• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2021년도 추계학술대회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• 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.

• 한국지반환경공학회 논문집
• /
• 제20권10호
• /
• pp.29-38
• /
• 2019

연약지반 안정 및 침하관리에 있어 침하예측기술은 지속적으로 발전되어 공사비 절감과 정확한 토지사용 시기를 확인하는데 활용하고 있으나, 기존 예측방법인 쌍곡선법, Asaoka법, Hoshino법 등은 많은 계측기간이 경과되어야 정확한 침하예측이 가능하여 압밀초기 신속한 예측이 어려운 실정이다. 기존 예측방법이 침하곡선으로부터 산정한 기울기의 비례성 가정을 통해 장래침하량을 추정하는 사유로 판단된다. 본 연구에서는 시계열 분석기술 중 ARIMA 기법을 도입하여 기존예측방법과 비교 분석하였다. ARIMA 기법은 지반조건 구분 없이 예측 가능하였으며, 기존방법과 유사한 결과를 조기에 예측(최종침하) 할 수 있었다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2013년도 추계학술대회
• /
• 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.

• 대한교통학회지
• /
• 제23권7호
• /
• pp.7-15
• /
• 2005

고속도로 통행수요함수를 추정하기 위하여 시계열자료를 이용하여 회귀분석을 시도하였다. 기존의 연구들이 시계열자료를 이용하여 통행수요함수를 추정함에도 시계열자료의 특성을 고려하지 않았다는 점에서 한계가 있었는데 본 연구에서는 이를 고려한 모형을 제시하였다. 고속도로 통행수요에 영향을 미치는 다양한 물리적 및 사회 경제적 변수를 선택하여 통행수요함수 추정을 시도하였다. 이를 위해 개별 변수들에 대해 단위근 검정을 하였고 공적분 검정을 시도하여 개별 변수들간의 관계를 고찰하였다. 그리하여 벡터오차수정모형을 이용하여 고속도로 통행수요함수를 추정하였는데 실질 GDP가 증가하면 고속도로 이용대수가 증가하는 것으로 나타났다. 그리고 실질 통행료가 증가하면 고속도로 이용대수가 감소하는 것으로 나타나서 일반적인 예측과 일치하였다.

• 한국항만경제학회지
• /
• 제35권3호
• /
• pp.61-72
• /
• 2019

본 연구는 컨테이너 해운산업의 경쟁력 제고와 발전을 위해 다변량 시계열 모형을 이용한 컨테이너선 시장의 실증적 분석에 기초하여 컨테이너 해운시장의 동태적 움직임에 대한 전략을 제시하고자 했다. 분석 방법론으로는 벡터자기회귀모형(VAR), 벡터오차수정모형(VECM) 등의 다변량 시계열 모형을 사용했다. 실증분석을 위해 컨테이너선 시장의 연간 운송량, 선박량, 운임 자료를 활용했다. 분석 결과에 따르면, 가장 외생적 변수인 운송량 변수가 전체 컨테이너선 시장의 동태적 움직임에 가장 큰 영향을 미친다는 것을 확인할 수 있었다. 이러한 실증분석 결과에 기초하여 본 논문은 선박 투자, 운임 예측, 선사의 전략 수립 등에 대한 시사점을 제시했다. 선박 투자와 관련해서는 해운시장의 외생 변수인 운송량이 운임 불확실성에 가장 큰 비중을 차지하고 있기 때문에 미래 운임수입 흐름에 기반한 프로젝트 금융 보다는 운항 선주의 재무적 안정성을 강조하는 기업 금융 방식이 컨테이너선 투자의 위험관리에 적합하다는 것을 알 수 있다. 운임예측과 관련해서는 미래 예측대상 시점의 변수 값을 사용하는 단순 회귀 예측에 비해 과거의 값만으로 예측값을 도출할 수 있는 VAR 모형 또는 VECM 모형이 보다 현실성이 있다는 점을 살피고 있다. 마지막으로 선사의 전략 수립과 관련하여 시황과 연계한 원리금 상환 계약과 화주와의 운송 계약 도입을 권고하고 있다.

• Communications for Statistical Applications and Methods
• /
• 제16권1호
• /
• pp.127-135
• /
• 2009

한국의 경제규모가 꾸준히 커감에 따라 가정, 건물, 공장 등에서 필요로 하는 전력량이 지속적으로 증가하고 있다. 전력공급의 안정화를 위해서는 최대전력량보다 전력공급능력이 높아야 한다. 월별 최대전력량을 잘 설명할 수 있는 통계모형을 찾기 위해 Winters 모형, 분해 시계열모형, ARMA 모형, 설명 변수를 통해 추세성분과 계절성분을 교정한 모형을 살펴보았다. 모형의 예측력 비교 기준으로 모형적합으로부터 구한 RMSE와 MAPE가 사용되었다. 여름철 최대전력량을 예측하기 위해 평균기온과 열대야 일수를 설명 변수로 갖는 시계열 모형이 가장 우수하였다. 아울러 외부요인을 갖는 극단분포 모형을 이용한 분석을 시도하였다.

• 한국전자통신학회논문지
• /
• 제16권2호
• /
• pp.313-318
• /
• 2021

딥러닝 기술의 도래로 인하여 수많은 산업과 일반적인 응용에 적용됨으로써 우리의 생활에 큰 영향을 발휘하고 있다. 특정한 분야의 문제를 해결하기 위해서는 그 문제에 적합한 딥러닝 모델을 작성해야 한다. 근래에는 COVID-19 사태로 인하여 다양한 문제들을 딥러닝으로 해결하고자 하는 사례들이 늘고 있다. 이러한 일환으로 본 논문에서는 갑자기 급증할 수 있는 병원의 외래환자들을 미리 예측을 위한 시계열의 딥러닝 모델을 제시하고자 한다. 제시하는 딥러닝 모델은 주피터 노트북에서 케라스로 작성하였다. 예측결과는 실제 데이터와 그래프로 비교하며 유효성 데이터를 활용하여 과소적합과 과대적합의 여부를 손실률로 분석할 수 있도록 하였다.

• 지적과 국토정보
• /
• 제47권1호
• /
• pp.5-14
• /
• 2017

급속한 도시화 과정을 거친 대한민국은 도시 공간의 형성 과정에서부터 시설물관리 안전 환경 교통 등 여러 분야에서 다양한 문제들을 직면하고 있다. 이러한 도시 내의 불만과 문제를 해결하기 위해 지방자치단체에서는 전자민원을 통해 이를 접수 처리하고 있지만 민원은 해를 거듭할수록 증가하고 있는 실정이다. 따라서 본 연구는 한국의 지방 중소도시인 진주시를 대상으로 최근 10년간의 전자민원 데이터를 수집하여 민원사유별로 분류하고 민원발생지점에 대한 위치데이터를 추출한 후 Geocoding을 통해 공간정보상에 나타내어 공간분포패턴분석 및 추이분석을 실시하였다. 그리고 ARIMA모형을 사용하여 시계열 예측분석을 통해 향후 2년간(2016년~2017년) 민원발생을 예측하였다. 그 결과 불법주차단속관련 민원이 가장 많이 발생하였고, 소음관련 민원이 두 번째로 많았으며, 불법쓰레기투기관련 민원이 세 번째로 많이 발생한 것으로 나타났다. 또한, 시 공간적 분포 패턴을 분석한 결과, 중심상업지역에서 매년 가장 큰 핫스팟을 형성한 것으로 나타났다. 불법주차단속관련 민원에 대해 시계열 예측분석을 실시한 결과, 해를 거듭하며 다소 증가하는 것으로 나타났으며 예측값과 실제 데이터를 비교한 결과, 매우 비슷한 패턴을 보이며 발생하는 것으로 나타났다. 이를 바탕으로 민원의 발생량 예측을 통해 문제시되는 민원을 찾고, 이에 대한 효과적인 대책을 수립하는데 이용될 수 있을 것으로 판단된다.