AWS(Automatic Weather Station)자료의 경우 기본적으로 point 형태의 관측자료이고, 분석기간 동안의 개수에서도 차이가 있기 때문에 공간 내삽기법인 kriging을 활용하여 행정구역과 zonal하는 방법으로 재가공 하였다. 지역의 수문학적 특성의 경우 10*10 DEM을 기반으로 ESRI ArcGIS 소프트웨어의 ArcHydro 기능을 이용 하여 유역을 생성하는 방법을 채택하였다. 본 연구에서는 통계적 모형을 기본으로 기후 및 수문 특성과 말라리아 발생간의 상관관계를 분석하였으며 시계열 자료의 특성상 포아송 분포의 Generalized Estimation Equation 과 Generalized Linear Model을 이용한다(Baccini 외, 2008; 신호성, 2011). 또한 말라리아 잠복시간의 지연효과 및 전염병의 계절 영향을 반영하기 위하여 Fourier transform 을 적용 하였다.

• 품질경영학회지
• /
• 제50권4호
• /
• pp.701-716
• /
• 2022

Purpose: This study aims to predict the dry cargo transportation market economy. The subject of this study is the BDI (Baltic Dry Index) time-series, an index representing the dry cargo transport market. Methods: In order to increase the accuracy of the BDI time-series, we have pre-processed the original time-series via time-series decomposition and data augmentation techniques and have used them for ANN learning. The ANN algorithms used are Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short-Term Memory (LSTM) to compare and analyze the case of learning and predicting by applying time-series decomposition and data augmentation techniques. The forecast period aims to make short-term predictions at the time of t+1. The period to be studied is from '22. 01. 07 to '22. 08. 26. Results: Only for the case of the MAPE (Mean Absolute Percentage Error) indicator, all ANN models used in the research has resulted in higher accuracy (1.422% on average) in multivariate prediction. Although it is not a remarkable improvement in prediction accuracy compared to uni-variate prediction results, it can be said that the improvement in ANN prediction performance has been achieved by utilizing time-series decomposition and data augmentation techniques that were significant and targeted throughout this study. Conclusion: Nevertheless, due to the nature of ANN, additional performance improvements can be expected according to the adjustment of the hyper-parameter. Therefore, it is necessary to try various applications of multiple learning algorithms and ANN optimization techniques. Such an approach would help solve problems with a small number of available data, such as the rapidly changing business environment or the current shipping market.

• 응용통계연구
• /
• 제36권1호
• /
• pp.85-100
• /
• 2023

Stochastic volatility (SV) 모형은 시변 변동성을 모델링하는 주요한 수단 중 하나이며, 특히 금융시장 변동성의 추정 및 예측, 옵션의 가격 결정 등의 분야에서 활발하게 사용되고 있다. 본 논문은 SV 모형을 활용하여 비트코인 시장의 시변 변동성을 모델링하고자 한다. 시장의 변동성은 국면 전환의 특성을 갖고 있다고 알려져 있으며, 시장의 변동 국면을 나누기 위해 시계열의 패턴을 인식하는 작업에 유용한 hidden Markov model(HMM)을 결합하여 사용하고자 한다. 본 연구는 암호화폐 거래 사이트 업비트의 비트코인 데이터를 활용하여 비트코인의 변동성 모형을 추정하였으며 SV 모형의 성능을 높이기 위하여 시장의 변동 국면을 나누어 분석을 진행하였다. MCMC 기법이 SV 모델의 모수를 추정하는 데 사용되며 MAPE, MSE 등의 평가 기준을 통하여 모델의 성능을 확인하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.335-337
• /
• 2021

홍수 피해는 세계 각지에서 발생하고 있으며, 홍수에 취약한 지역에 사는 사람이 2000년에 비해 25% 증가한 8,600만 명에 이른다. 이러한 홍수는 인명과 재산에 막대한 피해를 남기며, 피해를 줄이기 위해선 적절한 시기에 대피를 결정하는 것이 필수적이다. 홍수를 예상하고 대피하는 것에도 많은 비용이 발생하며, 홍수 예측에 오류가 발생하여 대피하지 않는 경우에는 더 큰 비용이 발생한다. 따라서 본 논문에선 시계열 데이터인 강수량과 수위를 활용하여 적절한 시기에 대피가 이루어질 수 있도록 하기 위한 CNN모델을 활용하여 홍수 위험도 판별 모델을 제안한다. 이를 통해 최적의 대피시기를 결정하여 불필요한 대피를 막고, 적절한 시기에 대피가 이루어질 수 있도록 하는 초기 연구로서 활용할 수 있을 것으로 사료된다.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.152-159
• /
• 2023

This study endeavors to enrich investment prospects in cryptocurrency by establishing a rationale for investment decisions. The primary objective involves evaluating the predictability of four prominent cryptocurrencies - Bitcoin, Ethereum, Litecoin, and EOS - and scrutinizing the efficacy of trading strategies developed based on the prediction model. To identify the most effective prediction model for each cryptocurrency annually, we employed three methodologies - AutoRegressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), and Prophet - representing traditional statistics and artificial intelligence. These methods were applied across diverse periods and time intervals. The result suggested that Prophet trained on the previous 28 days' price history at 15-minute intervals generally yielded the highest performance. The results were validated through a random selection of 100 days (20 target dates per year) spanning from January 1st, 2018, to December 31st, 2022. The trading strategies were formulated based on the optimal-performing prediction model, grounded in the simple principle of assigning greater weight to more predictable assets. When the forecasting model indicates an upward trend, it is recommended to acquire the cryptocurrency with the investment amount determined by its performance. Experimental results consistently demonstrated that the proposed trading strategy yields higher returns compared to an equal portfolio employing a buy-and-hold strategy. The cryptocurrency trading model introduced in this paper carries two significant implications. Firstly, it facilitates the evolution of cryptocurrencies from speculative assets to investment instruments. Secondly, it plays a crucial role in advancing deep learning-based investment strategies by providing sound evidence for portfolio allocation. This addresses the black box issue, a notable weakness in deep learning, offering increased transparency to the model.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권10호
• /
• pp.373-380
• /
• 2022

본 논문에서는 네트워크 환경에서 원격사용자들의 몰입형 상호작용을 위한 딥러닝 기반의 그룹 동기화 기법을 제안한다. 그룹 동기화의 목적은 사용자의 몰입감을 높이기 위해서 모든 참여자가 동시에 상호작용이 가능하게 하는 것이다. 기존 방법은 시간 정확도를 향상을 위해 대부분 NTP(Network Time Protocol) 기반의 시간 동기화 방식에 초점이 맞추어져 있다. 동기화 서버에서는 미디어 재생 시간을 제어하기 위해 이동 평균 필터를 사용한다. 그 한 예로서, 지수 가중평균 방법은 입력 데이터의 변화가 크지 않으면 정확하게 재생 시간을 추종하고 예측하나 네트워크, 코덱, 시스템 상태의 급격한 변화가 있을 때는 안정화를 위해 더 많이 시간이 필요하다. 이런 문제점을 개선하기 위해서 데이터의 특성을 반영할 수 있는 딥러닝 기반의 그룹 동기화 기법인 DeepGroupSync를 제안한다. 제안한 딥러닝 모델은 시계열의 재생 지연 시간을 이용하여 최적의 재생 시간을 예측하는 두 개의 GRU(gated recurrent unit) 계층과 하나의 완전 연결 계층으로 구성된다. 실험에서는 기존의 지수 가중평균 기반 방법과 제안한 DeepGroupSync 방법에 대한 성능을 평가한다. 실험 결과로부터 예상하지 못한 급격한 네트워크 조건 변화에 대해서 제안한 방법이 기존 방법보다 더 강건함을 볼 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제12권3호
• /
• pp.242-250
• /
• 2019

본 논문에서는 인공신경망(Artificial Neural Network) 모델 중, 시계열 데이터의 변환을 위한 모델인 Seq2Seq(Sequence to Sequence) 모델을 이용한 산업용 로봇 고장 예지 기술에 대하여 제안한다. 제안 방법은 고장 예지를 위한 추가적인 센서의 부착 없이 로봇 자체적으로 측정 가능한 관절 별 전류와 각도 값을 데이터로 사용하였고, 측정된 데이터를 모델이 학습할 수 있도록 전처리한 후, Seq2Seq 모델을 통해 전류를 각도로 변환하도록 지도 학습 하였다. 고장 진단을 위한 이상 정도(Abnormal degree)는 예측 각도와 실제 각도 간의 단위시간 동안의 RMSE(Root Mean Squared Error)를 사용하였다. 제안 방법의 성능평가는 로봇의 정상 및 결함 조건을 달리한 상태에서 측정한 테스트 데이터를 이용하여 수행되었고 이상 정도가 임계값 넘어가면 고장으로 분류하게 하여, 실험으로부터 96.67% 고장 진단 정확도를 보였다. 제안 방법은 별도의 추가적인 센서 없이 고장 예지 수행이 가능하다는 장점이 있으며, 로봇에 대한 깊은 전문지식을 요구하지 않으면서 수행할 수 있는 방법으로 높은 진단 성능과 효용성을 실험으로부터 확인하였다.