• Communications for Statistical Applications and Methods
• /
• v.16 no.4
• /
• pp.723-730
• /
• 2009

Missing values in time series can be treated as unknown parameters and estimated by maximum likelihood or as random variables and predicted by the expectation of the unknown values given the data. The purpose of this study is to impute missing values which are regarded as the maximum likelihood estimator and random variable in incomplete data and to compare with two methods using ARMA model. For illustration, the Mumps data reported from the national capital region monthly over the years 2001 ${\sim}$ 2006 are used, and results from two methods are compared with using SSF(Sum of square for forecasting error).

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.621-622
• /
• 2015

최근 늘어나는 전력 수요에 따라, 세계적으로 전력에너지 절감을 통한 수요자원 확보 및 활용을 위한 부하 예측의 중요성이 증가하고 있다. 본 논문에서는, 수요관리용 전지전력저장시스템을 효율적으로 운영하고 계획하는데 필수적인 부하예측의 정확성을 높이기 위하여 이동평균법, 지수가중이동평균법, 최소자승법, 인공신경망 방법을 적용하였다. 시계열 데이터인 부하 데이터를 분석하여 최대부하일, 근무일, 토요일, 공휴일로 분류하였고, 각각의 방법으로 예측한 부하를 적용시켜 전기요금 절감을 목표로 하는 전지전력저장시스템의 최적 충 방전 운전계획을 세웠으며, 이를 이용하여 산출된 전기요금과 실제 전기요금을 비교 분석하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.720-722
• /
• 2009

Optimal operation of electric power generating plants is very essential for any power utility organization to reduce input costs and possibly the prices of electricity in general. This paper developed models for load forecasting using neural networks approach. This model is tested using actual load data of the Busan and weather data to predict the load of the Busan for one month in advance. The test results showed that the neural network forecasting approach is more suitable and efficient for a forecasting application.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.1
• /
• pp.52-56
• /
• 2004

The Information of classification and estimate about KOSPI200 index`s up and down in the stock market becomes an important standard of decision-making in designing portofolio in futures and option market. Because the coming trend of time series patterns, an economic indicator, is very subordinate to the most recent economic pattern, it is necessary to study the recent patterns most preferentially. This paper compares classification and estimated performance of SVM(Support Vector Machine) and Fuzzy SVM model that are getting into the spotlight in time series analyses, neural net models and various fields. Specially, it proves that Fuzzy SVM is superior by presenting the most suitable dimension to fuzzy membership function that has time series attribute in accordance with learning Data Base.

• Smart Media Journal
• /
• v.13 no.4
• /
• pp.48-56
• /
• 2024

In the livestock industry, detecting environmental outliers and predicting data are crucial tasks. Outliers in livestock environment data, typically gathered through time-series methods, can signal rapid changes in the environment and potential unexpected epidemics. Prompt detection and response to these outliers are essential to minimize stress in livestock and reduce economic losses for farmers by early detection of epidemic conditions. This study employs two methods to experiment and compare performances in setting thresholds that define outliers in livestock environment data outlier detection. The first method is an outlier detection using Mean Squared Error (MSE), and the second is an outlier detection using a Dynamic Threshold, which analyzes variability against the average value of previous data to identify outliers. The MSE-based method demonstrated a 94.98% accuracy rate, while the Dynamic Threshold method, which uses standard deviation, showed superior performance with 99.66% accuracy.

• The Korean Journal of Applied Statistics
• /
• v.30 no.6
• /
• pp.1005-1013
• /
• 2017

In this paper, we investigate the performances of time series models to forecast irradiance that consider weather variables such as temperature, humidity, cloud cover and Global Horizontal Irradiance. We first introduce the time series models and show that regression ARIMAX has the best performance with other models such as ARIMA and multiple regression models.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10b
• /
• pp.1425-1428
• /
• 2000

본 논문에서는 빠르고 정확하게 기후를 예측, 분석하기 위해 웨이브렛 변환을 통해 Data의 특징을 추출하고 이를 신경망의 입력값으로 사용하는 기상예측시스템은 제안하였다. 또한 학습이 잘되지 않는 패턴에 대한 집중적인 학습을 수행할 수 있는 Epsilon Descending 학습방법을 사용하여 정확도를 상승시켰다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입한 제안 기상예측시스템이 기존의 신경망만을 통한 기상예측시스템에 비해 예측능력면에서 훨씬 더 우수함을 보였다.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.489-490
• /
• 2008

본 고에서는 체내 심실신호를 농하여 신경학적 분석 및 다형성의 측면에서 심실세동이 일어나는 것을 예측하는 분석 알고리즘을 설계하였다. 신경학적 측면에서는 시계열 신호의 Peak to Peak Interval을 예측법과 0.15Hz를 기준으로 HRV 신호의 AR Burg 모델링을 통하여 고주파성과 저주파성을 나누어 교감신경과 부교감신경의 활동성 통한 신경학적 예측법을 제시하였으며 또한 체내 심실신호의 비선형적 특성을 고려한 Fractal Dimension을 생성시킴으로서 주기성의 특성과 다형성 통한 예측법을 제시하였다. 체내 심전도를 기반으로 Simulation 하였으며 각 분석별 조합을 통하여 최적의 예측 구조를 찾고자 하였다. 의학적 의미가 있는 민감도와 특이도를 판별하였으며 예측을 위한 수행시간을 실험하였다. 이를 통하여 자율신경 활성도와 다형성 판별을 조합한 방법이 심실세동 예측을 위한 민감도의 측면에서 가장 우수함을 나타내었고 시뮬레이션을 위만 시뮬레이터(Simulator) UI(User Interface)를 제시하였다.

• Journal of Convergence for Information Technology
• /
• v.11 no.3
• /
• pp.7-13
• /
• 2021

This study develops an artificial intelligence prediction system for Fine particulate Matter(PM2.5) based on the deep learning algorithm GAN model. The experimental data are closely related to the changes in temperature, humidity, wind speed, and atmospheric pressure generated by the time series axis and the concentration of air pollutants such as SO2, CO, O3, NO2, and PM10. Due to the characteristics of the data, since the concentration at the current time is affected by the concentration at the previous time, a predictive model for recursive supervised learning was applied. For comparative analysis of the accuracy of the existing models, CNN and LSTM, the difference between observation value and prediction value was analyzed and visualized. As a result of performance analysis, it was confirmed that the proposed GAN improved to 15.8%, 10.9%, and 5.5% in the evaluation items RMSE, MAPE, and IOA compared to LSTM, respectively.

• 한국항공운항학회:학술대회논문집
• /
• 2016.05a
• /
• pp.136-141
• /
• 2016

본 논문에서는 항행안전시설을 구성하는 구성요소를 체계별로 구분하고 체계별 운영시간 에 따른 고장율 등을 분석한다. 아울러 설계수명에 점차 도달한 항행안전시설 운영단계에서 발생한 유지보수비용 데이터를 토대로 남은 설계수명 기간 동안 향후 발생 가능한 유지보수 비용을 추정한다. 이런 분석결과를 통해 장비의 신뢰성 관련 선행연구들에서 주로 인용되고 있는 욕조커브(Bathtub Curve) 이론과 본 연구의 비용예측 결과와의 연관성을 진단하고 안정적인 유지보수를 위한 기초자료로서 활용되고자 한다. ARIMA 예측모형을 토대로 향후 10개월 간 발생가능한 유지보수 비용을 예측한 결과 비용이 상승할 것이라는 통계적으로 신뢰할 만한 추정 결과를 얻었다. ARIMA를 활용한 추정결과는 앞선 MTBF 분석내용을 지지함과 동시에 시설의 정비 신뢰도를 보여주는 욕조커브 분포와 일치하는 신뢰할 수 있는 결론을 얻은 것이다.