• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.33-36
• /
• 2013

운항하는 선박의 특성상 미래 상태를 반영한 예방정비는 선박의 안전한 운항과 운영비용 절감에 중요한 요인이다. 이에 본 논문에서는 선박 엔진의 세 가지 주요 베어링의 마모 상태를 모니터링하고 앞으로의 마모 정도를 예측하는 시스템을 설계하였다. 목표하는 시스템은 현재의 BDC(실린더 하사점) 레벨 데이터 뿐만 아니라 취득한 BDC 레벨 데이터를 시계열 모형으로 예측한 미래값도 보여줄 수 있어야 한다. 이를 위하여 BWM(베어링 마모도 모니터링)의 프로토타입을 제작하고 이 장치로부터 BDC 레벨 데이터를 취득하였다. 이 과정에서 예측한 BDC 레벨과 실측 데이터를 비교해서 시계열 모형을 이용한 마모도 예측 방법이 적용 가능함을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.26 no.1
• /
• pp.1-14
• /
• 2013

ARIMA and ARIMA+IGARCH models are fitted and compared for daily Korean won/US dollar exchange rate data over 17 years. A linear structural change model and an autoregressive structural change model are fitted for multiple change-point estimation since there seems to be structural change with this data.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2000.04a
• /
• pp.318-321
• /
• 2000

이 연구는 정보통신기기 수출량에 관해 하향식(Top-down) 방법에 기초한 예측 모형을 제시한다. 하향식방법은 전체 수출량과 전체를 구성하는 개별 항목간에 계층적 관계를 바탕으로 순차적으로 예측을 수행하는 방법이다. 전체와 개별 항목간에 관계는 데이터의 시계열 특성과 데이터에 영향을 주는 요인들에 의해서 만들어진다. 이러한 관계를 바탕으로 하는 하향식 예측은 전체 수출량을 먼저 예측한 후 이 예측치를 바탕으로 하여 개별 항목에 대한 예측을 수행한다. 하지만 하향식 방법은 가장 아래 계층의 예측치를 산출하기 위해 필요한 것이며 최종 예측치는 가장 마지막 계층에서부터 예측 데이터를 합산해서 얻을 수 있다. 결국 하향식 예측 방법은 전체와 개별 항목 사이에 상관관계가 높고 계층화되어 있는 구조에 적합하다. 이 예측 대상이 되는 정보통신기기 수출량에 대한 적용 사례를 살펴보자. 계층 구조를 보면 정보통신기기 전체 수출량과 전체를 구성하는 개별 항목으로 정보통신기기 분류별(유선기기, 무선기기, 방송기기, 정보기기, 기타부품기기)과 국가별(미국, 일본, 중국 등 7 개국)로 나뉘어진다. 다시 이 아래 계층으로는 국가와 정보통신기기의 행렬 구조(예: 미국-유선, 일본-부품 등)에 의해 35 개로 나뉘어진다. 각 단계별 예측 방법을 보면 전체 수출량은 시계열 특성과 거시적 변수를 반영한 시계열 모형, 그 아래 계층인 국가별과 분류별 모형에는 전체 수출량 시계열 특성과 국가별과 분류별에 영향을 주는 관련 변수를 반영한 회귀모형 그리고 행렬 구조에 대한 예측은 상위 계층의 시계열 특성과 행렬구조 데이터의 계절성이 반영된 다중 회귀모형을 이용하였다.ndex, mobile user′s will first be classified by their traffic volume, and then calculate the average tariffs per minute of each group of users, and lastly weight-average those tariffs per minute. And finally, this paper shows the mobile tariff index by considering those averaged tariffs and the carriers′ market shares to reflect the contribution of individual carriers and the users′ traffic volume.완화될 수 있다. 즉, 봉지를 씌웅으로서 봉지 내의 대기 환경이 외기보다 안정적으로 유지되고 직사광선이나 농약 및 마찰로부터 과실을 보호해 주기에 동녹이 어느 정도 방지될 수 있는 것이다. 그러나 기존의 황금배봉지는 동녹의 정도를 완화시킬 뿐 완전히 방지할 수 없었으며, 봉지를 적 용한 재배조건에서의 동녹발생 기구를 정확히 이해하지 못했었기에 효과적으로 봉지의 기능 을 개선하는 것이 불가능하였다. 과설의 미려도는 과실의 맛과 함께 그 가치를 결정짓는 중요한 물성으로서 우리나라 황 금배 재배환경과 특성에 알맞은 배봉지의 제작이 선결될 때, 배 품질의 향상, 안정된 공급이 가능하게 될 것이며 아울러 농가의 수업증대와 수출 경쟁력 강화가 이루어질 수 있을 것으로 판단된다. 이러한 측면에서 황금배 재배농가가 당면한 동녹발생의 문제점을 신속한 해결 을

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.645-648
• /
• 2015

ICT 시대를 맞아 하루가 다르게 새로운 기술이 등장하고 있으며, 최근에는 사물인터넷 시대까지 도래하였다. 하지만 현재 사물인터넷에서 폭발적으로 발생되는 시계열 데이터를 분석하는 연구는 미비한 상태이다. 따라서 본 논문에서는 사물인터넷에서 발생되는 시계열 데이터의 예측 정확도 향상을 위해 사계절이 뚜렷한 우리나라의 계절성 특성을 고려한 SARIMA알고리즘과 비선형 특성 예측 알고리즘인 SVM을 결합한 하이브리드 SARIMA-SVM알고리즘을 제안 한다.

• Journal of the Korea Society for Simulation
• /
• v.30 no.4
• /
• pp.1-8
• /
• 2021

Deep learning is one of the most widely accepted methods for the forecasting of time series data which have the complexity and non-linear behavior. In this paper, we investigate the modification of a state-of-art WaveNet deep learning architecture and walk forward validation (WFV) in order to forecast electric power consumption data 24-hour-ahead. WaveNet originally designed for raw audio uses 1D dilated causal convolution for long-term information. First of all, we propose a modified version of WaveNet which activates real numbers instead of coded integers. Second, this paper provides with the training process with tuning of major hyper-parameters (i.e., input length, batch size, number of WaveNet blocks, dilation rates, and learning rate scheduler). Finally, performance evaluation results show that the prediction methodology based on WFV performs better than on the traditional holdout validation.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.313-318
• /
• 2021

The advent of the Deep Learning has applied to many industrial and general applications having an impact on our lives these days. Certain type of machine learning model is needed to be designed for a specific problem of field. Recently, there are many instances to solve the various COVID-19 related problems using deep learning model. Therefore, in this paper, a deep learning model for predicting number of outpatients of a hospital in advance is suggested. The suggested deep learning model is designed by using the Keras in Jupyter Notebook. The prediction result is being analyzed with the real data in graph, as well as the loss rate with some validation data to verify either for the underfitting or the overfitting.

• Journal of Korea Society of Industrial Information Systems
• /
• v.15 no.5
• /
• pp.63-69
• /
• 2010

Forecasting game usages hours can supply good information resolving intensive server access and ensuring stable game service. In this paper, we applied various time series analysis methods to forecast game usage hours in 2009 on famous "Ion" and "Sudden Attack" games. According to the experiment, the seasonal variation method showed better performance forecasting actual usage hours.

• The Korean Journal of Financial Management
• /
• v.16 no.2
• /
• pp.243-261
• /
• 1999

본 논문은 순이익의 시계열 속성을 조사하고, 순이익의 시계열이 랜덤워크 모형과 일치하는지를 단위근 검증방식을 사용하여 조사하며, 시계열 속성에 근거하여 도출된 예측모형과 흔히 사용되어 온 랜덤워크 모형의 예측능력을 비교하여 선행연구에서 사용되고 있는 랜덤워크 모형에 실증적 타당성을 제시하는 것을 주목적으로 하고 있다. 본 연구는 한국신용평가주식회사의 데이터 베이스에 1980년부터 1996년까지 17년간 자료가 연속적으로 포함되어 있는 금융기업을 제외한 모든 기업(272개)을 표본으로 사용하고 있다. 표본기업의 순이익 시계열에 가장 적합한 과정은 랜덤워크나 AR(1) 또는 AR(2) 모형이다. 또한 본 논문은 대부분의 기업에 때해 순이익이 랜덤워크 과정을 따른다는 가설을 기각할 수 없음을 보였다. 이들 상이한 모형의 표본외 예측력(out-of-sample predictive ability)을 비교한 결과 상수항을 포함한 랜덤워크 모형이 가장 작은 평균 절대 예측오차(mean absolute forecast error)를 갖는 것으로 나타나고 있다. 본 연구는 기존의 연구가 순이익 시계열의 불안정성(nonstationarity) 문제를 무시하거나 명시적으로 다루고 있지 않은 것과는 달리 단위근 검증(unit root test)을 통해 연간 순이익이 대체로 불안정하다는 것을 보였으며, 또한 상이한 모형의 표본외 예측능력을 비교한 결과 선행연구에서 사용하여 온 랜덤워크 모형의 우월성에 대한 실증적 증거를 제공하였다는 데 의의가 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.708-710
• /
• 2014

최근 금융 분야에서는 빅 데이터를 이용하여 주가예측 모형을 만들어내고 있으며, 특히 금융 시계열 자료의 변동성 집중 현상을 금융 빅 데이터를 이용하여 분석함으로써 세계 주식시장의 동조화 현상을 분석하고 있다. 본 논문에서는 한국과 중국의 일별 주가지수수익률과 일중 주가지수수익률을 이용하여 이들 2개 국가의 대표적인 주가지수 시계열 데이터에 변동성 집중 현상이 존재하는지를 보다 세밀하게 추적하여 양국 주식시장의 동조화 현상을 분석한다. 분석 결과, 한국의 KOSPI와 중국의 Shanghai 종합주가지수의 지수수익률 시계열 자료는 단위근이 존재하지 않으며, 변동성 집중 현상을 보이는 것으로 나타났다. 또한 한국보다는 중국 주식시장의 변동성 집중현상이 보다 강하게 나타나며, 이러한 현상은 일중 주가지수수익률 시계열 자료에서 보다 두드러지게 나타났다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.364-369
• /
• 2010

본 논문에서는 뉴스 텍스트 마이닝을 수행하여 2005년 1월부터 2008년 12월까지 4년 간의 뉴스 데이터에 대해 주가에 호재인지 악재인지 여부에 대해 학습을 하고, 이를 근거로 신규 발행된 뉴스가 주가 상승 또는 하락에 영향을 미치는지를 예측하는 알고리즘을 제안한다. 뉴스 텍스트 마이닝을 위해 변형된 Bag of Words 모델과 Naive Bayesian 분류기법을 사용하였으며, 특히 주가 예측에 있어서 뉴스 마이닝에만 의존하던 기존의 관련 연구와는 달리 예측의 정확성을 높이기 위해 주가의 시계열 데이터 분석기법인 RSI를 추가로 작용하였다. 2009년 11월부터 2010년 2월까지 4개월간 42,355건의 뉴스 데이터에 대해 실험한 결과, 기존 연구 대비 의미 있는 결과인 55.01%의 예측성공률을 얻었다.