• 디지털융복합연구
• /
• 제13권5호
• /
• pp.237-244
• /
• 2015

수출주도정책, FTA 체결 및 규제개선 등과 같은 다양한 시장지향적인 정책을 통해 경제시장의 규모가 지속적으로 커졌다. 이에 따라 올바른 의사결정을 위하여 경제시장을 정확하게 분석, 예측하는 문제가 중요한 이슈가 되었다. 경제시장을 표현하는 여러 지표 중 가장 대표적인 주식지표의 정확한 분석 및 의사결정을 위하여 시계열자료의 모델링에 적합한 은닉마아코프모델을 토대로 자료 내에 내재된 예외적인 특징과 잡음을 제거하기 위한 변환기법의 융합모델을 제안하여 모델 추정과 예측 문제에 적용하였으며 그 유효성을 확인하였다. 실험 결과를 통해, 본 연구에서 제안하는 변환조합을 적용하는 모델추정 기법이 유효한 모델 상태 추정 결과를 보여주었으며 실제 코스피지수와 예측의 문제에서도 매우 유사한 운동양태를 확인할 수 있었다.

• 정보과학회 논문지
• /
• 제44권8호
• /
• pp.782-790
• /
• 2017

인기 검색어 리스트는 현재 가장 인기 있는 검색어의 순위를 보여주는 서비스로서 네이버와 같은 포털사이트가 제공한다. 이 리스트에서의 순위 변화는 특정 검색어에 대한 사람들의 관심의 변화를 반영한다. 본 논문은 인기 검색어의 순위 변화를 예측하기 위해 시계열 모델링 프레임워크를 제안한다. 제안한 프레임워크는 과거 순위와 기계학습 모델이 적용되었고, 여기서 해결해야 할 두 가지 문제점이 있다. 첫째, 과거 순위 데이터를 분석한 결과, 70% 이상의 검색어가 리스트에서 소멸 후 재출현하는 현상을 보였다. 소멸 후의 순위는 손실 값으로 볼 수 있으며, 이를 해결하기 위해서 다양한 처리 방법을 적용하였다. 둘째, 과거 순위 데이터는 시계열 데이터이므로 최적 윈도우 크기를 계산하는 것이 중요하다. 본 논문에서는 최적 윈도우 크기는 동일한 검색어들이 서로 다른 두 시점에서 내용상 의미가 달라지는 최단 소멸기간으로 볼 수 있음을 밝혔다. 성능 평가를 위해서 4가지의 기계학습 기법과 2년 동안 수집한 네이버, 다음, 네이트의 인기 검색어 리스트 데이터를 사용하였다.

• 한국ITS학회 논문지
• /
• 제19권1호
• /
• pp.1-16
• /
• 2020

4차 산업혁명 시대가 도래함에 따라 빅데이터를 활용하는 딥러닝에 대한 관심이 높아졌으며 다양한 분야에서 딥러닝을 이용한 연구가 활발하게 진행되고 있다. 교통 분야에서도 교통빅데이터를 많이 활용하는 만큼 딥러닝을 연구에 이용한다면 많은 이점이 있을 것이다. 본 연구에서는 통행속도를 예측하기 위하여 딥러닝 기법인 LSTM을 이용한 단기 통행속도 예측 모형을 구축하였다. 예측에 활용한 데이터인 통행속도 데이터가 시계열 데이터인 것을 고려하여 시계열 예측에 적합한 LSTM 모델을 선택하였다. 통행속도를 보다 정확하게 예측하기 위하여 시간적, 공간적 영향을 모두 반영하는 모형을 구축하였으며, 모형은 1시간 이후를 예측하는 단기 예측모형이다. 분석데이터는 서울시 교통정보센터에서 수집한 5분 단위 통행속도를 활용하였고 분석구간은 교통이 혼잡한 강남대로 일부구간으로 선정하여 연구를 수행하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권9호
• /
• pp.457-464
• /
• 2017

실내 공기 품질 측정은 측정 대상 공간의 대기 상태 유지, 외부 변인으로 인한 대기 이상 현상을 검출하려는 방법이다. 실내 공기 품질을 주기적으로 기록하면서 변인에 따른 공기 변화에 특정 패턴이 발생함을 관측할 수 있었으나, 파라미터를 설정하고 계수를 찾아 나가기엔 파라미터의 개수나 그 영향력을 추산하기 어렵고 결과가 시간에 의존적이라는 문제가 있다. 따라서 본 실험은 이것을 공식화하는 대신, 측정 주기마다 추이를 예측하는 관측치 중심의 기계 학습 모델을 개발하는 것을 목표로 한다. 본 논문은 실내 대기 품질을 주기적으로 전송 및 저장하는 측정기의 기록 데이터로 공기 품질 변화를 예측하는 모델을 설명하고 시계열 분석 모델을 구축한다.

• 조명전기설비학회논문지
• /
• 제21권10호
• /
• pp.126-133
• /
• 2007

본 연구에서는 데이터 마이닝 기법을 이용하여 전력계통의 단기 부하 예측을 하는 방안을 제시한다. 기존의 단기 부하 예측은 시계열 분석 방법이 주를 이루었으며, 이러한 방법은 방대한 양의 자료를 기반으로 데이터베이스를 만들고 이를 이용하여 여러 가지 계수를 이용하여 수요를 예측함으로써 많은 시간과 노력이 소요되고 있다. 따라서 본 연구에서는 좀 더 적은 시간과 노력으로 부하예측이 가능하도록 데이터마이닝 기법을 이용하여 요일별 그리고 특수 일의 패턴을 분석하고 의사결정트리를 이용한 예측방법을 제시하고자 한다. 그리고 현재 전력거래소를 통해 거래되고 있는 계통한계가격과의 관계를 분석하여 예측 계수에 계통한계가격을 추가하여 예측방법을 제시하고자 한다.

• 지능정보연구
• /
• 제1권1호
• /
• pp.135-148
• /
• 1995

Neural Networks have been advocated as an alternative to statistical forecasting methods. However, the empirical evidences are not consistent. In the present experiments, multi-layered perceptron (MLP) are adopted as approximator to the time series generating processes. To prevent the MLP from being overfitted to the given time series, the information obtained from ARMA modeling is used to determine the architecture of MLP. The proposed approach was tested empirically using the subsamples of the 111 time series used in the first Markridakis Competition. The forecasting results were analyzed to find out the factors that affect the performance of MLP. The experimental results show that the proposed approach outperforms ARMA models in terms of fitting and forecasting accuracy. In addition, it is found that the use of deseasonalized data improves the forecasting accuracy of MLP.

• 응용통계연구
• /
• 제29권3호
• /
• pp.525-537
• /
• 2016

본 연구에서는 시계열 자료의 비정상성과 비선형성과 같은 복잡성을 효과적으로 포용할 수 있는 경험적모드분해법(empirical mode decomposition; EMD)을 토대로 시계열 자료의 분석 및 예측을 위한 혼합(hybrid) 모형을 연구한다. EMD에 의하여 생성되는 내재모드함수(intrinsic mode function; IMF)는 해석 및 예측의 편리성을 개선하기 위하여 누적에너지의 개념을 사용하여 그룹화하였으며, 그룹화된 IMF 및 residue의 성분들은 그 성질에 따라서 ARIMA 모형 및 지수평활법과 결합된 혼합 모형으로 예측된다. 제안된 방법은 일별 코스피 지수의 예측을 위해서 적용하였다. 다양한 형태의 혼합 모형을 사용하여 코스피 지수를 예측하였으며 전통적인 예측 방법과 비교하였다. 분석 결과, 그룹화된 성분들은 코스피 지수의 움직임을 단기적, 중기적, 장기적으로 해석하는데 편리함을 주었으며, 그룹화된 IMF 및 residue를 각각 ARIMA 모형과 지수평활법으로 조합한 혼합 모형이 우수한 예측력을 보여주었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.35-37
• /
• 2021

외래 관광객 수요를 분석하고 예측하는 것은 관광 정책을 수립하고 기획하는데 지대한 영향을 미치기 때문에 관광 산업 분야에서 매우 중요하다. 외래 관광객 데이터는 여러 외적 요인들에 의해 영향을 받기 때문에, 시간에 따른 미세한 변화가 많다는 특징을 갖는다. 따라서, 최근에는 관광객 입국자 수요를 예측하기 위해 경제 변수 등 여러 외적 요인들도 함께 반영하여 예측 모델을 설계하는 연구를 진행하고 있다. 그러나 기존의 시계열 예측에 주로 사용되는 회귀분석 모델과 순환신경망 모델은 여러 변수들을 반영하는 시계열 예측에 있어 좋은 성능을 보이지 못했다. 따라서 우리는 합성곱 신경망을 활용하여 이러한 한계점들을 보완한 외래 관광객 수요 예측 모델을 소개한다. 본 논문에서는 한국관광공사에서 제공한 과거 10개년 외래 관광객 데이터와 추가적으로 수집한 여러 외적 요인들을 입력 변수로 반영하는 1차원 합성곱 신경망을 설계하여 외래 관광객 수요를 예측하는 모델을 제시한다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 Proceedings 제34회 추계 학술발표회
• /
• pp.21-30
• /
• 1998

본 연구는 기존 구간 속도 예측기법의 고찰을 통하여 검지기에서 올라오는 교통제어변수를 이용하여 구간 속도 예측모형을 연구하는데 목적이 있다. 이를 위한 교통 제어변수로는 연속류 제어에서 통상적으로 사용되는 교통량, 점유율, 밀도, 속도 등을 사용한다. 공간적 범위로는 서울 올림픽대로의 17개의 영상 검지기 중 #3과 #16검지기에서 올라오는 속도, 점유율, 교통량 자료를 토대로 1998년 6월 11일 오전 7시부터 11시까지의 4시간동안 예측을 실시하며 Historical Traffic Pattern과 시험차량, 자동차 번호판 조사를 통한 구간 실측조사 자료를 토대로 예측을 위한 자료를 구축한다. 기존의 예측기법인 시계열 분석, 신경망 이론, 평활법과 칼만필터링을 고찰하였고, 가장 좋은 예측력을 보여주는 기법은 칼만필터링 모형이었다. 이를 토대로 Case Study를 통해 여러 구간의 다주기 예측을 통해 단기간(short-term)의 구간 속도를 예측하고 각 해당 검지기별 실측자료를 통해 비교분석을 실시하였다. 결과적으로 도출된 칼만필터링 모형의 다주기 예측을 통한 구간 통행속도의 예측이 기존의 구간 통행속도 산출 방법보다 더 나은 예측력을 보여주고 있다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2010년도 춘계학술대회 초록집
• /
• pp.185.2-185.2
• /
• 2010

한반도 국가바람지도(김현구, 2009)는 한국에너지기술연구원에서 지식경제부의 부처임무사업으로 구축되었으며 현재 웹서비스(http://www.kier-wind.org)를 통하여 정보를 제공하고 있다. 국가바람지도는 수치기상예측(NWP; Numerical Weather Prediction) 모델을 이용하여 영토, 영해에 대해 $1km{\times}1km$의 고해상도로 작성한 뒤(이순환 등, 2009) 풍력자원 정보로 재가공되었다. 한반도 국가바람지도는 5년의 장기간에 대한 시계열 수치기상예측에 의하여 구축되었기 때문에 데이터베이스(DB; database)의 효율적 관리가 필연적으로 요구된다. MM5 또는 WRF 모델의 고유 출력포맷의 자료구조는 풍력자원분석에 필요한 기상요소 외에도 대기과학자에게 필요한 수많은 기상인자를 종합적으로 포함하고 있다. 따라서 2차원 층(layer) 또는 3차원 공간분포 분석 및 계산격자인 셀(cell)에서의 1차원 시계열 분석 등 다양한 자료축출에는 비효율적인 자료구조가 된다. 이러한 자료구조의 불편을 해소하기 위해서는 기상요소별로 독립적이고 빈번한 시계열 자료 추출에 효율성을 가지며 어떤 프로그래밍 언어를 사용하든지 직관적으로 쉽게 사용할 수 있는 바람지도 데이터베이스의 재구성이 요구된다. 이에 대용량 수치자료의 처리 측면에서 장점을 가지는 과학기술 프로그래밍 언어인 IDL을 기반으로 국가바람지도의 자료구조를 효율화하여 데이터베이스화 하였으며 IDL에 내재된 그래픽 기능을 활용하여 가시화를 구현함으로써 연구개발자의 입장에서 국가바람지도의 활용성 및 효율성을 향상시키고자 하였다.