• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2021.11a
• /
• pp.54-56
• /
• 2021

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.733-736
• /
• 2007

최근 생명 공학 기술의 발달로 마이크로 단위의 실험이 가능해지고 하나의 칩상에 수 만개의 유전자들의 발현 양상을 보다 쉽게 관찰할 수 있게 되었다. DNA 칩 기술에 의해 얻어지는 마이크로어레이(microarray) 데이터는 세포나 조직 내의 유전자 발현도(expression level)를 측정한 것으로 질병 진단이나 유전자 기능 예측 등에 이용되고 있다. 본 논문에서는 대량의 시계열 마이크로어레이 데이터 분석을 위해 효율적으로 데이터의 차원을 판단하는 점진적 주성분 분석을 이용하여 데이터의 차원을 축소 한다. 제안된 방법은 실제 시계열 마이크로어레이 데이터인 yeast cell cycle 데이터에 적용되었고, 데이터 차원 축소에 대한 효율성을 검증하기 위해 클러스터링을 수행하였다. 그 결과 데이터를 축소하여 클러스터링을 수행한 경우 학습 성능이 향상 된 결과를 보였다.

• 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 GEO-environmental Society
• /
• v.20 no.10
• /
• pp.29-38
• /
• 2019

In stability and settlement management of soft ground, the settlement prediction technology has been continuously developed and used to reduce construction cost and confirm the exact land use time. However, the preexistence prediction methods such as hyperbolic method, Asaoka method and Hoshino method are difficult to predict the settlement accurately at the beginning of consolidation because the accurate settlement prediction is possible only after many measurement periods have passed. It is judged as the reason for estimating the future settlement through the proportionality assumption of the slope which the preexistence prediction method computes from the settlement curve. In this study, ARIMA technique is introduced among time series analysis techniques and compared with preexistence prediction methods. ARIMA method was predictable without any distinction of ground conditions, and the results similar to the existing method are predicted early (final settlement).

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2013.10a
• /
• pp.133-135
• /
• 2013

장래의 해상교통량에 대한 정확한 예측은 항로설계 및 해상교통의 안전성 평가 측면에서 중요한 요소이다. 본 연구는 신뢰성 있는 해상교통량을 추정하기 위해 시계열 모델의 지수평활법과 ARIMA 모형을 이용하여 모형의 식별 및 진단 방안을 제시하였다. 제시된 방법의 효과를 검증하기 위하여 주요항만인 부산항, 광양항, 인천항, 평택항의 해상교통량을 예측하였다. 그 결과로 부산항은 ARIMA 모형, 광양항은 Winters 승법 모형, 인천항은 단순계절 모형, 평택항은 ARIMA 모형이 더 적합한 모형으로 알 수 있었으며, 각 항만별 계절에 따라 월별 교통량의 차이를 보이는 것으로 분석되었다. 본 연구 결과는 향후 항로 및 항만설계 또는 해상교통 안전성 평가에 보다 신뢰성 있는 추정치를 제공할 수 있을 것으로 보인다.

• Journal of Korean Society of Transportation
• /
• v.23 no.7 s.85
• /
• pp.7-15
• /
• 2005

The objective of this study is to estimate highway trip demand functions in Korea. In order to estimate them, I propose various socio-economic variables that affect the highway trip demand functions. I use the unit root test for each variable and the cointegration test to and the relationships among variables. Finally, I use the vector error correction model, to get the highway trip demand functions. The implication which I derive from the estimation is that real GDP and highway tolls have positive and negative effects, respectively. on the highway trip demand.

• Journal of Korea Port Economic Association
• /
• v.35 no.3
• /
• pp.61-72
• /
• 2019

In order to enhance the competitiveness of the container shipping industry and promote its development, based on the empirical analyses using multivariate time series models, this study aims to suggest a few strategies related to the dynamics of the container shipping market. It uses the vector autoregressive (VAR) and vector error correction (VEC) models as analytical methodologies. Additionally, it uses the annual trade volumes, fleets, and freight rates as the dataset. According to the empirical results, we can infer that the most exogenous variable, the trade volume, exerted the highest influence on the total dynamics of the container shipping market. Based on these empirical results, this study suggests some implications for ship investment, freight rate forecasting, and the strategies of shipping firms. Concerning ship investment, since the exogenous trade volume variable contributes most to the uncertainty of freight rates, corporate finance can be considered more appropriate for container ship investment than project finance. Concerning the freight rate forecasting, the VAR and VEC models use the past information and the cointegrating regression model assumes future information, and hence the former models are found better than the latter model. Finally, concerning the strategies of shipping firms, this study recommends the use of cycle-linked repayment scheme and services contract.

• Communications for Statistical Applications and Methods
• /
• v.16 no.1
• /
• pp.127-135
• /
• 2009

It is necessary to forecast the amount of the maximum electricity demand for stabilizing the flow of electricity. The time series data was collected from the Korea Energy Research between January 2000 and December 2006. The data showed that they had a strong linear trend and seasonal change. Winters seasonal model, ARMA model were used to examine it. Root mean squared prediction error and mean absolute percentage prediction error were a criteria to select the best model. In addition, a nonstationary generalized extreme value distribution with explanatory variables was fitted to forecast the maximum electricity.

• 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 Cadastre & Land InformatiX
• /
• v.47 no.1
• /
• pp.5-14
• /
• 2017

Korea, which has undergone a rapid urbanization, faces various problems such as the management of facilities, safety, environment and transportation. To solve civil complaints, local governments receive electronic complaints, but complaints are increasing. Therefore, this study conducted the spatial distribution pattern analysis and the trend analysis by presenting location data on spatial information through Geo-coding by collecting electronic civil petition data over the last 10 years targeting Jinju city. Using the ARIMA model, this study predicted the occurrence of complaints over the next two years (2016~2017) through a time series forecast analysis. As a result, the complaints related to illegal parking were the highest, the complaint related to noise was the second highest, and the complaints related to illegal garbage dumping was the third highest. In addition, the analysis of the spatial distribution pattern shows that the largest hot spot was formed in the central commercial district every year. As a result of the time series forecasting analysis for the crackdown of the illegal parking, complaints increased slightly. To compare the predicted value and the actual data showed a similar pattern. It is judged that this study will be utilized to establish effective countermeasures against civil complaints.