• 응용통계연구
• /
• 제31권2호
• /
• pp.189-204
• /
• 2018

본 연구는 2014년 1월부터 2017년 4월까지 광, 공업용 제조업을 하는 건물(GGM)의 전기 사용량에 대한 예측을 살펴보고자 한다. SARIMA, SARIMA + GARCH, Holt-Winters 방법, Fourier 변환으로 분해를 한 ARIMA 모형을 중심으로 네 가지 모형에 대한 적합을 하였다. 또한 2017년 5월 사용량에 대한 예측하고, 실제값을 고려하여 각 모형에 대해 예측 제곱근 평균 제곱 오차와 예측 오차율을 비교하였다. GGM 건물의 전기 사용량에 대한 변동이 심하기 때문에 여러 가지 모형 중에서도 변동성과 주기를 함께 고려한 SARIMA + GARCH 모형의 적합과 예측이 가장 뛰어난 것을 확인하였다.

• 응용통계연구
• /
• 제36권6호
• /
• pp.529-545
• /
• 2023

본 논문에서는 장기 기억성을 가지는 고차원 시계열 데이터 분석에 유용한, 밴드 구조의 계수행렬들을 가지는 밴드구조 VHAR (Banded-VHAR) 모형을 제안한다. 밴드구조 VHAR 모형은 인접한 차원의 시계열에서만 상관구조를 가지는 성근 고차원 시계열 모형으로 밴드구조에 영향을 주는 요인으로는 대표적으로 지리적 특성이 있다. 밴드구조 VHAR 모형의 빠른 추정을 위해 본 논문은 행별추정방법을 사용하고 또 밴드의 크기를 추정하기 위해 BIC와 잔차제곱합의 비율을 이용한 추정 방법을 소개하였다. 더불어 모의 실험을 통해서 제안한 추정 방법의 점근적 일치성을 확인하였다. 실증자료 분석으로 지역별 초미세먼지 및 아파트 거래량 자료를 활용하여 모형을 적용한 결과 밴드구조 VHAR 모형이 표본외예측 능력의 우수하고, 지리적정보에 기반하여 모형의 해석이 용이하다는 큰 장점이 있음을 살펴보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.387-387
• /
• 2022

기존 홍수기시 댐 운영은 예측 강우와 실시간 관측 강우를 이용하여 댐 운영 모형을 수행하며, 예측 결과에 따라 의사결정 및 댐 운영을 실시하게 된다. 하지만 이 과정에서 반복적인 분석이 필요하며, 댐 운영 모형 수행자의 경험에 따라 예측 결과가 달라져서 반복작업에 대한 자동화, 모형 수행자에 따라 달라지지 않는 예측 결과의 일반화가 필요한 상황이다. 이에 댐 운영 모형에 AI 기법을 적용하여, 다양한 강우 상황에 따른 자동 예측 및 모형 결과의 일반화를 구현하고자 하였다. 이를 위해 수자원 분야에 적용된 국내외 129개 연구논문에서 사용된 딥러닝 기법의 활용성을 분석하였으며, 다양한 수자원 분야 AI 적용 사례 중에서 댐 운영 예측 모형에 적용한 사례는 없었지만 유사한 분야로는 장기 저수지 운영 예측과 댐 상·하류 수위, 유량 예측이 있었다. 수자원의 시계열 자료 활용을 위해서는 Long-Short Term Memory(LSTM) 기법의 적용 활용성이 높은 것으로 분석되었다. 댐 운영 모형에서 AI 적용은 2개 분야에서 진행하였다. 기존 강우관측소의 관측 강우를 활용하여 강우의 패턴분석을 수행하는 과정과, 강우에서 댐 유입량 산정시 매개변수 최적화 분야에 적용하였다. 강우 패턴분석에서는 유사한 표본끼리 묶음을 생성하는 K-means 클러스터링 알고리즘과 시계열 데이터의 유사도 분석 방법인 Dynamic Time Warping을 결합하여 적용하였다. 강우 패턴분석을 통해서 지점별로 월별, 태풍 및 장마기간에 가장 많이 관측되었던 강우 패턴을 제시하며, 이를 모형에서 직접적으로 활용할 수 있도록 구성하였다. 강우에서 댐 유입량을 산정시 활용되는 매개변수 최적화를 위해서는 3층의 Multi-Layer LSTM 기법과 경사하강법을 적용하였다. 매개변수 최적화에 적용되는 매개변수는 중권역별 8개이며, 매개변수 최적화 과정을 통해 산정되는 결과물은 실측값과 오차가 제일 적은 유량(유입량)이 된다. 댐 운영 모형에 AI 기법을 적용한 결과 기존 반복작업에 대한 자동화는 이뤘으며, 댐 운영에 따른 상·하류 제약사항 표출 기능을 추가하여 의사결정에 소요되는 시간도 많이 줄일 수 있었다. 하지만, 매개변수 최적화 부분에서 기존 댐운영 모형에 적용되어 있는 고전적인 매개변수 추정기법보다 추정시간이 오래 소요되며, 매개변수 추정결과의 일반화가 이뤄지지 않아 이 부분에 대한 추가적인 연구가 필요하다.

• 응용통계연구
• /
• 제22권6호
• /
• pp.1177-1190
• /
• 2009

도로의 성능을 측정는데 있어서, 주행속도는 가장 중요한 정보가 된다. 또한 도로 교통의 정보를 제공하는데 있어서 현 시점의 교통정보와 더불어 향후 예측되는 교통정보를 함께 제공하는 것은 보다 정확한 예측 시간과 구간을 제공하기 위한 차별화된 기능이라 할 수 있다. 본 연구에서는 그 동안 축적된 도로 구간별 속도 자료를 이용하여 속도 패턴을 다양하게 분석하고 퓨리에 변환 및 삼각함수를 설명변수로 하는 시계열 회귀모형을 이용한 예측모형을 개발하여 구간별 및 시간대별 평균 속도를 예측하였다. 이와 더불어 보다 정확한 예측을 위하여 결측치에 대한 대체 방법 및 특이치 처리 방법을 함께 고려하였고 방대한 데이터에 대한 효율적인 분석을 위하여 유사 속도 구간에 대한 그룹핑(grouping) 방법도 제안하였다.

• 한국ITS학회 논문지
• /
• 제20권3호
• /
• pp.59-73
• /
• 2021

교통사고로 인한 많은 인명피해가 발생하고 있으나, 첨단 기술의 발전에도 불구하고 교통사고 발생은 줄어들지 않고 있다. 교통사고를 사전에 예방하기 위해서는 향후 사고가 어떻게 변화하여 갈 것인지를 정확하게 예측할 필요가 있다. 지금까지 교통사고 발생 빈도 예측은 주요 연구 분야가 아니었으며 주로 과거 일정 기간의 통계를 기반으로 전통적인 방법으로 미시적으로 분석되어 왔다. 최근 AI 기술이 교통사고 분야에 도입 되었음에도 불구하고 주로 교통 흐름 예측에 초점을 맞추고 있어, 본 연구에서는 2014년부터 2019년까지 국내에서 발생한 1,339,587건의 교통사고 기록을 시계열 데이터로 변환하고 AI 알고리즘 LSTM을 이용하여 연령별, 시간별 교통사고 발생 빈도를 예측하였다. 또한 코로나-19로 인한 교통 환경의 변화에 맞추어 예측값과 실제값을 비교 검증하였다. 향후 이러한 연구결과가 교통사고 예방의 정책개선으로 이어지고 사고 예방에 활용 될 것으로 기대된다.

• 한국조사연구학회:학술대회논문집
• /
• 한국조사연구학회 2001년도 춘계학술논문발표대회 발표논문집
• /
• pp.71-82
• /
• 2001

통계청의 소비자전망조사는 국민경제의 50%이상을 차지하고 있는 가계소비지출의 변동을 파악하고 예측하기 위하여 소비자들의 경기에 대한 인식, 소비지출 계획 등을 조사ㆍ분석하는 월별 조사로 개발되었다. 본 논문에서는 통계청의 소비자전망조사의 조사방법과 소비자기대지수, 소비자평가지수 등의 작성방법을 소개하였다. 그러나 지수의 분석은 소비자전망조사의 시계열이 짧은 점을 감안하여 제한된 시계열내에서 소비자기대지수와 경기 동행종합지수 순환변동치와의 시차성을 살펴보았다.

• 환경생물
• /
• 제34권4호
• /
• pp.365-373
• /
• 2016

환경생태 자료 분석에 사용된 많은 자료가 시간에 따라 얻어지고 있다. 조사된 시점의 수가 적은 경우에는 자료가 충분한 정보를 주지 않기 때문에 반복 측정하거나 여러 지점을 조사하여 종합적인 분석을 수행하게 된다. 이때 사용하는 방법이 경시적 자료 분석(longitudinal data analysis) 또는 혼합모형(mixed model) 분석이다. 그러나 시점의 수가 많아 정보의 양이 충분하다면 반복적인 자료가 필요하지 않으며 이러한 자료는 시계열 분석 기법을 이용하여 분석하게 된다. 특히 현재와 같이 다수의 시점에서 얻어진 자료의 수가 많아지고 있는 상항에서 각 변수 간에 서로 어떤 영향을 주는지 또는 향후 어떤 경향을 띠게 되는지 예측을 원한다면 시계열 분석 기법을 사용하여 자료를 분석해야 한다. 본 연구에서는 단변량 시계열 분석(univariate time series analysis), 개입 분석(intervention time series model), 전이함수 모형 분석(transfer function model), 다변량 시계열 분석(multivariate time series model) 기법을 소개하고 현재까지 진행된 국내외 연구 논문을 살펴보았다. 또한 향후 환경생태 자료 분석에서 중요하게 사용될 수 있는 오차수정 모형(error correction model)을 소개하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.349-349
• /
• 2021

일반적인 도시홍수모형은 수리-수문모형을 기반으로 한 홍수위 모형을 사용하고 있으나 강우사상이나 물리적 조건에 따라 모의시간의 변화가 있으며 경우에 따라서는 긴 모의시간이 소요된다. 알파고 이후 큰 관심을 갖게된 딥러닝을 이용한 데이터기반의 모의를 통해 수자원 부분에 적용하여 수위 예측을 진행하였다. 본 연구에서는 딥러닝을 이용하여 관측자료기반의 수위예측 연구를 수행하였다. 대상유역은 중랑천 유역으로 선정하였으며 2015년 ~ 2020년 사이의 10분단위 강우, 수위자료를 이용하였다. 지방자치단체에서 제공하는 강우, 수위자료의 경우 결측자료 또는 이상자료에 대한 보정이 미흡하여 기계학습을 통합 분석자료로 활용하는데 어려움이 있다. 이에, 결측 및 이상자료가 포함된 자료로부터 인위적으로 교란된 데이터 및 결측구간을 삭제한 데이터를 생성하여 자료의 시계열성을 제거하고, 딥러닝을 통한 수위 예측 결과를 정상 데이터를 적용한 결과와 비교하였다. 사용된 딥러닝 모형은 시계열 데이터 예측에 우수한성능을 보이는 LSTM모형과 GRU모형을 이용하였으며 RMSE, NSE를 이용하여 평가하였다. 본 연구에서는 결측자료 및 이상자료가 포함된 수문자료를 자료의 시계열성 제거를 통해 딥러닝 분석 입력자료 구성하기 위한 방안을 제시하였다.

• 응용통계연구
• /
• 제21권6호
• /
• pp.1037-1044
• /
• 2008

본 연구에서는 재무시계얼 자료의 변동성을 분석하는데 유용하게 쓰이는 멱변환 시계열 모형을 인터넷 트래픽 자료 특성 분석에 적용하여 효용성을 보이고자 한다. 트래픽의 특성인 장기기억(long memory)특성을 설명하기 위하여 멱변환 GARCH(PGARCH) 모형을 소개하고 기존의 GARCH 모형보다 더 유용함을 시뮬레이션과 실제 인터넷 트래픽 자료에 적합시켜 입증하였다.

• 융합정보논문지
• /
• 제9권12호
• /
• pp.54-61
• /
• 2019

최근 들어 IITS는 스마트 시티관련 산업계에서 중요한 주제로 떠오르고 있다. IITS의 주요 목적인 교통체증 (차량 사고에 기인한) 예방책들이 발전된 센서 및 통신 기술의 도움을 받아 다양하게 시도되었다. 관련 연구들에서는 자동차 사고와 사고 위치적 특성, 날씨, 운전자 행동, 시간 등 다양한 요인들과 상관 관계가 있음을 보여주고 있다. 우리 연구는 자동차 사고와 사고 발생 시간 사이의 상관관계에 주제를 집중했다. 본 논문에서는 ARIMA (Auto-Regressive Integrated Moving Average) 자동 회귀, 정상 및 지연 순서를 결정하는 세 가지 요소를 확인하기 위해 ADF (Augmented Dickey-Fuller)를 포함한 ARIMA 테스트를 수행했다. 본 연구 결과로서 시간 별 자동차 충돌 수 예측에 대한 요약을 제시하며, 한국 내 자동차 사고 데이터는 ARIMA 모델에 적용될 수 있음을 보여주었고, 국내 자동차 사고는 하루를 기준으로 일정한 주기가 존재하는 성격을 가지고 있다는 것을 제시했다.