• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.141-142
• /
• 2018

기존 데이터의 패턴 예측에는 통계를 기반으로 한 수학적 모델이 주로 사용되었으나 새로운 데이터에 대한 피드백이 부족하기 때문에 장기간의 데이터 예측에 한계가 있다. 또한 데이터의 특성이 다양하고 복잡한 경우에는 수학적 모델의 결합 및 계산과정이 어려워진다. 따라서 본 논문에서는 데이터의 학습 및 예측에 기존 정적 모델이 아닌 기계학습 중 시계열 데이터 분석 (Time Series Analysis) 을 기반으로 연구를 진행하였다. 기계학습은 복잡한 특성을 가진 데이터를 학습하여 미래의 데이터 값을 예측하거나 분류하는데 있어서 정확도 및 처리시간 측면에서의 성능을 향상시킬 수 있다.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.20 no.1
• /
• pp.33-41
• /
• 2014

Unlike the existing regression analysis, this study anticipated future marine traffic volume using time series analysis and artificial neural network model. Especially, it tried to anticipate future marine traffic volume by applying predictive value through time series analysis on artificial neural network model as an additional input variable. This study used monthly observed values of Incheon port from 1996 to 2013. In order for the verification of the forecasting of the model, value for 2013 is anticipated from the built model with observed values from 1996 to 2012 and a proper model is decided by comparing with the actual observed values. Marine traffic volume of Incheon port showed more traffic than average for May and November by 5.9 % and 4.5 % respectably, and January and August showed less traffic than average by 8.6 % and 4.7 % in 2015. Thus, it is found that Incheon port has difference in monthly traffic volume according to the season. This study can be utilized as a basis to reflect the characteristics of traffic according to the season when investigating marine traffic field observation.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.29 no.2B
• /
• pp.217-227
• /
• 2004

With a rapid growth in the Internet technology, the network traffic is increasing swiftly. As for the increase of traffic, it had a large influence on performance of a total network. Therefore, a traffic management became an important issue of network management. In this paper, we study a forecast plan of network traffic in order to analyze network traffic and to establish efficient correspondence. We use time series forecast models and determine fitness whether the model can forecast network traffic exactly. In order to predict a model, AR, MA, ARMA, and ARIMA must be applied. The suitable model can be found that can express the nature of traffic for the forecast among these models. We determines whether it is satisfied with stationary in the assumption step of the model. The stationary can get the results by using ACF(Auto Correlation Function) and PACF(Partial Auto Correlation Function). If the result of this function cannot satisfy then the forecast model is unsuitable. Therefore, we are going to get the correct model that is to satisfy stationary assumption. So, we proposes a way to classify in order to get time series materials to satisfy stationary. The correct prediction method is managed traffic of a network with a way to be better than now. It is possible to manage traffic dynamically if it can be used.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.439-442
• /
• 2004

최근에 인터넷 경매가 보편화되면서 경매 물품의 가격 결정을 관한 연구가 증가하고 있다. 그러나 이것들은 경매 물품 대한 최근의 추세와 시간에 따른 주기변화를 반영하지 못하여 잘못된 낙찰 예정가를 생성하는 경우가 많다. 본 논문에서는 이러한 문제점들을 해결하고자 수요 예측에서 사용하는 시계열 분석을 이용하여 경매기록 데이터베이스로부터 경매 물품에 맞는 낙찰 예정가를 자동으로 생성하는 방법을 제안한다. 또한 성능 분석을 통하여 시계열 분석 방법에 의한 낙찰 예정가 생성방법의 특징을 비교하고 분석한다. 여기서 제안된 방법이 경매 물품의 실제 낙찰가와 차이를 줄여 낙찰률을 높이고, 경매 물품이 지나치게 낮은 가격으로 낙찰 되는 경우를 줄일 수 있음을 연구한다.

• The Korean Journal of Financial Management
• /
• v.9 no.2
• /
• pp.343-367
• /
• 1992

이 연구는 시계열분석(時系列分析)에 의해 주식수익율(株式收益率)의 변동성(變動性)을 예측하는 모델을 개발하고 그것에 의해 도출된 예측치(豫測値)의 실제변동성(實際變動性)에 대한 예측력(豫測力)을 미국의 주식시장자료를 사용하여 검증 비교하였다. 구체적으로 수익률변동성에 대한 (1) 역사적(歷史的) 변동성(變動性), (2) ARMAX 예측치(豫測値), (3) GARCH 예측치(豫測値) 등이 도출되고 그것들의 예측력이 통계적 비교와 회귀분석 등의 여러차원의 평가기준에 의해서 비교된다. 실증결과에 따르면 선택된 독립변수들에 근거한 ARMAX 예측치가 다른 예측치들 보다 모든 평가기준에서 우수한 예측력을 보였다. GARCH 예측치는 기대와는 달리 만족스러운 예측력을 보여주지 못했다. 본 연구에서 예측력이 실증된 ARMAX 예측치를 다양한 옵션가격결정모형의 변동성투입요소로 사용하는 것은 보다 정확한 옵션의 이론가격을 도출하는 데 크게 기여할 것이다. 또한, 이 논문의 실증결과는 각종의 자산가격결정이론, 수익률분포이론 등의 학문적 분야 뿐만 아니라 주식수익률 변동성의 동향이 일반투자자들의 투자전략에 결정적 영향을 미친다는 점에서 실무적인 관점에서도 시사하는 바가 크다고 할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.184-188
• /
• 2008

추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

• Journal of Digital Convergence
• /
• v.15 no.2
• /
• pp.165-172
• /
• 2017

In this paper, we analyze the research / technology trends of electric vehicles from 2001 to 2014, through keyword analysis using paper data published in SCIE or SSCI Journal on electric vehicles, time series analysis using patent data by IPC, and network analysis using nodeXL. also we predicted promising technologies of electric vehicles using one of the prediction methods, weighted moving average method. As a result of this study, battery technology among the electric vehicle component technologies appeared as a promising technology.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1642_1643
• /
• 2009

일반적으로, 퍼지 예측 시스템의 성능은 데이터의 특성과 퍼지 집합을 생성하기 위한 클러스터일 기법에 매우 의존적이다. 하지만, 예측을 위한 시계열 데이터들은 자연현상에 기인하는 강한 비선형적 특성을 가지고 있으므로 적합한 시스템을 구현하는 것에 많은 제약이 따른다. 따라서 본 논문에서는 시계열의 비선형적 특성을 적절히 취급하기 위하여, 그들로부터 생성 가능한 차분 데이터 중, 유효한 차분데이터를 이용하여 다중 모델 퍼지 예측 시스템을 구현함으로써, 보다 우수한 예측이 가능하도록 하였으며, 퍼지 시스템의 모델링에는 교차 상관분석기법에 따른 계층적 구조의 클러스터링 기법 (Hierarchical Cross-correlation and K-means Clustering Algorithms: HCKA)을 적용하여, 시스템을 위한 규칙기반의 적합성을 높일 수 있도록 하였다.

• Proceedings of the Korean Institute of Communication Sciences Conference
• /
• 1991.10a
• /
• pp.167-173
• /
• 1991

현재까지 가입자 트래픽 예측방법은 계량학적 방법중 추세분석 방법을 이용하고 있는데, 이 방법은 급변하는 시장상황이나 지역여건을 고려하지 못하고 하나의 통계적 기술에 의한 획일화된 예측방법으로서 트래픽예측치가 실제 운용트래픽값과는 다소 차이가 있어왔다. 이러한 원인을 제거할 수 있는 하나의 방법으로서 Box-Jenkins 시계열 분석에 의한 트래픽 예측방법을 제안하고자 한다. 이 방법에 대한 이론을 살펴보고, 시뮬레이션을 통하여 얻은 결과를 각각 분석하여 문제점을 파악하고 실측치와 비교분석함으로서 본 논문에서 제안한 방법이 기존방법보다 타당함을 입증하려 하였다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.231-234
• /
• 2000

본 연구는 오랜 시간에 거쳐 축적된 고객 데이터베이스를 활용하여 스코어링 방법을 적용할 수 있는 모델링의 개발에 목적이 있다. 기존의 전통적인 스코어링 방법은 인구 통계학적인 변수나 거래 관련 횡단면적인 자료를 이용하여 우량고객과 불량고객을 구분하는 판별분석의 형태가 대부분이다. 하지만 과거 고객에 대한 실적 자료가 시계열 형태를 이루며 존재하기 때문에 이에 대한 적절한 동태적 모형을 적용은 자연스러운 확장이라고 볼 수 있다. 본 연구에서 제안하는 모형은 고객들의 실적관련 시계열 자료를 GARCH 모형에 적합하여 미래의 실적 예측과 이에 대한 표준편차를 예측하여 하위 $10\%$에 해당하는 실적 예측치를 스코어링으로 하는 새로운 방법을 소개하고자 한다. 이 경우 스코어 값이 부호를 가지게 되므로 우량고객을 구분함과 동시에 큰 음수 값을 조사하여 위험 평점도 함께 측정할 수 있어서 실무 측면에서 유용하리라고 본다.