• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.157-158
• /
• 2019

발전소 관리의 단기 전력 수요에 대한 정확한 예측은 전력 시스템의 안전하고 효율적인 작동을 보장하는데 필수적이다. 따라서 본 연구는 가우스 커널 함수 네트워크 (GKFNs)의 심층 구조를 이용하여 일일 최대 전력 수요를 예측하는 새로운 방법을 제시한다. 제안 된 GKFN의 깊이 구조는 표준 GKFN에 비해 예측 정확도를 향상시킨다. 한국의 일일 최대 전력 수요를 예측하기위한 시뮬레이션은 제안 된 예측 모델이 GKFN 모델, k-NN 및 SVR과 같은 다른 예측 모델에 비해 예측 성능에 이점이 있음을 보여준다. GKFN의 제안된 심층 구조는 시계열 예측 및 회귀 문제의 다양한 문제에 적용될 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.24 no.2
• /
• pp.307-313
• /
• 2011

In this paper, we compare performance of three models. The Holt-Winters, FARIMA and ARGARCH models, are used in predicting internet traffic data for analysis of traffic characteristics. We first introduce the time series models and apply them to real traffic data to forecast. Finally, we examine which model is the most suitable for explaining the long memory, the characteristics of the traffic material, and compare the respective prediction performance of the models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.719-723
• /
• 2008

도달시간이 짧은 중소유역의 홍수예측과 돌발호우에 의한 돌발홍수의 예측을 위해서는 단기 예측 강우를 활용하는 기술이 필수적이라고 할 수 있다. 본 연구에서는 예측 강우를 이용한 신속하고 정확한 유출모의를 수행하는 과정으로서, 수치예보자료와 레이더 강우와 같이 격자 형태로 제공되는 강우자료를 직접 이용하여 유출모의가 가능한 1차원 분포형 강우-유출 모형을 개발하고자 한다. 본 연구에서 개발하고자 하는 모형은 모형의 입출력, 유출분석 모듈 등과 같은 모든 과정을 GIS 시스템과 완전 연계하고자 하며, 이를 통해서 그리드 형태로 제공되는 강우 시계열 자료와 공간자료를 화면상에서 조회할 수 있으며, 이를 모형의 입력자료로 직접 이용하고, 모의결과 또한 유역 내에서 공간 분포된 행태로 제시할 수 있다. 본 논문에서는 이와 같은 모형의 유출해석 과정과 이론적 검증 결과를 개략적으로 소개하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.817-819
• /
• 2019

다양한 학습 모델이 발전하고 있는 지금, 학습을 통한 다양한 시도가 진행되고 있다. 이중 에너지 분야에서 많은 연구가 진행 중에 있으며, 대표적으로 BEMS(Building energy Management System)를 볼 수 있다. BEMS의 경우 건물을 기준으로 건물에서 생성되는 다양한 DATA를 이용하여, 에너지 예측 및 제어하는 다양한 기술이 발전해가고 있다. 하지만 FEMS(Factory Energy Management System)에 관련된 연구는 많이 발전하지 못했으며, 이는 BEMS와 FEAMS의 차이에서 비롯된다. 본 연구에서는 실제 공장에서 수집한 DATA를 기반으로 하여, 전력량 예측을 하였으며 예측을 위한 기술로 시계열 DATA 분석 방법인 LSTM 알고리즘을 이용하여 진행하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.849-852
• /
• 2021

화석연료의 빈번한 사용으로 인한 지구온난화 문제가 심각해지면서 화석연료를 대체할 수 있는 신재생 에너지가 떠오르고 있다. 그중에서도 에너지원이 청정하고 무제한으로 사용할 수 있다는 장점을 가진 태양광 발전소가 주목을 받고 있다. 하지만 기후에 따라 영향을 많이 받는 특징 때문에 안정적인 전력 생산을 위해서는 태양광 발전량 예측이 매우 중요해지고 있다. 본 논문에서는 시계열 데이터에 특화된 순환신경망 기법인 RNN과 LSTM 모델을 이용하여 태양광 발전량을 예측하고 각 모델의 하이퍼 파라미터를 다르게 주어 비교 분석하였다. 그 결과 LSTM 모델이 RNN 모델보다 높은 예측력을 보였고, 손실 값이 0.1보다 낮은 높은 정확도를 보였다.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.3
• /
• pp.475-483
• /
• 2009

In this paper we introduced a class of nonlinear time series models to analyse KOSPI data. We introduce the Generalized Power-Transformation TGARCH (GPT-TGARCH) model and the model includes Zakoian (1993) and Li and Li (1996) models as the special cases. We showed the effectiveness and efficiency of the new model based on KOSPI data.

• Journal of the Korean Society of Clothing and Textiles
• /
• v.46 no.5
• /
• pp.868-889
• /
• 2022

Fashion companies are using a big data approach as a key strategic analysis to predict and forecast sales. This study investigated the effectiveness of the past sales, web search volume, information amount, brand promotion, and the advertising endorser on the sales forecasting model. The study conducted the autoregressive distributed lag (ARDL) time series model using the internal and external social big data of a national fashion brand. Results indicated that the brand's past sales, search volume, promotion, and amount of advertising endorser information amount significantly affected the sales forecast, whereas the brand's advertising endorser search volume and information amount did not significantly influence the sales forecast. Moreover, the brand's promotion had the highest correlation with sales forecasting. This study adds to information-searching behavior theory by measuring consumers' brand involvement. Last, this study provides digital marketers with implications for developing profitable marketing strategies on the basis of consumers' interest in the brand and advertising endorser.

• Journal of the Korean earth science society
• /
• v.32 no.6
• /
• pp.613-628
• /
• 2011

Restoration, prediction and noise analysis of geomagnetic data measured in the Korean Peninsula were performed. Restoration methods based on an optimized principal component analysis (PCA) and the geostatistical kriging approach were proposed, and its effectiveness was also interpreted. The PCA-based method seemed to be effective to restore the periodical signals and the geostatistical approach was stable to fill the gaps of measurements. To analyze the noise level for each observatory, the geomagnetic time-series was plotted by scattergram which reflects the spatial variation, using data observed during same period. The scattergram showed that the observation made at Cheongyang seemed to have better quality in spatial continuity and stability, and the restoration result was also better than that of Icheon site. For the restoration, both of the methods, geostatistical and optimizaed PCA, showed stable result when the missing of observation was within 20 points. However, in case of more missing observations than 20 points and prediction problem, the optimized PCA seemed to be closer to the real observation considering the frequency-domain characteristics. The prediction using the optimized PCA seems to be plausible for one day of period for interpretation.

• Journal of Korean Society of Transportation
• /
• v.34 no.1
• /
• pp.95-106
• /
• 2016

Air transportation demand is consistently increasing in Korea due to economic growth and low cost carriers. For this reason, airport expansion plans are being discussed in Korea. Therefore, it is essential to forecast reliable air transportation demand with adequate methods. However, most of the air transportation demand models in Korea has been developed by simple regression analysis with several dummy variables. Simple regression analysis without considering stationarity of time-series data can bring spurious outputs when a direct causal relationship between explanatory variables and dependent variable does not exist. In this paper, econometric model were developed for air transportation demand based on stationarity in time-series data. Unit root test and co-integration test are used for testing hypothesis of stationarity.

• Journal of the Korean earth science society
• /
• v.32 no.3
• /
• pp.249-264
• /
• 2011

A multi-Gaussian kriging approach extended to space-time domain is presented for uncertainty modeling as well as time-series mapping of environmental variables. Within a multi-Gaussian framework, normal score transformed environmental variables are first decomposed into deterministic trend and stochastic residual components. After local temporal trend models are constructed, the parameters of the models are estimated and interpolated in space. Space-time correlation structures of stationary residual components are quantified using a product-sum space-time variogram model. The ccdf is modeled at all grid locations using this space-time variogram model and space-time kriging. Finally, e-type estimates and conditional variances are computed from the ccdf models for spatial mapping and uncertainty analysis, respectively. The proposed approach is illustrated through a case of time-series Particulate Matter 10 ($PM_{10}$) concentration mapping in Incheon Metropolitan city using monthly $PM_{10}$ concentrations at 13 stations for 3 years. It is shown that the proposed approach would generate reliable time-series $PM_{10}$ concentration maps with less mean bias and better prediction capability, compared to conventional spatial-only ordinary kriging. It is also demonstrated that the conditional variances and the probability exceeding a certain thresholding value would be useful information sources for interpretation.